80→8→15：一家新加坡AI公司的「组织手术」

推荐语

COCO AI从80人精简到8人再增长到15人，业务反而快速增长，展示了AI原生组织如何重塑工作流。

核心内容：
1. AI原生组织如何通过AI Agent重塑工作流程
2. AI进入组织，最先改变信息流的流转与沉淀方式
3. 传统企业应用AI工具与AI原生组织的关键差异

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

对大多数企业来说，业务增长通常意味着团队扩张。

但一些 AI 原生公司正在尝试另一种组织方式。COCO AI 是其中一个样本。

COCO AI 总部位于新加坡，成立于 2025 年，核心成员来自字节、阿里、商汤等科技公司。

公司主要为企业提供多 Agent 协作平台，可在分钟级完成部署，帮助客户搭建由多个 AI Agent 组成的“数字员工团队”，覆盖 CRM、客服、运营、财务、HR、内容等工作流。

它值得关注，不只是因为产品方向，还因为它自己也在用这套方式改造组织。

COCO AI 联合创始人 Charlie 在接受牛透社分析师访谈时介绍，公司早期曾接近 80 人，后来逐步调整组织结构，一度优化到 8 人，之后又增长至 15 人。

与此同时，大量原本由人完成的工作被拆解给 AI Agent。从客户沟通记录、销售复盘，到内容生产、市场研究和内部知识管理，许多流程都已经进入人机协同状态。

换句话说，COCO AI 不只是向客户销售 AI Agent，它自己也是 AI Agent 的深度使用者。

过去一段时间，COCO AI 业务增长很快。

公司已服务数百家付费企业客户，应用场景落在企业经营中最具体的问题上，比如客户怎么跟进，线索怎么判断，内容怎么生产，流程怎么推进，员工和 AI 如何协作。

这也让 COCO AI 成为一个值得观察的组织样本。

如果按照传统增长逻辑，业务快速增长之后，公司很自然会继续扩人。

但 COCO AI 的选择，是把大量重复性工作交给 AI Agent，把会议记录、客户沟通、销售复盘、内容生产、市场观察、竞品信息持续沉淀下来，变成 AI 可以调用的组织语料。

问题由此出现：

为什么一些 AI 原生公司不急着扩人，业务还能继续增长？为什么很多传统企业也用了 AI 工具，组织效率却没有出现同样明显的变化？

关键不在工具。

很多企业把 AI 当成外接助手。需要写文案、做总结、生成表格时，员工打开工具问一下，任务完成后再回到原来的流程里。AI 提高了单点效率，却没有进入组织的运行系统。

AI 原生组织的差别在于，AI 被放进信息沉淀、流程协同和业务判断之中，开始成为组织的一层能力。

COCO AI 这个样本的价值也在这里。它让我们看到，AI 对组织的改变，最先发生在信息流。

企业每天都在产生大量信息。过去，这些信息主要靠人流转。

销售记在脑子里；

运营写在文档里；

管理者通过会议听一遍；

部门之间再通过群消息、表格、周报同步。

信息走得越长，损耗越大。

这也是很多企业开会多、沟通重的原因。大家花大量时间复述背景、同步进展、解释上下文。

很多会议的真实功能，并不是决策，是让更多人“知道发生了什么”。

AI 进入组织后，首先改变的就是这条信息链。

在 COCO AI 的工作方式里，人仍然要走到真实世界里。

创始人见客户、参加活动、观察竞品、接触合作伙伴，这些动作都很重要。但它们不再只是个人经验，会变成可以持续喂给 AI 的语料。

Charlie 提到，线下见过哪些客户、谈了哪些点、看到哪些竞品、接触到哪些情况，都会反哺给 AI，让 AI 从公司的视角理解外部世界。

这就是 AI 原生组织的一个关键变化：

人负责采集现实，AI 负责沉淀结构，组织再基于结构做判断。

客户从哪里来，最初需求是什么，中间提过哪些异议，谁跟进过，为什么成交，为什么流失。

过去这些信息很容易散落在销售、运营、管理者的个人记忆里。

需要复盘时，只能再开会、再追问、再整理。

当这些过程被持续沉淀下来，管理者要了解一个客户、一条线索、一个项目，就可以直接让 AI 拉出前后脉络。

会议不用再承担大量信息搬运，人的时间也能从反复同步中释放出来。

组织记忆也随之发生变化。

过去，一家公司很依赖关键员工的经验，一旦人离开、换岗或忙不过来，信息就容易断掉。

AI 原生组织要减少这种断点。它把过程留在系统里，把上下文交给 AI 处理，让经验从个人记忆进入组织记忆。

这并不削弱人的价值。相反，人的任务更靠前了。

AI 无法自己走进客户现场，也无法替企业感受市场气氛。

人要负责把真实世界的新信息带回来，判断哪些反馈重要，哪些只是噪音，哪些客户问题背后有真实需求，哪些竞品动作值得跟进。

组织效率的变化，正是从这里开始。

一个组织如果仍然依赖层层汇报和反复同步，即使用了 AI，也很难真正变轻。

只有当信息能被持续沉淀、结构化、调用，AI 才能进入组织内部，成为公司运转的一部分。

信息流改变之后，会议也会跟着变化。

在很多企业里，会议之所以多，不是因为有那么多事情需要集体决策，是因为信息没有在系统里沉淀。

• 客户情况要开会讲一遍，

• 项目进展要开会同步一遍，

• 销售线索要开会复盘一遍，

• 老板临时想了解一个业务细节，又要把相关人叫到一起重新说一遍。

  
  

这些会议表面上是在协同，实际上承担了大量信息搬运的工作。

COCO AI 的做法不同。它每天仍然有日会，也会围绕关键问题做讨论，但大量背景信息、客户上下文和过程记录，已经交给 AI 来承接。

员工不需要反复解释“这个客户是谁”“之前聊到哪一步”“为什么这个需求重要”。这些信息如果沉淀得足够好，AI 可以直接拉出脉络。

会议的功能因此被压缩，也被抬高了。

过去会议要解决三个问题，即同步信息、解释背景、形成判断。AI 介入之后，前两个环节可以被大幅减少。

人真正需要坐下来讨论的，是选择、取舍和责任。

这会让组织变轻。

一个销售见完客户，不必把所有细节都放进下一次会议里口头复述；

一个项目推进到哪一步，也不必靠负责人反复追问才能拼出全貌。

只要过程持续记录，AI 就能把分散的信息整理成可读的上下文。

管理者需要的也不再是一堆零散汇报。

他可以追问，这个客户为什么迟迟没有转化？这类需求最近出现频率高不高？哪个环节造成了推进变慢等等。

过去，这些问题要靠人去翻记录、找表格、问同事。

现在，AI 可以先完成一轮信息整理和初步分析。人再判断它的结论是否可靠。

所以，会议变少，并不意味着沟通变少。

真正减少的是低价值同步，增加的是基于共同上下文的高质量判断。

这也是 AI 原生组织容易被外界低估的地方。

它看起来只是少开了几场会，少写了几份汇报，少招了几个协调岗位。实际变化发生在更底层的位置，信息不再依赖会议才能流动，组织也不再靠反复同步来维持运转。

当信息流和会议方式发生变化，组织结构也会跟着调整。

传统公司一旦变大，会自然长出更多中间层。

• 业务复杂了，需要有人上传下达；

• 部门变多了，需要有人协调进度；

• 老板看不过来了，需要有人整理汇报、拆任务、盯执行。

  
  

这套结构在过去很有必要。因为信息分散在不同人手里，流程分散在不同部门之间，管理层要靠中间角色把组织串起来。

但在 AI 原生组织里，一部分中间工作正在被压缩。

COCO AI 的团队规模不大，组织也相对扁平。很多信息同步、客户复盘、进度整理、上下文梳理，不再完全依赖中间管理者完成。

AI 可以先把信息拉齐，把过程整理出来，把问题初步拆开。人再基于这些内容做判断。

这会削弱传统管理岗位的价值，尤其是只负责传递信息、整理材料、催进度的人。

过去，这类角色能维持组织运转。现在，如果信息已经进入系统，流程也能被 AI 辅助推进，单纯的“中转站”就会变少。

组织不再需要那么多人在中间反复搬运信息。

但管理不会消失。

真正重要的管理工作会更突出。比如，判断什么事该优先做，什么客户值得投入，哪个方向要砍掉，哪些资源需要重新分配，哪些风险必须提前处理。

这些事情，AI 可以提供分析，但不能替组织承担责任。

所以，AI 原生组织压缩的不是管理本身，而是低价值管理。

留下来的管理，要更靠近业务，更靠近判断，也更靠近结果。

这也对权限和责任提出了更高要求。

公司再扁平，核心财务数据、商业机密、关键客户信息，也不可能对所有人完全开放。

谁能看到什么信息，谁能调用什么 Agent，谁能让 AI 执行什么动作，哪些环节必须人工确认，这些问题都会变得更重要。

组织变轻之后，管理反而不能粗糙。

过去靠层级兜底，很多风险可以通过审批和汇报拦下来。AI 进入流程后，动作更快，协同更短，组织就更需要清楚的边界。

否则，效率提升很快会变成管理失控。

AI 原生组织的结构变化，并不只是“人少了”。更准确地说，是中间的低价值环节被压缩，核心判断和责任边界被抬高。组织不再需要那么多传声筒，但更需要真正懂业务、能判断、敢负责的人。

很多企业谈 AI，第一反应还是工具。

买一个大模型账号，接一个智能客服，上一个知识库，给员工做几场培训。短期看，确实能提高一些效率。写东西更快了，查资料更快了，会议纪要也更快了。

但这些变化，大多停留在工作表面。

COCO AI 的访谈里有一个细节很有意思。很多企业会问，COCO AI 和通用大模型有什么区别。

这个问题本身就说明，不少企业仍然把 AI 理解成一个问答工具。只要能提问、能回答、能生成内容，就觉得已经接近 AI 应用了。

可一旦进入企业真实业务，问题会复杂得多。

一个销售管理场景，涉及客户线索、销售阶段、历史沟通、报价策略、跟进节奏、成交概率、团队分工。

一个招聘场景，涉及岗位画像、候选人筛选、面试记录、能力判断、组织匹配。

一个财务内审场景，涉及单据、流程、风险规则、权限边界和责任归属。

这些工作很少能靠一次问答解决。

AI 真正进入组织，需要穿过业务流程，理解上下文，接入数据，遵守权限，并在关键节点交回人工确认。

它要从“能回答问题”，走向“能参与完成任务”。

很多传统企业的问题在于，AI 一直被挡在业务外面。员工把它当成临时帮手，用完就关掉。业务数据没有打通，工作流没有重构，组织也没有重新定义人与 AI 的分工。

这样的 AI 很难带来系统性变化。

销售漏斗怎么推进，客户成功怎么复盘，产品需求怎么判断，团队如何协作，组织怎么减少无效消耗，这些更深的问题仍然留在原来的系统里。

AI 原生组织要做的，是把 AI 放进这些更难的地方。

它要参与客户理解、线索判断、流程推进和经验沉淀。人负责带回真实世界的信息，负责判断方向，负责承担责任；AI 负责整理上下文，辅助分析，生成方案，推动流程。

当 AI 进入业务深处，组织才会开始真正变化。

岗位边界会变，会议方式会变，管理层级会变，员工能力要求也会变。

一个人不再只负责完成某个固定动作，而要学会调动 AI、判断 AI、修正 AI，并把现实问题转化成 AI 可以处理的任务。

这也是为什么 AI 原生组织很难靠“买工具”复制。

工具可以买，模型可以接，培训可以做。但组织认知、业务流程和管理方式，需要重新搭一遍。

企业必须回答 AI 和人的角色分工、AI 的权限、AI 的安全治理等根本性问题，这些问题不解决，AI 就只能停留在外围。

AI 原生组织的起点，不是多买几个工具，也不是让员工学会更多提示词。

真正的变化，发生在组织内部。

信息怎么流动，会议怎么发生，管理怎么靠近业务，人和 AI 如何分工，责任边界如何划定。

这些问题被重新回答之后，AI 才会从一个效率工具，变成组织的一部分。

COCO AI 只是一个早期样本。它提醒我们，AI 对企业的影响，不会停在降本增效，更深的一层变化是组织本身正在被重新设计。