我在诺基亚搭企业级AI Harness
2026年 10月 10号从 0 到 3 千用户数，100 天的搭建复盘。5 月 13 日，我们给诺基亚的工程师推出了企业级 AI Harness（AI 开发驾驭平台）的第一版。上线第 100 天，约 2500 名工程师在用。到今天，已经 3000+ 了。中间发了 9 个版本，从 v1 一路干到 v3。这篇想聊聊我们是怎么做到的。
先说我们到底做了啥
“企业级 Harness”听着挺虚，说白了就三块：
- 市场（Marketplace）：600 多个智能体（agents）、工具（tools）和技能（skills），覆盖诺基亚整个产品研发全生命周期（PDLC），从产品定义、设计，到写代码、测试、部署，甚至更后面。
- 效能平台（Efficiency Platform）：用遥测数据（telemetry）、技能优化（skill optimization）、定制的电信行业模型，盯着 AI 到底用得好不好，并且引导、规范怎么用。
- 智能体控制平面（Agent Control Plane）：工程师不用懂底层的”管道”，就能把这 600 多个资产编排（orchestrate）、运行、部署起来。
三块合在一起，就是把工程师和他们真实的开发工作流接上 AI 的那一层。
下面三点心得，没有一条是关于模型的 :)
心得一：别指望用老的组织架构交付 AI
这是我最先意识到的、也最不舒服的一点：按我们原来的团队结构和运作方式，根本做不出 AI 产品和系统。
问题不光是人才，是思维和设计。人在固定的章程、范围、边界里干活，每个新想法冒出来，第一句话都是”这归谁管”，而不是”用户要什么”。在一个每个月都在变的领域，这是要命的。
所以我把组织从头重搭了，围绕两类很不一样的人。
AI 构建者（AI Builders）
带头的是通才型产品负责人，懂数据、懂系统、对结果负责。手下是真正的全栈（full-stack）工程师。一个人能把想法从产品定义、设计、架构、开发、测试、上线一路带到底，上线后还接着管。日常最大的变化是：对齐、路演少了，真正动手干的多了。好几个合作伙伴都惊讶，这么点人，几个月就把市场、效能平台、控制平面都做出来了。
应用研究员（Applied Researchers）
和构建者的负责人坐在一起，但他们不是学院派，是做产品、做系统的研究者。要判断产品往哪走，哪些想法现在就该开始，给三个月、六个月后的项目埋种子。我们定制的电信模型，就是一颗长成了平台核心的种子。我还要求研究员直接坐进构建者团队一起做项目。研究不落到产品上，在这套模式里活不下去，也不该活下去。
这就是我说的：要把 R&D 里的”R”（研究）和”D”（开发）都救回来。这些年很多研发组织悄悄变成了几乎只剩”D”，照着路线图执行。AI 时代，奖励的是在同一个房间里同时做好这两件事的团队。
这些人也不是现成的，市场上几乎找不到。过去一年，我招了、也带出了一小批很棒的负责人，陪我做这场 AI 原生（AI-native）的实验。今年秋天，我们看到结果了。
心得二：AI 系统是产品（Product），不是工具（Tool）
企业 AI 里最常见的误区，就是把 AI 系统当工具。
工具的逻辑是：用途固定、范围固定，做完交付、转身走人。这和旧组织架构是同一种障碍，只是换了件外衣。
产品不一样。产品是为了解决用户的痛点而存在的，痛点变了（有时变得很快），产品就得跟着变。
我们 Harness 里每个重要的想法，都是从观察开发者哪里疼开始的：为什么现有的平台和工具补不上这个缺口？而不是从”这个模型能干嘛”开始。
然后，我们就按产品的方式来运营：
- 看格局：每次大版本发布前都做竞品分析（competitive review），搞清楚自己的定位，既和公司内部的方案比，也和市场上的比。
- 泡在数据里：每天看用户数和完整的漏斗（funnel），从第一次点击、转化（conversion）到重复使用，我自己也看。我盯得最紧的不是总用户数，而是有多少人会一直回来：现在 93% 的用户是活跃的。工程师不会因为”上面让用”就一直用，只会因为真解决了问题才留下。
- 自建增长引擎：做了一个新的通知平台（notification platform），直连用户和系统。借鉴了消费互联网的用户增长经验，给不同人群（cohort）写不同的消息，结果成了拉动采用率最有效的杠杆之一。
- 自己先用（Dogfooding）：每个版本我都是第一批测试用户。开会我会让负责人和工程师直接把线上产品投屏演示，别讲 PPT。产品文化，得从领导者自己用产品开始。
心得三：每周都和用户待在一个房间里
今年年初，我发起了每周一的 AI 论坛（AI Forum），全公司几百名工程师都能来。
形式特别简单，工程师演示（demo）自己用 AI 做出的真实成果。不看纯 PPT，不念状态汇报。我要求大家少用幻灯片，没错，PPT 页数太多的时候，我不止一次打断过演讲的同事。
这个论坛很快就不只是个展示会了，它成了我们的”神经系统”。每周都能知道谁是重度用户（heavy users）、大家总在问什么、卡在了哪。这些信号直接回流到我们要做的东西里。
后来它也成了我们的发布渠道：9 个版本，全都是先在这儿发布、演示的，台下坐的就是真正要用它的人。
我给团队的要求只有一句：快速迭代，往前走。不到五个月从 v1 到 v3，前提是你敢转向。有时候意味着要做狠心的决定：用户数据说明某个方向没解决真痛点，哪怕我们再喜欢，也停。数据会说话，我们认真听。
结语：这个赛道，比你看到的开阔
在企业级 AI 系统的最前线搭东西，是我职业生涯里最过瘾的经历之一。
说个反直觉的：每周都有一堆 AI 平台和工具发布，很容易让人觉得”已经够挤了，没啥可做了”。从外面看，确实是这样。
但从里面看，完全不是。每家正在做 AI 转型的大公司，都有自己一堆很具体、很场景化的痛点，现成工具没有一个能完全搞定。我们那 600 多个资产之所以存在，就是因为诺基亚的工程师需要市面上没有的东西，比如贴合我们造产品方式的电信专属工作流（telecom-specific workflows）。只要你肯盯着这些痛点看，要做现代 AI 产品和系统的空间，大得很。
这件事不是我们单打独斗做成的。感谢一起共建的伙伴：Cursor、Google、AWS 和 AG2，一路上学到很多。
最后问一句：如果你也在大公司里做 AI，你觉得更难的是技术，还是组织？