本文整理自 AI Engineer 对 Intercom 工程负责人 Brian Scanlan 的分享 How Building with AI Can Double the Throughput of Your Engineering Team。表面上看，这是一场关于 Claude Code、工程吞吐量翻倍和平台统一的经验分享。真正值得看的是另一层：当一家公司把 AI 接进主生产系统后，工程团队的分工、评价和权力关系会怎么变。原视频：https://www.youtube.com/watch?v=4_VQBbs2iQA
Intercom 这场分享最容易被记住的，是一个非常醒目的结果：engineering throughput 一年翻倍。可如果只把它理解成一次 AI 提效案例，反而会错过真正关键的东西。Intercom 展示的，不只是怎么把 Claude Code 接进工程流程，更像是一家公司怎样借着 AI，把工程生产系统重新排了一遍。
这种重排不只影响速度，也会影响人。什么样的工程师更值钱，什么样的工作方式更受欢迎，什么样的经验会被保留下来，什么样的能力会被平台吸走，这些问题在这场分享里都露得很清楚。
Intercom 真正在推进的，不只是“大家开始用 AI”
Brian Scanlan 讲得最直接的一句话，是 Intercom 给自己定了一个目标：一年内把 engineering throughput 翻倍。这个目标的分量很重。它不是一次局部试验，也不是创新团队的小范围尝试，而是经营层面正式成立的方向。
一旦 AI 被放到这个层级，它就不再只是工程师自己的效率工具，也不会只是一个鼓励尝鲜的新玩意。它会变成组织要求。你不是“有空可以试试”，而是得尽快变成这个新系统里可用的人。
这也是很多公司接下来会越来越像的地方。嘴上说的是 adoption，实际发生的是工作标准更新。组织已经做完判断，接下来轮到个人适配。
平台化最重要的，不是提效，而是把个人能力收进组织系统
Intercom 后面最关键的一步，是统一到 Claude Code，而不是继续放任每个人维持自己的工具组合。表面上看，这是选型问题；往深一点看，它其实是在解决组织怎么接住个人能力。
站在个人角度，工具自由当然舒服。有人喜欢 Cursor，有人偏爱 Claude Code，有人用脚本拼自己的工作流。可站在公司角度，真正有价值的从来不是“某个人特别快”，而是“这套速度能不能被团队稳定复制”。
只要工作方式停留在个人层面，它就很难沉淀成组织资产。你今天跑得快，不代表团队明天也快；你踩过的坑，不一定能自动变成全员都能复用的经验；你那套顺手的做法，如果没法标准化、没法审计、没法推广，公司就很难把它视为制度能力。
所以平台化背后的真实逻辑很直接：公司欢迎你强，但它更希望你的强能够被系统接住，最好还能离开你之后继续运转。
训练 agent 的过程，也是在把“合格工程师”重新写一遍
Brian 在分享里反复讲，要把 Claude Code 训练得像 Intercom 的 senior engineer 一样工作。这句话表面上在讲 agent，实际上也在讲组织怎么重新定义工程能力。
你看他们做的事情，本质上就是一套标准 onboarding：教它 Rails 约定、架构分层、React 模式、测试标准、安全边界，再把环境、工具、权限和持续反馈接上。表面上是在训练系统，实际也是在把组织内部原本比较模糊的工作标准，一条条往外写。
一旦这些标准能喂给 agent，它们也会更明确地反过来作用在人身上。以前很多高手的价值，藏在默会经验里。你未必能完整说清自己为什么能闻到风险、为什么能看出代码哪里不顺，但你就是会。组织知道这种能力珍贵，却不容易把它复制出来。
现在不一样了。能写成 skill 的写成 skill，能沉淀成 guidance 的沉淀成 guidance，能强制执行的就交给 hook，能回测的就进入回测。这样做的结果，不是高手突然没用了，而是高手过去那部分“只属于自己”的不可替代性，会被一点点拆开、命名和平台化。
“给 agents 问题，不要给任务”，其实是在抬高人的分工层级
Brian 那句很容易被传播的话——Give agents problems, not tasks——真正有意思的地方，不在提示词技巧，而在它背后的分工变化。
给任务，意味着你还在一步一步拆步骤，系统主要负责执行。给问题，意味着你给出目标、约束和判断标准，路径让系统自己找。这样一来，人自然会被往更上游推：你不再只是完成动作的人，而是定义问题、设边界、看结果的人。
听起来像升级，实际上也带着压力。因为一旦 agent 越来越擅长接住步骤型工作，组织对人的期待就会往“能定义问题的人”上提。以前一个执行力稳定、经验扎实的工程师，也能在体系里站得很稳；以后如果很多按步骤完成的工作都能被系统承接，这类位置就更容易感到挤压。
所以这里真正浮出来的规则不是“大家效率都更高了”，而是：公司会越来越多奖励能把问题说清的人，越来越少奖励只把任务做完的人。
AI 没有让管理变轻，反而把管理做得更深
很多人最早谈 AI 时，会带着一种乐观想象，觉得工具越强，组织就会越扁平，个人就会越自由。Intercom 这场分享给出的样子，刚好相反。
你越仔细看，越会发现 AI 没有削弱管理，而是在把管理做成一层更细密的基础设施。PR 吞吐、skill invocation、session transcript、S3 数据分析、Honeycomb 观测、回测、人工标注、自动审批置信度校准，这些东西连起来之后，组织盯的已经不只是结果，而是一整张由人、agent、插件、规则和日志组成的生产网络。
以前很多管理发生在人和人之间。上级看报表，下级写周报，再加上一点面对面判断。现在越来越多的管理发生在系统层。组织想知道的，不只是你做没做完，还包括你调用了什么 skill、卡在哪个环节、哪类流程最容易出错、哪些经验已经可以被抽出来复用。
这不是更粗暴的管理，但肯定是更持续、更深、更难躲开的管理。很多以前藏在过程里的东西，现在都会慢慢变得可记录、可比较、可分析。
很多工程师会越来越别扭，因为组织会同时要求你更强，也要求你更容易被接手
Intercom 这套叙述里最让人拧巴的，是它背后的双重要求。
一方面，公司当然希望你更强。你要会定义问题，会设计流程，会写 skill，会审校 agent，会把工作抽象到更高层。另一方面，公司也希望你更容易被组织接住。你越能把这些经验讲清楚、模块化、标准化，它们就越有机会离开你之后继续运行。
这就是很多知识工作者未来几年会长期感到别扭的地方。公司嘴上说 AI 会放大你，实际更想看到的，是你在被放大的同时，也更方便被平台吸收。
以前高手的一部分价值，来自“只有他会”。以后更受欢迎的高手，往往是“他会，而且他能让几十个人、几百个人、几百个 agent 一起会”。这当然是一种更高的价值，但它也意味着更快的自我稀释。
Intercom 的优势，不只是工具判断，而是它有能力把一次技术升级推成组织现实
我不怀疑 Intercom 的结果是真的。吞吐翻倍、PR 曲线拐点、部分自动审批、CI 被冲垮，这些都说明它不是 PPT 项目。真正值得记住的，不只是“他们用了 Claude Code”，而是“他们具备把这件事推成组织现实的条件”。
Intercom 有很强的 shipping 文化，有成熟的平台团队，也有多年积累下来的系统、规范和流程。他们愿意强力统一平台，也愿意把 adoption 当成经营动作来推。换句话说，这不是买个工具就能照抄的案例，而是一台愿意重新编排自己的组织机器，在生产力拐点到来时做了一次系统重构。
所以很多团队如果只学表面动作，最后大概率只会学到热闹。上一个 agent，小范围搞几场 hackathon，鼓励大家写点 prompt，这些都不难；难的是后面那整套统一标准、统一接口、统一反馈回路、统一资产沉淀的纪律。
真正值得记住的那句话
如果把整场分享压成一句职场真话，我会这样说：以后公司最喜欢的人，不只是产出高的人，而是接口化程度高的人。
什么叫接口化程度高？就是你能被组织顺畅接入，能和平台协同，能把经验讲清，能把路径沉淀下来，能让别人和 agent 一起复用，也能接受自己的工作被更细地记录、比较和评估。
这种人当然很强，但这种“强”和过去有点不一样。过去的强，多少带一点个人色彩：直觉、手感、风格、经验厚度。现在越来越受欢迎的强，更像制度兼容性。你不只会做事，你还适合被接进组织新的生产系统里。
如果把这一点想透，很多 AI 职场讨论里那种说不清的不适感，就会一下子落地。大家嘴上在聊效率，心里其实在聊权力；嘴上在聊协作，心里其实在聊标准化；嘴上在聊未来，心里其实在重新分配谁负责定义问题，谁负责执行问题，谁拥有过程资产，谁承担可替代风险。
Intercom 这场分享讲的是工程提效，真正露出来的，却是一整套更清楚的组织规则。