Organization Design组织设计 学习职能重构 / L&D REINVENTION
Josh Bersin · May 20, 2026
What Happened
Cornerstone（企业学习技术最大供应商，营收约10亿美元，服务7000+企业客户、1.4亿用户）宣布以AI为核心的全面转型。公司此前通过收购EdCast、Skyhive、Tailspin等构建技术栈，但面对Sana、Docebo、Absorb等AI原生竞争者的冲击，以及OpenAI与Coursera、Anthropic直接切入企业学习市场的压力，传统SCORM内容发布模式正被实时AI赋能模式颠覆。Josh Bersin指出：价值400亿美元的企业内容发布市场正在坍塌，L&D部门将从内容生产职能转型为业务赋能职能。
Why It Matters
这不是产品迭代，是职能存亡信号。SCORM体系支撑的千亿级内容市场正在被AI压缩，传统L&D的核心工作——课程开发、内容授权、发布管理——将在3-5年内大规模失效。Bersin明确指出L&D甚至不再归属HR，而应直接嵌入业务线。
Organizational Implication
L&D部门将从集中式内容生产团队拆解为分散的业务赋能节点：合规学习保留HR管辖，其余职能下沉至各业务单元。AI原生学习平台使"知识获取"从异步课程切换为同步问答，中台型L&D team size将大幅收缩，编辑权、发布权下放至业务SME。
Talent Implication
传统教学设计师（Instructional Designer）、内容制作人岗位将系统性萎缩；取而代之的是"学习工程师（Learning Engineer）"——掌握AI内容编排、知识图谱管理、赋能效果量化的复合角色。Bersin的Level 4成熟度模型要求L&D人员具备实时内容生成与业务嵌入能力，而非课程开发周期管理能力。
HR Operating Implication
HR需立即重写L&D岗位JD：删除"课程开发经验""SCORM/LMS管理"等传统要求，新增AI内容生成工具熟练度、知识图谱构建、业务赋能设计能力。绩效指标从"课程完成率""内容产出量"切换为"员工问题解决速度""技能获取时效性"。L&D预算重心从内容采购/授权费转向AI平台token使用与自有知识库建设。劳动力规划需评估L&D团队30-50%岗位的转型或精简路径。
Prediction → 至2027年，超过60%的Fortune 500企业将裁撤或重组集中式L&D内容团队，教学设计师职位数量较2024年峰值下降40%以上，"Learning Engineer"成为主流HR招聘平台的标准岗位类目。
Read original → Operating System运行系统 Spec驱动开发 / SPEC-FIRST ENGINEERING
Lenny's Newsletter · May 11, 2026
What Happened
Notion 工程师 Ryan Nystrom（原 Campsite 联创，2024年12月加入）在 Lenny's Newsletter 播客中披露 Notion AI 团队的 AI 原生开发工作流：① Spec 优先——用 Whisper 语音口述想法，由 Codex 格式化为结构化 spec 并 commit 进 repo，AI agent 自主实现与验证；② 内部系统"Boxy"允许工程师在 Notion 评论中 @mention Codex，20 分钟内生成带截图的完整 PR；③ 代码审查范式从人工逐行改为 AI 提交、人类校准推理；④ Project Afterburner 目标将 CI 时间压缩至当前 1/4，以支撑高频 AI agent 迭代节奏。团队规模 6-7 人，Nystrom 本人仍持续写代码。
Why It Matters
Spec-first 不是流程优化，是软件生产方式的层级跃迁：工程师的核心产出从代码变为可执行规格。CI 速度成为 AI 时代的战略基础设施——慢 CI 直接限制 agent 吞吐量，即限制团队实际产能天花板。这是继 Stripe 1,300 PRs/周之后又一顶级公司级验证。
Organizational Implication
6-7 人小团队通过 Boxy + Codex 实现 PR 工厂化，传统代码审查中的权威层级被打平——每个工程师的工作通过自动化 context 系统等权可见，消除"明星工程师信息垄断"。CI pipeline 从工程基础设施问题升级为组织吞吐量瓶颈，需独立专项（Project Afterburner）驱动。
Talent Implication
工程师角色向"规格设计师 + AI 推理校准师"演化：核心能力从写代码转为撰写高质量 spec、追问 AI 推理链、判断 agent 输出合理性。Engineering Manager 不能脱离代码（Nystrom 本人是 EM 仍写代码），否则丧失对 AI 输出质量的校准能力。新增隐性岗位需求：CI/CD 性能专家（Afterburner 型）成为 AI 时代团队乘数器。
HR Operating Implication
招聘标准重写：删除"代码量/PR 数"等传统指标，加入"spec 撰写质量、AI 推理审查能力、异步上下文构建能力"三项。EM 晋升标准须保留 IC 编码能力，否则失去技术判断力。绩效评估从代码产出转向 spec→ship 的端到端转化率与 agent 编排杠杆率。学习体系需新增 prompt engineering、MCP 集成配置、Whisper+Codex 工作流实操模块。
Prediction → 至 2027 年，主流科技公司将把 CI pipeline 速度（p95 build time）纳入工程组织 OKR 核心指标，Spec 文件将成为标准代码仓库一等公民，并出现专职"Spec Engineer"职级定义。
Read original → Operating System运行系统 内部AI采用体系 / AI ADOPTION OPERATING SYSTEM
Lenny's Newsletter · May 6, 2026
What Happened
Sendbird 联合创始人兼 CEO John Kim 披露公司全员 AI 化实践细节：内部平台 Automators 构建任务悬赏（Quest）系统与技能市场，任何团队可发布 AI 工具需求，工程师或 AI Agent 认领交付；市场团队两天内无需工程支持上线含 Stripe 集成的电商周边商店；销售团队自建 CRM 工具；招聘团队全流程自动化。同步部署五级 token 使用量仪表盘（Beginner 至 AI God），新增"AI Engineer for Internal Operations"专职岗位，并重写全公司 JD，以好奇心、自驱力、能量取代工作年限要求。
Why It Matters
Sendbird 的实践将"AI 采用率"从文化口号变成可量化的内部产品：token 分层仪表盘使采用曲线平滑度可见，Automators 市场将 AI 能力供需撮合制度化。这是首个公开披露完整内部市场 + 激励 + 计量三位一体架构的 CEO 级案例，可直接复制。
Organizational Implication
组织架构出现新型协调层：Automators 平台充当内部 AI 能力交易所，打破"业务团队提需求、工程排期交付"的线性模式，转为异步市场撮合。决策权下沉——非技术团队获得生产级发布能力（通过安全合规模板），工程师角色从项目执行者转为能力使能者。中层 PM 岗在内部工具场景被 Quest 系统部分替代。
Talent Implication
新增关键岗位"AI Engineer for Internal Operations"——职责是维护 Automators 平台、构建合规模板、为全员赋能，而非交付外部产品。全公司 JD 重写信号明确：好奇心、自驱密度、能量成为第一筛选维度，年限经验权重归零。五级 token 排行榜制造可见的晋升锚点，"AI God"成为非正式荣誉职级。
HR Operating Implication
HR 须在三个层面同步改造：①招聘标准全面重写，删除年限字段，加入 AI 工具自驱使用记录、workflow 构建案例审查；②绩效体系引入 token 消耗量与产出比作为效能指标，五级分层提供可落地的晋级路径；③学习发展预算从培训课程转向 Quest 悬赏池，员工通过交付内部 AI 工具获得积分与可见度。Leadership 可见使用率被明确列为最强采用信号，需纳入高管行为 KPI。
Prediction → 至 2027 年，超过 30% 的 B 系列及以上科技公司将设立"AI Engineer for Internal Operations"或等效岗位，内部 AI 工具市场平台（类 Automators）将成为标准 HR 技术栈组件，出现独立 SaaS 产品赛道。
Read original →