你做过最令人印象深刻的事是什么？

为 Naijm 招人时，Samuel 和我问了候选人一个有点奇怪的问题：你小时候做过最令人印象深刻的事是什么？在学校呢？在大学呢？工作以后呢？让我们吃惊的，倒不是答案的质量，而是有那么多人其实说不出什么。

有超过1000人申请加入 Naijm。213份申请是认真的，我们最终招了十二个人。我们见到很多漂亮的简历、好学校、好公司，很多人把通常期待他们做的事都做到了。可是这个问题一出来，有时就没什么下文了。而偶尔，我们会遇到一个人，Samuel 和我立刻就想见他。

其中一位九岁就在动手做东西，十四岁时已经卖出过一款用人工智能帮助盲人的产品。几年后，他在为 Chromium 做贡献，开发自己的人工智能记忆系统，还用 Rust 重写数据库。另一位二十二岁，代表法国参加过 HackerOne World Cup，短短的人生里已有相当大一部分时间用于合法进入别人的计算机系统。还有一位赢过法国全国数学竞赛，在以色列学过数学，之后从事了五年军事情报工作，再开始构建人工智能系统。还有一位曾与多家大型制药和化妆品集团合作，在 LVMH Recherche 自动化分析流程，发表人工智能研究，并且纯粹为了好玩，做了一套能把文件编码进合成 DNA 的系统。

每一次，我们的反应都差不多：还想知道更多。不一定是想雇用这个人，因为到那个阶段，我们还不知道他是否适合 Naijm，而是想见面，继续聊下去。我还不知道这个问题究竟能预测什么。团队才刚刚起步，现在就说我们发现了一门招聘新科学，未免太早。也许六个月后，某些在一小时面试里令我们着迷的人，会把我们逼疯。目前我只知道，每当一条真正不同寻常的人生轨迹出现，Samuel 和我就会产生强烈的好奇。

十二个大概本不该聚在一起的人

第一支团队最终就是这样组建起来的，而且它相当奇特。有些人拥有二十多年的经验，有些人自己才刚满二十岁。这里有黑客、工程师，有在制药、奢侈品或情报行业工作过的人，有擅长销售的人，有一起拍电影的两兄弟，还有 Samuel Cardillo。他曾在 RTFKT 被 Nike 收购前负责技术，如今在我们这里的正式头衔是 CTO & Open Source Tsar。对于最后这个头衔，我以相当平静的心态承担责任。

我们把这群人分成四个 crew：Navigators、Builders、Outriders 和 Firekeepers。Builders 负责构建，Outriders 直接进入客户的业务运营，Navigators 设定方向并作出承诺，Firekeepers 则负责我们所做之事周围的叙事和信号等工作。这么说起来，仿佛公司已经存在很久，我们只是记录了一套运转完美的组织。实际上，团队明天才正式开始，而我们手里的 RFP 已经比能回复这些需求的人还多。

这大概正是 Naijm 开始变得有意思的地方。

用少量资源做很多事

我们围绕一个相当大胆的假设建立了公司：某些今天要花1亿的业务，未来或许只需要2000万或3000万。当然，这不是因为人会把工作速度提高五倍，而是因为从一开始就能使用软件和智能体，与十五年后再把它们加进一个已经存在的组织，所构建的业务大概根本不一样。

而如果真相信，一个小团队能做到以前需要庞大组织才能做的事，就有一个颇令人尴尬的推论：我们首先应该能在自己公司里做到。偏偏，我们的第一个问题恰恰就是这个。十二个人要做的工作太多了。传统答案相当简单：继续招人，直到产能追上需求。

在 Naijm，我们至少希望在这个答案之前，先问另一组问题。这项工作真的需要存在吗？能不能删掉一步、改变流程、写成代码、做一个智能体，或者让已经在这里的人获得更大的能力？当然，有时问完这些，最好的答案还是一个人，那我们就招一个人。目的不是把员工人数变成高尔夫成绩。七个人的公司并不比七百人的公司在道德上更高尚。我只是想看看，我们能走多远，才会让每一份新增工作量自动变成一份新岗位说明。

招聘，而不组建一支招聘人员大军

招聘让我们第一次看到了这个问题。一个小团队认真处理1000多份申请，很快就会变成好几个人的全职工作，于是我们做了 Al-Battani，一个辅助招聘流程的人工智能。它阅读申请、分析回答，给出判断。如果一份材料不明确，可以评估多次；出现分歧时，候选人就会被提交给人来查看。

但 Al-Battani 不拒绝任何人。每一次拒绝，仍然必须由一个人作出决定。我觉得这个区分很有意思，因为在讨论人工智能时，人们常常把两件事混为一谈：委托工作和委托责任。我们愿意把前者大量交出去，对后者就没那么轻易。机器可以读得更快、比较更多东西，重复二十次也不会疲倦，但这不一定意味着，我们应该把一个人不再是候选人的那个时刻交给它决定。

相反，我们允许候选人在测试中使用人工智能。事实上，我们就是想看他们怎么用。一个将来每天都要和智能体工作的人，被拿走智能体后再展示自己能做什么，其实没多大意义。真正有意思的，恰恰是使用方式：他委托什么，检查什么，怎样提出问题，尤其是在哪个时刻意识到机器刚刚走错了方向。另外，在开始信任 Al-Battani 的评分之前，最初的评估都经过了人工复核。造一台机器来评判别人的判断力，却不先检验机器自身的判断力，那就太遗憾了。

当软件开始容纳整家公司

这套逻辑逐渐蔓延到 Naijm 的其他部分。我们搭建了自己的内部系统，招聘、人员、RFP、采购、维基、入职、品牌，以及一部分日常运营，都在里面。连组织架构图也存在于代码中：角色、crew、访问权限和许可彼此相连，甚至组织的真实变化，最终可能要求代表它的系统也跟着修改。

几年前，给这么小的公司写这么多内部软件，大概是个相当荒唐的主意。为什么要花几个月付钱养一支团队，去做五个每月49美元的 SaaS 产品的劣质替代版？SaaS 之所以赢，就是因为这笔账太清楚：买下和另外一万家公司相同的软件，稍微调整工作方式去适应它。

但当开发一个完全适合自己工作方式的小工具，只需要几小时或几天，而不是几个月时，这笔账就不那么显然了。突然之间，软件又可以极其具体。它不必通用到能满足一万家公司，可以装下你的规则、权限、习惯，以及那些略显可笑的 crew 名称。更重要的是，它可以吸收那些细碎的协作规则，而这些规则通常最终只存在于少数人的脑子里。

每家公司都熟悉这时会出现的话：“问 X”“Y 知道在哪儿”“她周一回来”“千万别碰那个表格”。公司成长中有个相当奇怪的部分，就是培养出一些人，而人们要理解公司怎么运转，就逐渐离不开他们。我想看看，当很多规则可以直接放进系统时，我们能在多长时间里避免这种情况。

连 bullshit 也能自动化

当然，整个故事还有一个颇有趣的反面：有用的软件变便宜了，没用的软件也会以同样的幅度变便宜。客观来说，我们简直是最容易中招的候选者。我们有自己的内部系统，有一个以一千多年前去世的阿拉伯天文学家命名的招聘人工智能，有 Navigators、Builders、Outriders 和 Firekeepers 四个 crew，还有一个正式头衔里带着 Tsar 的 CTO。很快就能变得特别擅长“扮演公司”。

我见过足够多的公司，文化漂亮，流程漂亮，演示文稿漂亮，就是客户不够，所以我知道，这种危险不是理论上的。人工智能甚至可能让这种装腔作势更容易：今天，围绕一个也许从一开始就不该存在的问题，可以很快做出一个智能体、一个仪表盘或者一套自动化。所以，能用两小时把某件事写成代码，并不意味着就该花这两小时去写。

最终，必须改变一个数字

幸好，我们的商业模式没给我们留下多少藏身之处。Naijm 与一家企业合作时，会进入它的业务运营，查看流程、人员和系统，尤其是和对方一起确定，这一切今天到底花了多少钱。接着，我们想办法让那个数字降下来。我们有基础报酬，但收入中相当重要的一部分，取决于相对于这条基线实际节省了多少。

我很喜欢这个模式的这一点，因为它不允许我们只靠看起来聪明就赚钱。我们可以部署五十个智能体，重做整个架构，自动化十二个流程，再花两小时解释为什么这家公司如今已是 AI-native。可如果我们来之前这项业务成本是100，来了之后仍然是100，那实际发生的事情，大概没有 PowerPoint 讲得那么有趣。客户付钱买的不是我们的信仰，而是那个数字。

这就是为什么，我们关于1亿变成2000万或3000万的假设值得关注。目前，它恰恰就只是一个假设。我们还没有赢得把它当作真理来讲述的资格。而且，我宁愿现在就写这封通讯，趁很多事情还没有定论。一两年后，如果成功了，倒着重构这段历史会非常容易。每次招聘都会显得理所当然，每个智能体都会像是第一天就计划好的，错误会变成必要的教训，意外会变成格外精妙的战略决策。创业者很擅长这个。

明天，实验才真正开始

今天的情况没那么优雅。十二个人明天上班，RFP 超过了现有能力，有很多软件，几个智能体，还有若干信念，其中有一些大概是错的。如果智能体不能让这支团队用少量资源做更多事，我们就根本做不到。

几个月前，我们有三个客户，一个员工都没有。明天，我们有了员工，却已经有太多工作等着他们。

现在，要看看十二个人能做什么了。