硅谷大厂团队实测，AI已经能干四分之三活了

忙碌的 Q3 终于过去了，我们团队有3个比较猛的数字： 我的团队 Token 用量比 Q2 翻了100%，AI 账单反而下降了；by default 90+% 的会议都有录屏，并有 AI 的直接参与。接近 75% 的内部 ticket AI 都能直接闭环了 此外，我被 escalate 了 5+ 次，原因是成员过度依赖 AI，对面团队不满 我在硅谷大厂带 AI 训练管理团队，今天跟大家汇报一下这个季度的 AI 化进展。希望给也在带团队、做训练推理、折腾 AI 的朋友一点具体参考 这个季度让我感受最深的是：模型越来越强，团队能不能吃到这波红利，要看工具、经验和流程是否能 AI Native 化 1/ 先让 AI 真正用上内部工具。

经过不懈的努力，大约 85% 的内部工具已经完成 CLI / MCP 化，剩下约 15% 通过 Browser Use 补齐操作入口 训练团队的工作里，有大量查日志、看实验状态、比配置的事情。这一步很关键：把工具接好，AI 才有机会把一个任务往下做完 2/ 把一个人用 AI 的经验，变成整个团队都能用的东西 我们建立了团队内部的 skill 中央 repo，统一分发给每个人的 Codex/Claude 一个人打磨好的 skill，其他人也能接着用。少一点各自摸索，少一点重复踩坑 我觉得这件事很有复利。

工具会换，模型会升级，但团队积累下来的好方法，应该留下来。反馈下来，大家都表示很好 3/ Ticket 也开始接近自动流转，接近 90% 可以 one shot 完成。这是让我兴奋的地方。

工具接通、skill 共享，最后要落到任务能不能做完 对我们团队来说，很多时候基础 ticket 的 debug 是对人力的一个消耗。用 Harness 自动处理 Ticket 之后，成员的时间才有机会腾出来，花在定义实验、判断结果、找真正的卡点上 当然，任务做完之后，该有的验收标准还是要有。能自动跑起来只是第一步，团队成员仍花不少时间在 evaluate，也存在返工的情况 4/ Token 消耗翻倍，但总账单反而下降 Q3 相比 Q2，我们团队的 Token 用量上涨了 100%，总体金额却下降了。

大家目前最常用、最喜欢的，依然是 Opus 5.5 用得更多，花得更少 但作为 manager，我更想盯着一个数：完成一个经过验收的任务，到底花了多少钱。这个是我们下个 Q 监控的重点 要接着问：GPU、实验和 Token跑出了多少有效结果？从一个想法到拿到可靠结论，究竟快了多少？

5/ 团队成员过度依赖 AI，引发对面团队不满 5/ 团队成员过度依赖 AI，引发对面团队不满 一个最主要的原因，就是团队成员的文档全是拿 AI 写的。动辄一个小的技术需求，就上来一个万字文档，对面没法读，没法合作，甚至发文档的人自己都讲不清楚在干啥 另外一个原因就是我们团队自动化程度很高，但 CI/CD 没有跟上。一次团队成员用 AI 写的代码，AI evaluate 都过了，但 CI/CD 不够好，把线上和隔壁团队的整个 pipeline 搞崩了。

但又不知道怎么解决，只能无脑 rollback 这个也是让我苦恼的点，暂时没有想到什么好的办法解决，只能告诫大家不要盲目信任 AI，但这也有点奇怪，不知道大家有没有什么好的办法？6/ 跟全部成员完成了累计 100+人次的 1:1 说实话，这个把我累个半死。我能感觉到大家对于后训练这个方向还是比较认可的，但有着深深的焦虑感 我觉得当 一个靠谱 manager 很难的是：既要处理一线的事务，又要帮团队成员当心理咨询师。

今天 A 有情绪了，明天 B 觉得 C 抢了 scope，D 觉得做的事情无聊，E 又过度依赖 AI 这份 Q3 汇报先分享给大家。