
然而,随着AI生成代码量的指数级爆发,行业正面临一个普遍的“提效悖论”:员工个人的代码产出速度大幅加快,但企业整体的项目交付周期、需求响应速度(即组织级效能)却并未见同比例提升。此外,海量AI代码的Review瓶颈、AI幻觉带来的生产环境风险,以及底层大模型同质化下的生态竞争,正成为云厂商和企业共同迈入的“深水区”。

近日,在2026腾讯云AI产业应用大会期间,速途网与多家媒体采访了腾讯云副总裁、CodeBuddy & WorkBuddy负责人刘毅与CodeBuddy & WorkBuddy商业化负责人张翔,试图了解腾讯云在内部数万名工程师中打磨出的“AI原生组织”实战经验。
一、个体提效容易,为什么组织提效却很难?“到2025年底,腾讯大部分团队90%以上的代码都是用AI生成的,程序员甚至能同时指挥4个AI助理并行开发。”当腾讯云副总裁、CodeBuddy & WorkBuddy负责人刘毅抛出这组数据时,还在为AI渗透率发愁的企业应该会感到更加焦虑。
但他却话锋一转,抛出了一个另一个真相:个体效率的提升,并不自动等于组织效率的提升。在行业中,衡量AI编码效果的常见指标是“代码接受率”或“编码时间缩短比例”。 而在组织层面,刘毅盯的是另一个指标——需求吞吐率。
当然,腾讯的实践过程并非没有波折。刘毅坦言,AI幻觉曾经把问题带入生产环境,我们也交过学费。2026年行业开始强调“harness”,给AI更多约束,快速校验。另外,人性上员工不一定愿意分享自己的经验,所以企业内部要用激励和晋升通道来引导。
二、AI写代码之后,人类专家“退居二线”,AI开始“审查AI”AI Coding的副作用,2026年开始集中暴露。“如果组织内的代码以10倍速度增长,顶层专家天天除了评审代码,不用干别的活了。”刘毅描绘的这个场景,正是当下无数技术总监的梦魇,人类肉眼的Review速度,已经远远跟不上AI“吐”代码的速度。
面对行业级的“代码爆炸”危机,刘毅在采访中称腾讯做了三件事。首先是人类专家守架构。在他看来,AI可以大量生产代码,但不能随便改架构。架构一改动就会触发告警,由最有经验的专家判断新代码是否需要重构。另外,腾讯还引入AI review AI,但评审的AI和生产代码的AI不是同一个,这是为了让AI在另一个角度、决策和约束下去发现代码的隐患。最后是质量左移,用AI大量生产自动化测试代码。以前想用测试代码覆盖整个项目,100%UAT 是个巨大成本,AI时代这个成本不再是问题,可以在UAT阶段直接拦截AI生产的风险。刘毅还分享了一个内部实践,团队从第一天起就做成AI原生组织,极度扁平,同时,他还要求所有团队的上下文都是透明的、共享的,即所有代码、需求、反馈、设计都在一个共享的“大餐”里。在这种模式下,AI的开发范式转变为人类给AI提需求,AI在非常透明且充分的上下文工作,不会因为信息隔阂而低效,它根据人类意图拆解任务,找到上下文,生成制品,然后结果又回流到大餐里。可见,“用AI监督AI”已经从一句口号,变成了2026年AICoding的基础设施。
三、生态,是AI Agent的下半场据腾讯2026年Q1财报披露:以日活跃账户数计,WorkBuddy已成为中国最受欢迎的效率AI智能体服务。在2026腾讯云AI产业应用大会上,WorkBuddy企业版及办公智能体套件Agent Suite正式发布。

CodeBuddy&WorkBuddy商业化负责人张翔认为,不同的模型价格不同,不同的任务复杂度也不同,重构一个大型工程和修改一个小模块,token消耗天差地别。我们在WorkBuddy平台内建立了统一的货币体系,打通各个智能体(包括腾讯文档等套件),用户提交任务前可以预估算成本。
四、写在最后“2026 年下半年,企业级AI Agent通用生产力产品会出现快速增长、快速爆发、快速落地的阶段”,刘毅这样判断企业级 AI Agent接下来的发展,在他看来,用户用习惯一个AI入口之后,离开工作岗位也会接着用。
速途网也判断,AI Agent从“个体提效”到“组织提效”的拐点正在到来,谁能先跨过去,用工程化的手段守住质量红线,谁就是下一个十年的基础设施。
(文/李楠)