企业AI落地的五个阶段：为什么个人10x了，组织却还在原地踏步

当一个工程师用AI把产出干到10倍，但组织里其他人的工作方式纹丝不动——这大概是2024年最普遍、也最令人困惑的技术现象。问题的答案，或许藏在一张最近被广泛讨论的图表里。

五个状态，四步台阶

这张图将企业采纳AI的路径划分为五个阶段（编号0到4），从“门还没开”一直延伸到“AI-native”状态。每个阶段都标注了典型的Agent数量规模、核心瓶颈、需要的配套产品以及必须建立的护栏。

升级的钥匙不是更聪明的模型

Stage 0（门还没开）描述的是绝大多数传统企业当下的处境：只批了老旧或轻量级模型，AI请求要经过层层认证和审批延迟，MCP没有治理，用AI要走重流程。更关键的是，Claude产出的代码没有托管、没有审批路径，只存在本地——一切都还在旧的安全与审批体系里打转。 进入Stage 1（结对）后，工程师开始与单个Agent协作，一个快速“结对程序员”接管了大量原本耗时的工作。但瓶颈也很明显：你对模型输出的信任度低，觉得每行都得亲自读，眼睛离不开，工作方式仍然是同步的——你坐着看Claude干活，而不是转身去做下一件事。 Stage 2（编排者）才是真正的跃迁：一个人同时编排5到10个Agent，各占一个worktree，在它们之间跳转。Claude开始自查自己的活——测试、build、lint、安全扫描——过了才给你看；你只需要review最终diff，而不是每个击键。这个阶段的解锁点是：全团队要干几周的backlog，变成一个工程师一个下午编排出来的工作。 到了Stage 3（经理的经理），Claude写全部或几乎全部代码。你问的问题从“你读过代码吗”变成“模型缺了什么

护栏不是限制，护栏是楼梯

这张表里最值钱的论断或许是：从每一步到下一步，需要的都不是更强的模型。 从Stage 0到1，跟工程一点关系没有——那是高层和采购拍板对齐的事，是把卡点往上捅、配一套让AI安全落地的框架。 从1到2，靠的是一套你敢信的自我验证循环：测试、build、lint，加上真实开发环境里的端到端测试。这些“老古董”决定了你敢不敢同时放10个Agent出去，再加auto mode和自动code review。 从2到3，靠的是给Claude一条自己拉上下文的路：让它读代码、读wiki、读历史讨论，把工作拆成loop和routine，让Claude去启动Claude。 从3到4，靠的是把领域专属场景的自动化做出规模——代码迁移、fuzzing、功能开发、反馈修复，一类一类来。

有句日文总结得很到位：“敢撒手的范围，等于验证体系能兜住的范围。”这与许多实践者的体感完全一致。在Agent框架的落地中，花心思最多的往往不是模型调用，而是人工介入机制、韧性重试、积分账本的两段扣费和全链路幂等——说白了，全是护栏。 核心原则是：你给Agent的权限边界画得越清楚，你敢让它自动跑的范围才越大。 更有意思的细节是：做这套工具的公司（Anthropic），自己也才刚摸到Stage 4的门。这个坦诚比任何宣传都有说服力——这是一张进行中的地图，不是终点线的宣言。

如有侵权，请联系删除。