Can AI Make Big Companies Move Like Startups?
Y Combinator · 2026-11-19

Ramp 用 AI 把公司做到年收入 20 亿美元、增速比一年前还快 25%,CEO Eric Glyman 说秘诀是停招一个季度逼全员学 AI。
一家 1930 人的公司,1925 人在用内部 AI 工具,工程师产出每月还涨 40%;而全行业 1% 的人用掉了 80% 的 AI 花费。Glyman 讲的不是"AI 很重要",而是他为了让剩下 99% 的人跨过那道坎,具体做了什么、砍了什么。
停招一个季度,逼所有人学会用 AI
Glyman 说让一个干了 20 年的人换工作方式,比换操作系统难得多,所以 Ramp 干脆把"没空学"这个借口拿掉了。
- 今年初宣布整个季度不招人,公司当时增速仍超 100%:招人本身耗精力,新人上手前产出还会先降;更重要的是不想让学 AI 只占员工 5% 的时间。
- 起因是各职能提速不均把组织撑裂了:工程师快了 10 到 100 倍,设计师约 2 倍,产品经理约 5 倍,而传统配比是 6-8 个工程师配 1 个产品经理、1 个设计师。
- 还出现反向招聘申请:越用 AI 的团队越高效、越不喊缺人;完全不用 AI 的团队反而申请大量 headcount。
内部工具不是聊天框,是接进公司所有系统的"公司大脑"
Glyman 说普通人用 AI 的体验是"隔着一堵墙递纸条",而 Ramp 的工程师能拿到 100 倍产出,差别在于工具能不能看到全部数据、能不能真的动手。
- Inspect(内部编码 agent):能看到工程师能看的一切数据、有独立虚拟机和浏览器;Ramp 85% 以上的 pull request 由它参与,人均 PR 数每月还涨约 40%。客户报 bug 时它能读邮件、定位近期代码改动、写修复、回信,15 分钟解决。
- Glass(公司知识系统):自动接入数据仓库、分析工具、Zendesk 等;1930 人中 1925 人过去 24 小时用过。销售摸索出的好方法会变成默认 skill 供全公司复用,人走了经验留在 skill 文件里。
- 模型不锁死:可自选开源模型、Claude 或 OpenAI;Glyman 判断大部分前沿模型开销其实用更便宜的模型就能完成,后台编码 agent 愿意多花 10% 时间换 50% 价格下降。
花钱多少不是指标,花 1 块赚回 10 块才是
Glyman 直接说按固定预算卡 AI 开销"有点傻":有人花 1000 美元赚回 1 万,他想追着给钱;有人花 1000 美元做毫无价值的周报,那就不该做。
- Ramp 的做法是不卖 token 而是买 token,再帮企业把 AI 支出和业务结果对上,比如一个新落地页多花了 5 美元、转化率提升 3%、每月多赚 5000 美元。
- 费用政策 agent 以 99% 准确率自动批/驳报销,遇到政策缺失或冲突会自己改写政策;Glyman 吐槽让高薪员工逐条审所有人的报销"完全没道理",而且经常审错。
- 他引用杰文斯悖论近两个月被打破的现象:过去智能降价 10% 用量会涨更多,现在价格降了用量却没同步暴涨,说明瓶颈已不是价格而是会不会用。
带走一句话
"未来已经到来,只是分布得还不均匀。"
- 如果你在推团队用 AI,先查一件事:工具能不能看到这个人工作所需的全部数据和系统权限。Ramp 的 100 倍产出靠的不是更强的模型,而是把 agent 接进代码库、邮件、数据仓库,让它能直接动手。
- 别用"每人每月 AI 预算上限"管理开销,改成记录每笔 AI 支出对应的产出(省下的工时、提升的转化),再据此决定给谁加钱、砍掉谁的无效用法。
