How Linear Pivoted Beyond Issue Tracking — Cristina Cordova, COO
Latent Space · 2026-11-20

Linear 上线 MCP 服务器一年半后,平台上超过 50% 的 issue 已由 AI agent 创建,人类手动建单正在消失。
一家靠"issue 追踪"起家的公司,CEO 却公开写博客说"issue 追踪已死"。客户没跑,反而更多人来问"那我现在买的到底是什么"。Linear COO Christina Cordova 讲了这场自我革命的账怎么算、销售团队怎么重建,以及为什么她拒绝让 AI 直接回复客户。
从"一个人卖"到"打企业",她先把目标划掉了
Christina 2022 年加入 Linear 时公司约 40 人,销售只有 1 个人,公司却把"进军企业级"写进了三大目标。她入职三周后的全员会上,当着 35 人的面把这条划掉了。
- 她改成了"先打成长型公司":先赢下那些已经在用竞品、需要"拆掉旧工具换成 Linear"的成长型企业,用这批客户的成功案例去敲企业级的门,直到 2025 年才正式组建企业销售团队。
- Linear 当时客户上限约 500 席位,靠 PLG 自增长(Vercel、Ramp 都是自己注册用起来的),但大公司不会不签合同、不做试点就把核心研发数据交出去。
- 她入职前先做了"工作试用":题目就是写一份 Linear 未来 6-12 个月的 GTM 计划,这份计划后来几乎成了她入职后的蓝图;她加入至今公司规模至少翻了 10 倍。
卖点的转变:从"好看好用"到"别再手动搬工作了"
早期 Linear 靠设计和体验赢人,创始人自己在 Coinbase、Airbnb、Uber 被旧工具折磨过,知道"没人喜欢那些工具"。但光好看不够,客户得先试用才懂。
- 现在的销售话术完全换了:讲的是"你整个产品开发流程已经被 AI 掀翻",从发现 bug、建单、打标签、指派、改状态到通知客户,每一步都靠人手点,这套流程在今天没道理继续存在。
- 2025 年上线 MCP 服务器(让 AI agent 能直接读写 Linear 的接口),是同行里第一个;一年半后 50% 以上的 issue 由 agent 创建,同时人类在 app 里建的工作量也在涨,两条线一起往上走。
- 她反对"只做数据库 + MCP 服务器":如果 agent 能在外部工具里把你的数据全用掉,人就没理由再进你的产品,所以必须把 agent 工作流做进产品本身,且比外部工具更好用。
不设 SDR、不外包客服、不让 AI 直接回客户
Linear 的销售组织刻意长得跟别人不一样,这些选择背后都是对"客户体验"的判断。
- 一个 SDR 都没有(SDR 就是专门打 cold call、筛客户的初级销售):她认为让客户先花 30 分钟回答"你公司多大、预算多少"再给 demo 是浪费客户时间,这些活应该用工具自动化,让 AE 自己写外联邮件。
- 客服全部自建、不外包:因为长期没有销售团队,客户想找人的第一站就是客服,所以客服质量等于品牌第一印象;AI 只负责起草回复,由人做质量把关,不让 AI 直接群发。
- 解决方案工程师(Solutions Engineer) 是销售的技术搭档,几乎都是工程师出身,能一夜之间搭出 ServiceNow 集成 demo 或 3 万人的迁移方案;但 Linear 不做"驻场工程师"进客户系统实施,因为他们相信产品本身应该简单到能自己接。
带走一句话
"我们很幸运,公司还没大到会把自己弄死的地步——你很难想象 Google 把搜索业务干掉,在每条结果顶上放个 AI 框。"
- 别把"给 agent 开个 MCP 接口"当成 AI 战略:Linear 的判断是,只做数据管道会让 agent 绕开你的产品,真正该做的是把 agent 工作流做进产品里,并且比外部工具更好用。评估自家产品时,先问"agent 用完之后,人还有理由进来吗"。
- AI 落地的分界线是"是否直接面对客户":Linear 让 AI 起草客服回复、转录访谈、自动分诊工单,但对外发出的文字一律过人。可以照这个标准给团队划一条线:内部提效用 AI 放手做,品牌对外的最后一公里留给人。
