最近科技圈大家都在卷 AI Agent（智能体），但如果你仔细观察，会发现大部分公司的落地场景还停留在“浅水区”——比如帮程序员写写代码、做做代码审查（Code Review）。

其实在 Uber 内部，这已经不是什么新鲜事了：他们 **99%** 的工程师都在用 AI，超过 **70%** 的代码拉取请求（PR）都由 Agent 自动生成。

**但这引出了一个真正价值千金的商业拷问：既然 AI 这么强，我们该如何把它塞进财务、法务、营销、HR 这些非技术部门的“深水区”？**

要知道，这些业务线的工作流往往极其琐碎。它们横跨几十个老旧系统，充满了只有老员工才知道的“隐性知识”和潜规则。如果你只是派个产品经理去看看 SOP（标准作业程序）文档，或者画个流程图，做出来的 AI 工具最后往往沦为没人用的“鸡肋”。

为了啃下这块硬骨头，Uber 内部趟出了一条非常野，但也极其有效的路子——他们称之为 **“Agentic Pods”（AI 代理敏捷特战队）**。

### 两周极限闭环：一场技术与业务的“贴身肉搏”

Uber 的打法非常精益。他们不搞长篇大论的需求调研，也不排冗长的开发期。

他们的做法是：从核心技术团队里，精选出 30 个最懂 AI、也最懂 Uber 底层架构的工程师。把他们像特种兵一样空投到业务线，跟业务专家进行**一对一的死磕绑定**。

每个特战小组，只给 2 周（10天）的时间窗口，必须跑通一个敏捷闭环：

* **Day 1-2：影子模式（Shadowing）。** 这两天工程师绝对不碰代码，就是搬个小板凳坐在业务专家旁边。看他们怎么点鼠标、怎么跨系统切屏、在哪里骂脏话。抛弃所有 PPT 里的完美设想，去感知真实的业务摩擦力。
* **Day 3：算 ROI 与优先级排期。** 看了两天，痛点肯定很多。这时候结合业务的高频度、数据质量和商业价值，挑出那个最值得用 AI 解决的“破局点”。
* **Day 4-5：结对共创。** 工程师直接在业务人员的工位旁撸起袖子写代码，光速糊出一个能跑通核心逻辑的 MVP（最小可行性产品）级别的 Agent。
* **Day 6-9：灰度试跑。** 把这个初创的 Agent 扔给同部门的其他同事用。核心看两点：它普适吗？它真的让人爽了吗？
* **Day 10：直接上线。** 闭环交付，投产。

### 降维打击式的效能释放

那么，这套“两周特战队”模式的效果如何？可以说，跑出来的数据堪称降维打击。

在过去的两个月里，Uber 在 16 个不同的业务线跑通了 16 个 Pods。给大家报几个数据感受一下：

* **管钱的：** 覆盖全球 150 个城市的资金分配流，过去纯人工操作需要 **15 个小时**，现在 Agent 接管，**30 分钟**搞定。
* **算账的：** 财务进度报表，以前需要跨部门对齐 **2 天**，现在只需要 **10 分钟**，近乎实时。
* **客服端：** 过去积压了 9,000 多个手动工作流，现在全部被改造成了基于 AI 的自助式自动化闭环。

### 透过现象看本质：Uber 给行业的三个底层启发

除了亮眼的效率提升，这场实验给整个科技圈带来的最大价值，其实是**对企业 AI 落地认知的一次迭代**。Uber 团队在复盘中总结了几个核心洞察：

**第一，别再迷恋“单点优化”，用 AI 重构“端到端的工作流”。**
最大的红利，永远不是把老流程里的某一步交给 AI，而是**基于 AI 的能力重新设计整个工作流**。在这个过程中，你通常会发现，以前那些冗余的交接、僵化的审批节点、甚至昂贵的第三方 SaaS 工具，都可以被无情地干掉。自动化产品的最小单位，应该是“工作流”，而不是“单项任务”。

**第二，跨界视角的“盲区红利”。**
当一个拥有系统级思维的资深研发，突然扎进一个他完全不懂的业务线时，他往往能一眼看穿那些一线员工早已习以为常的“灯下黑”式的低效环节。

**第三，也是最重要的一点：共创（Build with），而不是代工（Build for）。**
真正高价值的 AI 落地点，坐在宽敞明亮的会议室里是想不出来的。你必须跟真正在泥里打滚的业务人员坐在一起，感受他们的痛点。**“和”他们一起造工具，而不是高高在上地“为”他们造工具。**

目前，Uber 已经决定将这套跑通的模式彻底规模化，并专门成立了一支全职团队来持续深钻。从技术赋能到业务重塑，这家硅谷巨头正在用 AI 悄悄改写自己的商业底层代码。

如果你所在的公司也正在头疼大模型如何在业务侧真正落地产生商业价值，Uber 的这份“特战队”作业，绝对值得一抄。

Uber CTO的原文：http://t.cn/AXoDwOmr