快手企业 AI 生产力副总裁王诩
10 月 16 日，在 QECon 全球软件质量 & 效能大会上，快手企业 AI 生产力副总裁王诩发表《快手企业 AI 生产力：从研发提效到组织跃迁》主题演讲，系统回顾了快手过去两年从研发提效、全员 AI 到企业级 AI 生产力组织 iWork 的实践路径。
王诩在演讲中表示，个体提效并不等于组织提效。随着大模型应用从个人工具走向企业落地，如何把个体效率转化为组织效率，正在成为大型企业 AI 转型的关键命题。今年 9 月，快手成立 " 企业 AI 生产力 "（iWork）组织，试图将分散在各团队的 AI 实践沉淀为公司级能力，统筹通用 Agent、企业上下文体系和企业信息系统的统一建设。
" 我给你一辆法拉利，但如果你开在满是红灯的路上，这也没用。" 王诩以此比喻快手得出的判断：如果研发、设计、测试等协作链条没有同步改变，单个环节的效率提升无法转化为整体交付速度。在他看来，研发效能不是单点问题，而是组织协同问题。
从 " 工程师 " 到 " 全民 AI"：AI 提效的个体探索
过去两年，快手的 AI 生产力实践首先从研发场景起步。2025 年初，快手将各业务线 CTO 聚在一起形成 "CTO 效能 " 机制，以两周一次的频率探讨 AI 如何赋能研发，并沉淀出 " 三位一体 " 策略：先由个体持续实践，再把实践中沉淀的先进能力固化，最后从组织自上而下推动转型。
2025 年至 2026 年一季度，快手整体遵从需求、设计、编码、测试、运维等经典研发链路引入 AI 工具。王诩介绍，快手观察到工程师使用 AI 的方式正在从代码片段辅助，逐步走向任务级和全链路。内部将这一过程分为 L1、L2、L3 三层：L1 是片段级代码修改，工程师把代码片段交给 AI 修改后再嵌入代码库；L2 是任务级交付，例如定义一张数据库表，描述需求后由 AI 生成完整语句；L3 则是把 PRD 或 Spec 直接交给 AI，以 SDD 方式引导其完成自主全链路开发。
基于当时基模与 Harness 能力尚不成熟的考量，快手没有直接追求 L3 全链路自动开发，而是选择以 L2 覆盖率作为阶段性指标，目标是在 2026 年底达到 80%。在工具侧，快手通过 Coding IDE、需求与 CR 管理平台 KATE、重度编码助手 Kwaipilot 等产品串联各环节，把 AI 能力嵌入原有流程。
2026 年二季度，门槛更低的通用智能体 " 小龙虾 " 热潮让快手看到 AI 从研发人群走向全员使用的更大机会。快手将内部编程助手 CodeFlicker 转型封装为通用智能体 MyFlicker，插入大量领域知识和 Skill，面向全员开放更多场景能力。HR 可使用智能体进行和人岗匹配，行政团队则将订餐、班车查询、理发预约等服务接入其中，普通员工也能直接享受 AI 化服务。
在推广过程中，快手还创新设计了一套 Token 积分体系，为员工发放积分，员工可在通用智能体上选择不同模型消费，自行安排用度。王诩谈及该体系的设计初衷，主要有两个目标：一是让员工优先选择品质高的产品；二是规避重复建设，AI 产品有没有人真正在用、消耗多少 Token，一目了然。通过上述努力，MyFlicker 在快手内部的周活跃渗透率已达到约七成。
在推进 " 全民 "AI 的过程中，快手还举办了 "AI 蹭饭研判官 "" 司庆 AI 贪吃蛇大赛 ""PDE 集结令 " 等一系列活动，以此降低 AI 使用门槛，帮助员工提升 AI 认知与实践技能，并验证非人群构建工具的可能性。其中，AI 贪吃蛇大赛前三名中第三名是来自非团队；PDE 集结令最终收到 4000 余个作品。王诩认为，AI 正在重新划分组织内部的能力边界，过去主要由工程师完成的工具生产，正在向更多业务人员开放。
从 " 个体 " 到 " 团队 "：让 AI 进入协作
" 全民 AI" 热潮后，快手在 H1 做了一次复盘，好消息是 AI 使用被快速拉起，认知初始化基本完成，内部也沉淀了大量 Skill。但随着 AI 使用快速普及，新的问题也开始显现。
王诩及其团队发现，" 全民 AI" 之后仍存在三类问题：Skill 质量参差不齐，部分成为消耗数千积分的 "Token 黑洞 "，个体提效受限于原有工作流，PRD 半天写完但下游协作链未同步变化；个体 AI 能力差异悬殊，高手经验难以沉淀为团队资产。
针对上述问题，王诩在年中复盘时将问题抽象成一张 " 个体提效 × 组织提效 " 坐标图，核心判断是如果组织层面不发生变化，个体提效的天花板依然很低；只有超级个体而缺乏协作，则会形成效率孤岛。真正有价值的路径，是让个体能力和组织能力同步提升。
快手由此将 AI 生产力的演进路径进一步明确：先完成员工使用冷启动，再把高手经验沉淀为团队基线，随后将团队公共知识、业务资产和协作规则转化为 Agent 可消费的上下文，最终让 Agent 成为独立工作单元，进入人与 Agent、Agent 与 Agent 的协作链。
2026 年三季度，快手将 AI 提效重心从个体推进到团队。一方面，发力知识库建设，将过往项目、代码和核心工作流沉淀到公共基建平台，使 Agent 可以直接消费团队上下文。另一方面，把公共知识与 Skill 封装成可独立工作的 Agent，并通过一个负责全局协调的超级 Agent，将产品经理、设计师、全栈开发等子 Agent 注册到 pipeline 中，实现 7×24 小时持续迭代的协作网络。同时设置了质量、权限和幻觉等安全闸门，当 Agent 遇到风险或不确定问题时，会唤醒人工介入。
" 自 4 月以来，团队已累计完成 2000 余个任务，AI 一次任务率超过 60%，80% 的任务可在两次内完成，即一次 AI 加一次人工校准。" 王诩透露，非技术场景也在同步推进。内容运营团队已基于相关知识库和高频工作流 Skill 集成到 Flicker 背后，用于热点拆解、内容分析等任务，并在内容运营线推广使用。AI 的价值正在从 " 个人助手 " 走向 " 团队专属生产力工具 "。
从 " 团队 " 到 " 组织 "：走向企业 AI 生产力（iWork）
随着各团队 AI 实践不断涌现，新的挑战也随之出现：优秀经验如何变成公司标准？如果每个团队都基于自己的业务数据和系统出口各自构建 AI 应用，短期看可以快速解决问题，长期则可能造成重复建设、企业上下文割裂以及安全风险。
面对这些问题，王诩将 iWork 的成立视为快手 AI 生产力路径第四阶段的开启。他表示，这条路径快手已经走完了三个阶段，刚刚开启第四阶段的探索。今年 9 月，快手成立 " 企业 AI 生产力 "（iWork）组织，整合企业内部平台、在线文档协同、通用 Agent 以及内部信息系统能力，将分散在各团队的 AI 实践推进为公司级能力建设。其建设思路包括两个方向：一是打造更强的通用 Agent，使其具备更强推理能力，同时安全、受控、可监测，持续提升员工个体效率；二是建立统一的企业语义框架，将文档、数据、代码、流程状态、会议记录等分散信息，组织为 Agent 可以理解和调用的上下文。
王诩指出，过去很多 Agent 都在各自系统内消费局部数据，容易形成 " 小烟囱 "。因为 iWork 要解决的是让 Agent 看见更完整的企业上下文。未来，底层信息系统将逐步开放可调用接口，让 AI 真正进入业务流程。快手也将以 FDE 方式向业务赋能，重点探索内容运营、内容理解、安全、直播等更多场景。
在演讲最后王诩总结强调，研发效能从不是个体问题，而是组织协同问题。一个系统的效率最终会被最慢的模块限制，只有将 AI 技术能力、内部业务场景和组织协同机制连接起来，AI 才能真正进入业务流程，成为推动组织效率升级的力量。
值得一提的是，为了让更直观地了解这套从一线实践到组织级跃迁的完整路径，快手将于 10 月 31 日举办以 " 从研发效能走向企业 AI 生产力 " 为主题的技术沙龙，进一步披露 iWork 的架构拆解与落地案例。
