AI 不是副駕駛，是地基：YC 拆解如何在組織內打造超級智慧
Y Combinator 四位合夥人深度討論如何在組織內打造超級智慧。關鍵不是把 AI 當副駕駛，而是把它當成所有營運的基礎建設層。從資料集中、工具註冊表、自我改進迴圈到全透明文化，他們拆解了 AI 原生組織的完整藍圖。
本文整理自 Lightcone Podcast 2026 年 5 月播出的單集。
{{< youtube B246K_G7mHU >}}
把 AI 當地基，不是當副駕駛
「如何在一家公司裡打造超級智慧？」這是 Lightcone Podcast 最新一集的核心問題。不是怎麼用 AI 寫 email 快一點，不是怎麼讓 ChatGPT 幫你整理會議紀錄，而是怎麼把整個組織變成一個超越任何個人能力的智慧體。
Diana Hu（Y Combinator 合夥人）在節目開頭就劃了一條清楚的線：關鍵不是把 AI 當副駕駛（copilot），而是把它當成所有營運的建設基礎層。「用 AI 當副駕駛是 2023、2024 年的事了，」她說。現在該做的是把 AI 當成組織運作的地基，而且要開始記錄所有的產出物（artifacts）：會議錄音、agent 對話紀錄、工作流程、決策脈絡。這些就是讓組織變聰明的養分。
Jared Friedman（Y Combinator 合夥人）提供了一個有趣的內部視角：YC 從 ChatGPT 問世以來，一直在投資 AI 公司，給這些公司的建議也經歷了好幾個版本的迭代。但真正讓他們學到最多的，不是給建議，而是自己動手做。YC 從一個成立於 AI 之前的老組織，轉型成超級 AI 原生的內部運作模式，這個過程跟他們輔導的新創公司是共生的。自己踩過的坑，馬上變成給創辦人的第一手經驗。
把所有脈絡放進同一個地方
YC 轉型的起點，是一個看似簡單的技術決定：讓 agent 能讀取公司的生產資料庫。
故事要從大約一年半前說起。當時 Pete Koomen（Optimizely 共同創辦人，現為 YC 合夥人）和幾位工程師正在幫財務團隊建工具。傳統做法是財務團隊描述工作流程，工程師寫成確定性的軟體，交回去用，有問題再修。這個來回既慢又沒效率。同一時間，agentic coding 工具正在快速成熟，Claude Code 也剛推出。Pete Koomen 看到自己在個人機器上用 coding agent 的生產力，和公司內部傳統軟體開發之間的差距越拉越大。
轉折點是 Jared 在某天深夜推上了兩個工具：一個讓 agent 對資料庫跑唯讀 SQL 查詢，另一個讓 agent 讀取資料庫的 model 檔案。他自己形容這個舉動「有點像在打破規則」，因為最初的 agent 系統刻意限制了工具的範圍。但一旦限制解除，效果立竿見影。YC 所有重要資料都在同一個 Postgres 資料庫裡：公司資料、創辦人檔案、財務紀錄、CRM 筆記。當 agent 能看到全貌，它就能回答幾乎任何關於 YC 業務的問題。
Pete Koomen 點出這件事最深層的影響：它改變的不是回答速度，而是人們願不願意問。以前要問一個複雜的商業問題，得排進資料科學團隊的待辦清單。大多數人想想就算了。當問問題的成本趨近於零，問題的數量和複雜度都出現爆炸性成長。
Garry Tan（Y Combinator 執行長）把資料集中化的做法，類比為 Google 早年的 Bigtable 思維：把所有資料去正規化（denormalize），轉成一種對 agent 最容易檢索和理解的格式。不是塞進一個 MCP 就好，而是真的把資料結構設計成 agent 友善的形式，搭配 RAG、GraphRAG 和混合式重新排序。當 agent 擁有完整的組織脈絡，它就能「看到轉角後面的東西」，回答那些連本人都沒想到的問題。
組織開始長出自己的技能
資料庫打通只是起點。YC 接著建立了一個共用的工具註冊表（tool registry），從最初的 20 個工具，成長到今天超過 350 個。每個團隊都在往裡面加自己的工具，財務團隊加了記帳工具、活動團隊加了排程工具、合夥人加了管理 office hours 的工具。一旦工具進了註冊表，所有 agent 都能用。
在工具之上，YC 發展出了「技能」（skills）這個更高層的抽象。工具是 agent 的手和腳，技能就是專業知識。一位合夥人可以用自然語言寫一個 prompt，教 agent 怎麼執行某項特定任務，這就是一個技能。別人可以使用、測試、改進它。
接下來的發展最關鍵。YC 建了一個每晚自動執行的 agent，它會回顧當天所有員工和 agent 的對話，找出哪些地方做得不夠好、哪些脈絡如果事先提供就能提升效率，然後自動改進相關技能。Garry Tan 把這個叫做「dream cycle」（夢境循環），因為它像人類在睡眠中整理白天學到的東西。
兩句話的超級智慧
一個具體案例可以說明這套機制有多強。
「兩句話描述」是 YC 合夥人的核心工作之一：幫創辦人用兩句話講清楚公司做什麼、為什麼值得關注。Garry Tan 解釋了為什麼這件事重要又困難。第一句讓聽眾知道你在做什麼。如果這一句沒過關，聽眾根本無法提問，腦袋裡只有「大概跟電腦有關吧」，然後開始想午餐吃什麼。第二句讓聽眾覺得值得花時間了解。如果這一句沒過關，聽眾知道你在做什麼，但不覺得有什麼特別，注意力又飄走了。
合夥人 Tom 最初寫了一個 prompt 來教 agent 做這件事。然後幾位合夥人帶了一群新批次的創辦人做集體練習，逐一指導、給予反饋。這場會議的完整逐字稿被餵回給 agent，讓它根據合夥人在真實場景中展現的判斷力和偏好來改進技能。改進後的效果明顯提升。Pete Koomen 直言：這個技能產出的品質，已經超過他自己能做到的水準。
Garry Tan 認為這就是組織內超級智慧的核心迴圈。一個人寫了 prompt，多人使用產生紀錄，紀錄被用來自動改進 prompt，改進後又被更多人使用。兩句話描述聽起來像一件小事，但 YC 的每一項工作都可以套用這個模式。他在節目中直接說：「你就是把你做的每一件事都這樣組合起來，匯聚在一起，就得到了超級組織。就這麼簡單。」
透明度是超級智慧的必要前提
技術和流程到位之後，YC 做了一個很不容易的文化決定：所有 agent 對話預設對全體正職員工公開。每一筆 agent 對話都會廣播到一個 Slack 頻道，任何人都能加入查看。
Garry Tan 坦承團隊花了很多時間討論這件事。「那每個人都看到所有東西，可以嗎？什麼是不可以的？」最終他們選擇了開放，事後也證明這是對的。開放帶來了幾個意料之外的好處：人們透過觀察別人怎麼用 agent 來學習使用方法，這比任何訓練課程都有效。同時，因為知道對話是公開的，使用者自然會維持專業度，形成一種社會約束。
Pete Koomen 點出這裡的微妙張力：agent 在擁有大量脈絡時最強大，但這跟大多數組織的資訊管控邏輯完全相反。透過預設公開，YC 用社會機制解決了安全問題，而不是靠技術管控。在高信任環境中，這種做法的效果出奇地好。
Garry Tan 從這個經驗中提煉出兩個他原本沒預料到的結論。第一，真正能打造千倍超級智慧的組織，必須是相對平等主義的。第二，必須預設信任（trust by default）。這兩個條件在大多數公司都不存在。如果你是封閉的、指令和控制式的組織，你的 agent 永遠只能看到被過濾過的部分脈絡，永遠達不到全局智慧的潛力。他認為這也是新創公司在 AI 時代的結構性優勢：一小群高度對齊、互相信任的人，天然具備這些條件。
新人六個月變六天
Diana Hu 從另一個角度說明了這套系統的影響：它大幅壓平了新人的學習曲線。
以前一個新員工可能需要六個月才能完全上手。有了這個「共享組織大腦」，新人可以直接存取公司裡頂尖人才的工作方式和判斷模式。透過 AI 學徒制，新人可以模擬 Pete Koomen 怎麼指導創辦人做銷售、Garry Tan 怎麼給創辦人具體建議。她形容這讓每一個新進員工都能快速變成「迷你版的你」。
Pete Koomen 從自身經驗出發，點出另一個被低估的效果。他回想自己剛開始用 coding agent 時，最大的好處不是生產力提升，而是那些他太不好意思開口問的「笨問題」，可以毫無壓力地問 agent。同樣的事情在組織層面上發生了。新員工不好意思打擾忙碌的資深同事，但可以隨時問 agent。當問問題的心理障礙消失，學習速度自然就快了。
花十萬美元活在 2028 年
Garry Tan 在節目中把投入這套系統比喻為「花錢買時間旅行」。現在一年花 10 萬到 100 萬美元在 token 上，確實不便宜。但你實際上是在 2026 年活出 2028 年的生產力。今天花 10 萬美元做到的事，一年後只要 1 萬，兩年後幾百美元。所有人到時候都會這麼做，而那些提前投入的人，已經把所有競爭者甩在後面了。
Jared 把這個比喻拉到更大的歷史尺度。他說他想像 1990 年代初期，某些公司開始給員工配備昂貴又不穩定的電腦時，可能也有類似的感覺。那些最早投資的公司看起來好像在浪費錢，但幾年後，沒有電腦的公司根本無法競爭。AI 正在重演同樣的故事。
Pete Koomen 在節目尾聲說了一段很直接的話。他說自己每次看到有人把 AI 框架成「取代人類」的敘事就不舒服，因為這完全不符合他的親身經歷。從大型主機到個人電腦，再到網際網路讓每個人都有了發表的平台，科技發展的主軸一直是擴大個人能力。AI 延續的是同一條線。它消除的是讓人痛苦的瑣碎工作，釋放出來的是讓人能做更多、更好的事情的空間。
但 Garry Tan 加了一個關鍵提醒：這種賦權不是自動發生的。預設情況下，公司是封閉的、階層的。領導層有 AI 工具，基層沒有。要讓 AI 成為賦權的力量而不是控制的工具，需要刻意的選擇。需要開放的文化、需要信任、需要把工具真正交到每一個人手上。