Block 如何成为全球最具AI原生特征的企业

3 分钟阅读

Block 如何成为全球最具AI原生特征的企业

嘉宾：Dani Prasana ｜ Block CTO ｜ 领域：AI 产品与组织转型

背景与引子

2023年初，整个科技行业都在争论AI究竟是真命题还是大泡沫。一派人宣称AI将带来10倍生产力提升，另一派则嘲笑那些”试点失败、无人真正规模化落地”的故事。然而，有一家公司悄悄交出了令人瞠目的答卷——他们自研的AI Agent平均为每位员工每周节省8到10小时，这还是在AI能力”史上最差”的当下。

这家公司就是Block，由Jack Dorsey创立、旗下拥有Square、Cash App、Afterpay和Title等多个品牌的金融科技巨头。更令人意外的是，他们不仅把成果藏起来，而是将核心工具完全开源，任何人都能下载使用。

这场对话发生在Block CTO Dani Prasana与知名产品播主Lenny Rachitsky的深度对谈中。Dani曾是Google Wave、Google+的亲历者，亲手把Cash App从10人团队带到千万用户级别。他用”最反直觉”的视角，重新审视了AI时代企业转型的真正密码。

一、嘉宾是谁

Dani Prasana，现任Block CTO，管理超过3500人的技术团队。他的履历本身就是一部硅谷”失败学”教科书——亲历Google Wave的惨败、Google+的折戟、社交创业公司Secret的陨落。但正是这些失败淬炼出他对产品、技术与组织的深刻洞察。

三年前，他以”兼职高级工程师”的身份写下了那封后来被称为”AI宣言”的信，直接说服Jack Dorsey全面押注AI。彼时他刚当上父亲，还在帮助某个工程团队。谁也没想到，一个”局外人”的洞见，彻底改变了这家公司的航向。

二、核心观点 TOP10

  1. AI带来的生产力提升”只会越来越糟”——现在看到的数字是未来最低点，能力每天都在跃升

  2. 非技术团队反而是AI工具最大受益者，他们能用AI Agents自己建软件，不再等待工程排期

  3. 组织架构比任何AI工具都重要——从GM结构转向职能结构，才是最根本的转型

  4. 代码质量与产品成功几乎毫无关系，YouTube用烂代码打败了Google Video

  5. 真正的技术公司DNA是把工程和设计放在第一位，其他都是噪音

  6. 所有LLM在夜间和周末都在闲置，它们应该24小时运转，主动预判人类需求

  7. 工具链越开放越好，闭源锁定短期看似安全，长期只会让你错失整个生态

  8. “我们是否真的需要这个？“——在引入任何工具前，先问这个问题

  9. 招聘看学习心态而非AI技能，拥抱工具的人永远比抗拒工具的人更有价值

  10. 用这些工具解决你今天真实遇到的问题，而不是阅读LinkedIn上的分析文章

三、关键洞察

洞察一：最颠覆的受益者不是工程师

普遍认知是初级工程师因为AI编程工具效率飙升，或者资深工程师能指挥成千上万个Agent。但Dani说出的答案让所有人意外：非技术背景的人——法务、风险控制、运营团队——反而是AI工具最大受益者。他们能直接用Goose搭建自己需要的小工具，把原本需要排到Q2的需求变成几小时搞定。“这条线会越来越模糊，以后不会有人分得清你是在法务部还是工程部。”

洞察二：“代码质量”是工程师最大的认知陷阱

Dani在Google时期见证了YouTube被收购后的嘲讽——代码烂到用MySQL存视频Blob，用Python慢吞吞的服务器，对比Google Video用C++精心优化的架构。结果呢？YouTube成为Google最成功的产品之一。关键从来不是代码质量，而是”你在解决什么问题，是否真正触达了用户”。很多工程师痴迷于重构和架构优化，却忘了问”这段代码明天就可以删掉”。

洞察三：LLM应该在你睡觉时工作

当前所有AI Agent的平均使用时长是5到7分钟——人类发指令、等反馈、继续对话。Dani正在推动的下一个版本，是让AI连续工作数小时，甚至整夜。他们提出一个根本性假设：为什么LLM要跟随人类的作息？它们完全可以在你睡觉时跑实验、建功能，第二天早上你就能看到6个不同版本的产品demo。

洞察四：组织结构是AI转型的隐藏杠杆

Block转型最关键的动作，不是引入任何AI工具，而是把原来的GM（总经理）结构改成职能结构。Square、Cash App、Afterpay各自有自己的CEO、工程团队、设计团队，沟通成本极高。改成职能结构后，所有工程师汇报给一个工程负责人，所有设计师汇报给一个设计负责人。这意味着整个公司能用同一套工具、同一个标准评价Senior工程师，人力资源可以灵活调配到最需要的地方。

洞察五：维护成本才是Build vs Buy的真正答案

很多团队遇到”供应商工具不好用”的第一反应是自己开发。但Dani的警告是：你以为周末就能搭一个原型，接下来是数年无休止的维护、Bug修复、安全补丁。Cash Card功能大概一周就做完了，但处理”用户给小费金额超过账单总额”这种边界case花了很长时间。真正的问题是：这个需求是否支撑你的核心使命？如果不是，别碰。

四、精彩金句

“Whenever I hear a stat like this, I think an important element is this is the worst it will ever be.”（每当听到这类数据，我的第一反应是：这是它未来最差的表现。）

“Code quality and building a successful product have nothing to do with each other.”（代码质量和产品成功之间没有任何关系。）

“Start small. If you’re making a cup of tea, just make the cup of tea. You don’t need to boil the ocean.”（从小处着手。如果你想泡一杯茶，就泡一杯茶，不需要把整片海洋都烧开。）

“All these LLMs are sitting idle overnight and on weekends while humans aren’t there. There’s no need for that. They should be working all the time.”（所有LLM在人类不在的夜间和周末都在闲置。这完全没有必要。它们应该一直在工作。）

“You only hear about things when they’re going wrong. When things are going well, you have this eerie silence and you’re like, am I doing the right things here?”（只有事情出错时你才会收到反馈。事情顺利时是一片诡异的沉默，你甚至会怀疑自己是不是在做正确的事。）

五、实战案例

Goose：那位让AI”追着自己跑”的工程师

Block内部有一个工程师，他在Goose的测试中走得最远——他让Goose全程盯着自己的屏幕，记录他的一切操作。他会在Slack或邮件里和同事讨论一个功能创意，几小时后，Goose已经自己写完代码并提交了PR。它甚至会预判他接下来要做什么：如果你要迟到了，它会悄悄帮你重新安排会议。

这不是科幻。他把整个工作流都外包给了AI，甚至用Apple Script让Goose直接控制他的电脑，把散落在Google Drive里的几十张收据图片自动整理成一个HTML笔记，同步到iPhone上发给妻子报销。他说：“我从没想过可以这样做，它自己想到的。”

这个实验揭示了Dani对未来的核心判断：AI不应该是你发指令的工具，它应该在你还没开口时就预判你的需求。

比特币买咖啡的故事

2017年，Jack Dorsey、Dani和另一个工程师在Blue Bottle咖啡店用比特币买了一杯咖啡——这后来成为Block推出比特币产品的起点，而这个产品最终让Block成为第一家推出比特币相关产品的上市公司。Dani回忆说：“那杯咖啡后来看大概是史上最贵的咖啡——当时比特币才几千美元一枚。“这个功能最初只是Hackathon的小实验，根本没有”大战略”。

六、行动建议

建议一：把”是否需要”作为引入任何工具的第一道关卡

为什么要做：当团队发现现有工具不满足需求时，第一反应往往是”找供应商买”或”自己开发”。但Dani见过太多团队在不重要的事情上花了大量技术债务。

如何开始：在引入任何工具前，召开5分钟讨论：“如果我们完全改变流程，是否还需要这个东西？“很多时候答案是”不需要”。

得到什么结果：减少技术债务，让团队把注意力聚焦在真正服务核心使命的功能上。

建议二：自己先成为重度AI用户，再推动团队

为什么要做：很多公司让员工去学AI工具，但领导层自己不用。这是本末倒置。Dani说，Jack Dorsey和他自己每天都用Goose，“这比读一百篇LinkedIn分析文章更能告诉你该如何改变组织”。

如何开始：选一个你工作中真实遇到的问题，用Lovable、Cursor或Goose真正解决它。哪怕只是”从Google Doc里提取图片”这样的小事。

得到什么结果：你对工具能力的理解会从”概念”变成”体感”，从而能做出真正有效的团队推广决策。

建议三：重新审视你的组织结构

为什么要做：Dani认为，Block AI转型成功的最大杠杆不是任何工具，而是从GM结构改成职能结构。组织方式决定了你是否能真正实现技术深度和资源复用。

如何开始：如果你是管理者，列出各团队之间有多少重复的建设、沟通了多少次才能协调一个决策。数字可能会吓到你。

得到什么结果：打破信息孤岛，让工程、设计、平台能力在整个公司范围内复用，减少”加人头等于加功能”的思维定式。

建议四：给你的AI Agent一个夜晚，看它能跑出什么

为什么要做：当前所有AI工具的设计逻辑都是”人在循环中”——你提需求，它给反馈，你继续。但真正的价值在于让AI自主工作更长时间。

如何开始：今晚给你的AI工具一个任务列表，比如”帮我调研5个竞品的产品策略，明天早上给我一个对比分析”。看它能跑出什么，失败在哪里。

得到什么结果：你会发现AI在信息收集、格式整理、结构化输出上已经相当强，但在判断”什么值得做”上仍然需要人类锚定。

建议五：招聘看”学习心态”而非”AI技能”

为什么要做：Dani说他们现在招聘时，最看重的是候选人对AI工具的开放态度和快速学习能力，而不是”你会不会用Goose”。

如何开始：面试时加入实际使用AI工具的环节，看候选人如何描述问题、如何让工具帮自己工作、如何处理工具给出的不完美结果。

得到什么结果：找到那些把AI视为”第二天性”的人，他们会在工具能力持续翻倍的未来持续自适应。

七、我的总结

Dani Prasana用一场真实的组织转型实验告诉我们：AI时代最稀缺的从来不是技术，而是对”什么是真正重要的”的清醒判断。Block的AI转型表面上是Goose、是他那封”宣言”，但底层是三个更枯燥、更反直觉的真相——组织结构比工具链重要，非技术人员的解放比工程师的效率更颠覆，“这段代码明天就可以删掉”比任何架构原则都更接近本质。

当所有人都在焦虑地追踪AI最新趋势时，Dani的建议简单到近乎无情：找到你存在的理由，让技术服务于那个理由，然后从小处开始，让它跑起来。

📺 播客信息

  • 发布时间：2025-10-26
  • 时长：1小时26分钟42秒
  • 播放量：35588 次观看
  • 原版视频：『YouTube』