AI in NYC: How Tenex Builds an AI-Native Engineering Team — Alex Lieberman & CJ Hess

10X 用"故事点"给工程师发钱，最高和最低收入差 4 倍；他们调研的 100 家企业里，只有 5% 把 AI 智能体真正用在了写代码之外的生产环节。

所有人都在说"今年是 Agent 元年"，但 10X 的两位工程负责人给出的数字是：90% 的企业只是给员工开了 Claude 或 Codex 账号，真正让 Agent 在非工程业务里干活的只有 5%。这期把企业 AI 落地的真实进度条一格一格拆开，也讲了他们怎么用"故事点"给工程师算工资——有人因此年入百万美元。

10X 把企业采用 AI 分成几道关卡，越往后人越少，断崖出现在"让 Agent 干工程以外的活"这一步。

• 第一关：给员工开通用大模型账号。他们接触的约 100 家企业里，90% 已经给员工配了 Claude 或 Codex，这步基本普及。
• 第二关：教员工怎么用。只有 60% 做了培训和赋能，不少公司抱着"员工自己会摸索"的心态跳过了这步。
• 第三关：给工程团队上编码 Agent。外界普遍猜 70-80%，实际只有 50%，另一半企业用的工具"离真正的编码 Agent 还差得远"；而真正让 Agent 在非工程业务跑生产的只剩 5%，1000 人以上的企业几乎没有。

CJ 给团队的一句话是"你没法自动化一个根本不存在的流程"，这是企业部署 Agent 最常见的坑。

• 同一个岗位 40 个人 40 种做法，Agent 就无从判断自己做得对不对，也没法建评测标准；10X 的建议是先标准化流程，再把活交给 Agent。
• 权限管理成了 CIO 的噩梦：每个员工都有 Claude 或 Codex，谁能读哪些数据没人管得清。10X 先给客户定制，后来直接做成自己的权限网关产品。
• 10X 内部把工程流程写进代码仓库：计划文档、决策日志、给客户的汇报全部用 Markdown/HTML 提交进 git，Agent 随时能读到全部上下文；效果是今年工程师人均产出大约翻倍，故事点单价每季度重新校准，模型越强，同样一个点越"贬值"。

Harvey（法律）、Open Evidence（医疗）这类深耕单一行业的 AI 产品正火，10X 两位负责人却明确表示整体不看好。

• 理由一：企业买家现在要的是"一对一"的定制软件，这逼得所有软件公司都养一支前置工程师（FDE）队伍，服务业和软件业的边界在消失，软件利润率保不住。
• 理由二：前沿模型会把这些垂直产品吃掉，除非手里攥着合规资质或独家数据这类硬壁垒；反方观点是 Bloomberg 每年收 5 万美元卖的是同行都在用的社交网络，Superhuman 收 30 美元/月卖的是快捷键和顺手，这类"围绕流程做的工具"仍有市场。
• 主持人现场案例：一套报价 4 万美元/年的中型 SaaS，他们花 1000 美元自己重写，即将上生产——但 10X 认为越往大企业走，替换系统一旦搞砸损失上亿，Salesforce 这类系统记录型公司反而安全。

"你没法自动化一个根本不存在的流程。"

• 如果你在推企业 AI 落地，先别急着买 Agent 平台，画一张"同一岗位有多少种不同做法"的图；做法不统一就先做流程标准化，否则 Agent 上线也测不出对错。
• 评估自建 vs 买 SaaS 时，别只算省下的授权费，算上"维护它要占掉多少核心团队的心力"；10X 的判断标准是这笔钱和认知负担是否大到值得自己养。