!
前段时间写了一篇修车连锁老板每天花十小时写代码的文章，在大学同学群里随口聊了几句。没想到群里炸了——好几个做CEO的同学纷纷冒出来：最近我也在干这个。
有做消费品的，有做企业服务的，有做硬件的。一个比一个晚睡。
跟几位同学分别聊过之后，我意识到这可能不是个别现象，而是一种正在扩散的行为模式。其中一位SaaS公司的CEO聊得最深——半个多小时，从vibe coding聊到了数字员工、聊到了组织管理、聊到了SaaS行业的未来。她的公司主要服务一级市场投资机构。
我原本以为自己大概理解CEO写代码是怎么回事。聊完之后发现，我之前的理解基本是错的。
从找手感到造"数字员工"
好几位CEO一开始的动机都差不多：自己搓搓代码，看看AI到底能做什么。
这位CEO也一样。她自己公司就是做SaaS软件的，一直致力于用AI提效编程。但她很快意识到，要让团队真正用好AI coding，最好的管理动作就是自己先会。于是开始亲自上手。最初就是做一些统计客户的小功能，做着玩。
但做着做着，她撞上了一堵以前看不见的墙——不是障碍，是视野的边界。
"有了手感之后，我发现AI能去做一些我以前没想过的事。"
这句话让我愣了一下。她说的不是"AI做得更快"或者"AI做得更便宜"。她说的是：有些事情，因为人类从来做不了，所以我们从来没想过要去做。我们甚至不知道自己缺了这一块。
做投资这些年，我们习惯评估一家公司"做了什么"和"做得怎么样"。但从来没有人问过：有什么事情你从来没想过要做——不是因为不想，是因为不知道可以做？
这个盲区，可能比所有已知的问题加起来都大。
200个客户群里的淘金人
她举了一个例子。
公司给每个客户都配了飞书售后群，有解决方案专家在群里答问题、做运营。她也让团队沉淀知识——一个员工一个季度能整理出3到5篇文档，已经相当敬业了。
现在她造了一个"方案顾问"数字员工。它每天从200多个飞书群里拉取所有消息，自主学习、自主沉淀。它为每个客户问题给出自己独立的解答，再跟人类专家的方案对比……它把解答整理成知识，甚至在里面寻找新功能设计的产品灵感。这个员工是CEO亲自在带——它白天孜孜不倦地看群消息，晚上把学到的东西整理好，再把自己没看懂的部分拎出来问她。她教完之后，它立刻就能改正，还帮她把要点记进知识库。
!Tool output
她甚至教了AI用思维链去判断客户提问的底层逻辑——这些以前都是她亲自教给人类员工的，"但人类员工一定没有AI学得快"。
这不就是每个上司梦寐以求的那种员工吗？勤奋、聪明、不用催、不会忘。
"没有哪个碳基员工真的能每天帮我总结200个客户群发生了什么，这会超出人类的上下文。"
超出了碳基员工的上下文，却是硅基员工的舒适区。
"上下文"这个概念原来是形容大语言模型的。但她把它反过来用在了人类身上。
群聊这些数据以前不是不想处理，是没有办法处理，所以干脆假装它们不重要。"就像你可能有10万份研报，过往我并没有很在乎，因为我也知道看不完。但现在可能可以看完了，它会产生全新的价值。"
被忽略的数据突然变得有用了。说提效都小看了它——这是凭空多出来一个维度。
!
为什么偏偏是CEO在熬夜？
这是我在跟几位CEO交流之后最想搞清楚的问题：为什么是CEO们在写代码到凌晨两点？
先说第一层：对一个普通员工来说，AI就是帮运水果的卡车司机提速，但反正还是在开卡车——省时间了，但本质没变。
但CEO搓数字员工，不是把卡车换大。而是去客户家里种橘子，这种解决方案是以前雇100个卡车司机也做不到的。
为什么以前我没想过写一个聊天记录分析软件呢？把飞书群聊记录拉下来存到数据库里，任何一个程序员都能做。但存下来又怎样呢？200个群、每天几千条消息，没有人能分析。传统系统能搬运数据，但不能理解数据。
SaaS和数据平台的价值都建立在"让数据流动起来"上。但流动起来之后呢？还是要靠人去看、去想、去判断。AI第一次把"理解"这一步也做了。这不是同一条赛道上的提速，是换了一条赛道。
CEO并不是擅长AI编程，但他们更善于思考，能迭代自己的思路。为什么不让公司的程序员帮她用AI来实现？"把需求描述清楚的那个功夫，AI已经把活干完了。"定义需求的过程，就是完成需求的过程。
但这只是第一层。第二层才是真正的答案。
我问她：你现在这么上头，是不是因为AI特别好用？
她想了想说："好用。但这个好用，小马过河。"
AI并没有万能到一句话就能做完所有事情。如果真那么简单，就没有CEO手搓代码到两点这个传说了。事实上她花了非常多时间，AI有细碎的低级错误，也有被遗漏的主线功能，反复地调试、补充、推翻重来。
那为什么还觉得上头？
"因为我要的是结果。这个结果以前是根本不可能拿到的。我做出来一个数字员工，可能要经历99次失败；但即便要失败9999次，我也能吃得了这个苦。"
有人抱怨AI各种问题——让它改个PPT格式不对，算个Excel公式算错。很多人试了几次就放下了："AI不好用，我还是自己来吧。"
差别在哪？有人要的是过程的舒适——用AI得顺畅，出了错就烦躁。就像有王者荣耀玩家去报名职业选手战队，结果训练三天就因为枯燥半途而废，但职业选手之所以能坚持，因为他们追求的是成绩，是冠军。
如果你要的是效率提升——从三小时变成两小时——那AI的每一个bug都让你烦躁。如果你要的是一个以前根本拿不到的结果——那AI的所有不足你都可以接受。
过程的快乐，一定比不上结果的快乐。
这可能是我听过的关于vibe coding最有意思的一个洞察。不只适用于她——我在同学群里跟其他几位CEO的交流中也反复印证了这一点。
最资深的那个队友
我问她：AI提的解决方案，你还要检查吗？它搞错了怎么办？
她笑了。"说得好像人类不写bug一样，碳基员工就不给我惹麻烦吗？"
她有四个售后员工，加上AI一共五个。
"我管五个人，肯定优先检查照顾最弱的那几个。AI现在是最强的，它会犯错，但它已经不是我重点检查的人了。"
我意识到，她已经把数字员工当做普通的员工来管理了。
碳基小龙虾
"所以数字员工已经替代了你公司的同事了吗？"
"有些岗位需要跟客户交流，暂时还不能替代，但可能已经是AI指挥员工。"AI生成话术，员工拷贝发给客户。AI分析客户需求，员工去执行。
她戏谑地管这种岗位叫碳基小龙虾——AI在碳基世界里的延伸；或者叫碳硅转化器——负责把AI的输出转化成客户能接收的形式。说白了，AI需要一双手和一张嘴，在碳基世界里帮它完成最后一步。
她说有一次让AI完成一个客户的服务方案。AI在末尾加了一句："请你把这句话转达给客户。这件事情我已经没有办法帮你做了。"
她说那一刻AI好像有一点点幽怨。
还有一些纯内部岗位。她的公司管理已经非常扁平了，但一个需求在公司里至少人传人三道——她告诉产品经理，产品经理告诉产研，产研做好项目经理还要再学一遍。
有了AI之后，"说清楚需求和拿到反馈之间可能只有五分钟。这五分钟，我为什么要再加一个人？"
她现在造了十几个数字员工。解决方案专家、潜在客户挖掘、数据字典整理……上面还有一个"COO"数字员工在协调它们。这不是一个AI助手，这是一支队伍。她打开数字员工主页的那一刻，一人公司在我眼前具象化了。
投过的公司里，组织扁平化是个永恒的话题。每次投后我们都会建议缩短汇报链条，从五级变三级，效率就能提不少。但即便最扁平的组织，CEO的想法到落地之间至少还隔着产品经理和工程师。她说的是这个距离可以变成零。这已经不是管理咨询能解决的问题了。
!
卖给别人的数字员工
她不只自己用。她已经在把数字员工卖给客户了。
"如果我没有办法自己用起来，我也很难设计出别人用得好的数字员工。自己先搓出手感，卖给别人的东西才完全不一样。"
她给一级市场投资机构提供数字员工——帮基金经理跑估值模型，做尽调、做投后项目的持续监控……不同的岗位有精细化的技能；出厂设置大概相当于一个学完了大学课程和私募股权行业知识的毕业生。进到机构之后，机构的人再把自己的偏好和私域知识教给它。
她说自己设计数字员工跟别人可能有一个区别：她本身是管理者，所以会按培养新人的方式来设计——专业技能、公司了解、跟其他同事（包括AI同事和碳基同事）之间的磨合交互，这些她都内置在了数字员工里。这样它不只是一个有技能的新人，还是一个懂协作的社会人，到了客户那里就能自主进化。
她说现在的客户对AI的认知差别巨大，AI像个正在疯狂连载高潮迭起的小说，但每个读者都停在不同的章节。
有些客户还不知道现在AI发展到了什么程度。你直接交付结果——数字员工能帮你做估值模型，能帮你把尽调底稿整理成你想要的格式。在他们眼里，这依然是一个加了AI的传统系统。
另一些客户已经追到了最新一集。他们知道AI技术"各领风骚三五天"，今天交付的数字员工，一个月后可能是完全不同的形态。他们还是愿意付费，买的不是一个具体的产品，而是一张跟着先进团队一起追剧的船票。"不管我卖给他什么都OK，因为他知道我至少不落后。"
望远镜时刻
聊到最后，是让我最受震动的部分。
她让AI学习分析客户会议。
AI给了她一个反馈：新员工面对客户提问只是简单回答了"有这个功能"。旁边一个资深老员工轻柔地接过来，拿一个具体项目给客户走了一遍实际场景。AI点评了两人的差距，总结了老员工的方法——轻柔打断、不伤团队面子、用场景代替功能列表——然后把这个讲述技巧沉淀到了知识库里。
"我已经算管得很细的老板了，但我也不会让员工去整理会议里的讲述技巧，太浪费人力。这件事只有AI可以做。"
不只是会议。她每天用飞书录音豆录下所有内部讨论，AI记录一个产品从1.0到5.0版本的完整"来时路"。当改到5.0的时候，AI会提醒她：1.0时你说过有三个非常重要的要素，改来改去改丢了，只剩两个了。
"哪怕以前免费给我一个程序员做这个功能，我也不会设计这样的需求。我会觉得没人录入这些分析的过程。"
这些需求不是被AI满足的——它们是被AI创造的。 就像望远镜发明之前，没有人会问"木星有几颗卫星"。
她说数据沉淀的颗粒度翻了指数级。在这种颗粒度上还会延伸出什么方向，她自己也没完全想清楚。"但可以预见，还有很多凌晨两点在等我。"
我在想，如果每个行业的CEO都开始这样挖掘"从未设想过的需求"，那我们做投资时评估一家公司的方式可能也得跟着变。以前看的是：你的产品解决了什么已知问题？现在可能要多问一句：你有没有发现过客户自己都不知道的需求？这个问题的答案，也许比财务报表更能说明一家公司的未来。
见过不少技术浪潮。有些是雷声大雨点小，有些是闷声改变世界。这一次的感受确实不太一样。
不是因为技术有多新。而是因为——这可能是第一次，从想法到结果的最短路径不再经过多层传递链，而是直接从CEO的脑子到AI的执行。我见过无数次管理层和执行层之间的信息损耗——每转一道手，意思就丢一点。当这个中间环节彻底消失的时候，冒出来的东西，连CEO自己都没料到。
回过头来看，CEO们熬夜写的不是代码。是他们脑子里那些以前没有办法直接落地的管理思想。代码只是碰巧成了最短的那条路。
人在事上磨。这一次，磨的工具变了，但磨的那个人，还是CEO自己。
她的公司专注一级市场，给投资机构提供尽调和估值的数字员工。感兴趣的朋友可以扫描下方二维码了解。
!