AI Agent重塑风控产运研职能，打破人月神话的团队管理实践

本文整理自 QCon 北京 2026 快手王东旭分享《打破人月神话：Agent重塑风控产运研职能》，通过AI音视频转录总结工具
Ai好记视频转文字整理，以下为精炼整理后的会议笔记内容。

一、人月神话困境：大模型时代加速了团队摩擦

「人月神话」这个概念来自弗雷德里克·布鲁克斯的经典著作，说的是软件工程中，人和时间并非可互换资源——增加人手反而会让项目延期。

王东旭在分享中认为，大模型时代把这个困境进一步放大了。

为什么会这样？原因有三：

第一，大模型带来的能力边界在快速膨胀。

产品经理觉得「AI什么都能做」，运营觉得「我直接写个prompt就行」，研发觉得「你懂不懂技术」。各方对 AI 能力的预期差异，让沟通成本猛增。

第二，传统的职能分工在大模型项目中出现了大量重叠。

一个简单的风控策略提效需求，产品要定义规则，运营要配置参数，研发要写代码，算法要调模型——四拨人围绕一个需求转，光对齐就要两三天。

第三，大模型的输出不确定性，让验收这件事变得异常痛苦。

以前功能做好了就上线，现在AI输出的结果时好时坏，谁来兜底、谁来评判，没人说得清。

王东旭用一句话总结了这个困境：沟通摩擦已经成为组织效率的最大瓶颈，技术问题反而不是最难的。

二、从固态到液态组织：以数据为中心的Agent协作模式

面对这个困境，快手风控团队尝试了一种新的组织形态——「液态组织」。

什么是液态组织？

简单说，就是打破产品、运营、研发、算法这四道墙，围绕具体数据任务临时组建跨职能的Agent协作小组。任务结束，小组解散，成员回到各自职能池子里等下一个任务。

这个模式跟传统的项目制有什么不同？

传统项目制虽然也跨部门，但权力结构没变——产品经理拍板、研发排期、运营执行、算法调模型，各行其道。液态组织把「职能角色」变淡了，把「数据任务」变重了。

举个例子，一个风控策略优化的需求进来，不再需要产品写PRD、研发排期、运营配置规则这一套流程。

而是直接拉一个 Agent 协作小组：产品同学用AI工具做原型验证，运营同学直接写prompt调策略，研发同学搭数据流水线，算法同学做模型微调。所有人围绕数据流转工作，而不是围绕需求文档流转。

王东旭打了个比方：从固态到液态，核心是把「人找人」变成「数据找人」。

三、产品经理转型：从低代码到Prompt to Product

在液态组织中，产品经理的角色变化最大。王东旭提出了一个很形象的演变路径：

低代码 →No Code→Prompt to Product

以前产品经理学低代码去画原型，后来用零代码工具做MVP，现在直接写prompt让AI生成可交互的Demo。

王东旭现场演示了一个风控策略配置页面，产品经理用自然语言描述需求，AI Agent 直接生成了带交互逻辑的原型页面。

这听起来很酷，但王东旭也坦率地讲了几个坑：

第一，Prompt 生成的原型容易看着像那么回事，一用就崩。

因为AI生成的界面缺乏深度校验逻辑，作为方案讨论工具没问题，但直接交付有风险。

第二，产品经理需要补技术认知。

不是说要去写代码，而是至少要理解向量检索怎么做、RAG怎么搭、模型怎么评估。不然写出来的prompt，开发一看就知道跑不通。

第三，原型到产品的中间地带是空的。

AI可以快速生成原型，但从原型到可交付的产品，中间的工程化工作没人做。这个缺口目前靠产品经理+研发同学协作填补。

四、运营角色重塑：从规则配置到Prompt工程师

风控运营的传统工作是什么？写规则、配参数、看报表。王东旭说，这些工作在大模型时代基本会被 AI Agent 替代。

那运营做什么呢？三个方面：

第一，Prompt 工程师。

运营同学直接写自然语言指令来配置风控策略。这不是写代码，而是把业务经验翻译成AI能理解的语言。

比如「对近30天内登录IP属于三个及以上国家、且账号注册时间小于7天的用户，提高风控等级」——这就是运营写的一段prompt，AI Agent 自动解析并生成对应的策略配置。

第二，RAG 知识库构建者。

风控策略需要大量的业务规则、历史案例、合规要求。运营同学负责把这些知识结构化，构建成 RAG（检索增强生成）知识库。AI Agent 在响应用户请求时，从知识库中检索最相关的策略依据。

第三，SFT 微调数据提供者。

运营同学虽然不是算法工程师，但他们知道哪些策略配置是对的、哪些是错的。通过提供高质量的标注数据，让模型在垂直场景下表现更好。这就是所谓的「数据飞轮」——业务输入数据 → 模型提升效果 → 效果反馈修正数据。

王东旭特别强调了一个观点：运营的核心竞争力不是配置规则的效率，而是对业务风险的理解深度。

AI能帮你执行，但帮你判断什么是真正的风险，还得靠人。

五、研发微笑曲线：大模型对团队的极化效应

这是王东旭分享中给我印象最深的一个概念。

他把研发团队按能力分成了三段：初级研发、中级研发、资深研发。大模型对这三类人的影响完全不同——呈现出一条「微笑曲线」。

资深研发（曲线右端）：大模型是超级加持。

架构设计、系统解耦、性能优化这些高阶能力，大模型可以给你很多灵感和参考。思路对了，代码生成只是顺带的事。资深研发本来就清楚自己要什么，大模型帮他们把实现速度提了一倍以上。

中级研发（曲线底部）：最尴尬的群体。

做一些常规CRUD、业务逻辑实现，大模型可以做到七八分，比他们自己写还快。这类工作原本是中级研发的主力内容，现在被AI挤占了大量空间。要不要向上走、能不能顶上去，决定了这个群体是被淘汰还是升级。

初级研发（曲线左端）：冲击最直接。

以前初级研发靠「写代码」入门和成长，现在连写代码这个环节都被压缩了。王东旭直接说：「以前本科毕业写三年代码摸到门道，现在这条路径走不通了。」

这不是危言耸听。团队管理上需要认真思考一个问题：如果写代码不再是初级工程师的主要产出，那他们的成长路径应该是什么？

王东旭给了一个方向：初级研发要尽快培养「系统理解能力」和「业务理解能力」，而不是沉浸在代码实现细节里。因为代码这部分，AI已经帮他们完成了一多半。

六、算法护城河：向下深耕与数据飞轮

通用大模型能力越来越强，那算法团队的价值在哪？王东旭的答案是：「向下深耕」。

所谓向下深耕，就是在通用模型的基础上，做三件事：

第一，垂直场景微调。

通用模型懂风控吗？懂，但不够深。通过SFT和RLHF，让模型理解风控领域的特殊规则和业务逻辑。比如「同一设备短时间内多次更换绑定手机号」这种风控场景，通用模型不会主动关注，但经过微调后，Agent 知道这是一个高风险信号。

第二，专属知识库构建。

把公司内部积累的风控策略、处罚案例、业务规范做成RAG知识库。模型检索知识库做决策，而不是全靠自己的参数化记忆。这样准确率和可解释性都大幅提升。

第三，数据飞轮闭环。

模型每执行一次风控决策，结果反馈回来修正知识库或模型参数。做对了加强，做错了调整。这个闭环跑起来之后，垂域模型的效果会逐步碾压通用模型。

王东旭说了一句话我记下来了：「通用模型是海平面，大家都在这个水位上；垂域深耕才是海底山脉，高低看你挖多深。」

七、实践中的关键坑点与避坑指南

王东旭在分享中花了不少时间讲踩过的坑，我觉得这部分对做Agent实践的团队最有价值。

Web Coding项目易腐化

很多风控团队一开始尝试用Web Coding方式做Agent——前端界面直接控制后台策略。但王东旭发现，这种方式的项目生命周期非常短，代码很快就腐化了。原因很简单：Web Coding追求快速验证，架构松耦合性差，迭代几轮之后代码质量直线下降，维护成本远超重写。

他建议的方案是：快速验证阶段可以用Web Coding跑通，但一旦确认方向，马上转成DD（领域驱动设计）或Spec（规格驱动），把架构夯实。

也就是说，原型和技术债不能混为一谈。

存量系统改造远比新建痛苦

如果是从零搭一个风控Agent系统，反而好办，架构从一开始就是为Agent设计的。但大部分团队要面对的是存量系统——已经跑了好几年、代码耦合严重、跟业务深深绑定。

王东旭的实践经验是：不要试图一次性重构，选一个边界清晰的模块做试点。比如先拿「用户注册风控」这个子场景试，跑通之后再逐步扩展到其他场景。一来降低风险，二来验证了可行性之后，团队信心和资源都会跟上。

团队管理三阶段：事、推、生

这是王东旭关于Agent团队管理的一个总结框架：

第一阶段「事」：大家还在摸索Agent怎么做，这时候管理重心在「事」上——分工明确、节点清晰、成果可衡量。不搞虚无的理念，先做出东西来。

第二阶段「推」：Agent工具和流程跑通了，开始规模化推广。这时候管理重心是「推」——培训和赋能，让更多人会用、愿意用Agent来做日常任务。这个阶段最容易出现的问题是不愿意改变的同事被落下。

第三阶段「生」：Agent成为日常工作的基础设施，不再需要讨论「要不要用Agent」，而是讨论「怎么把Agent用得更好」。组织从被动响应变成主动创造，新的工作模式和角色开始自然生长出来。

王东旭特别强调，这三个阶段不能跳，也不要着急。很多团队在第一阶段就想谈生态、谈文化，其实连一个能稳定运行的Agent都没做出来。先做「事」，再谈其他的。

FAQ

Q1: 液态组织是不是就是敏捷开发的变体？

两者有相似之处，但核心区别在于：敏捷开发解决的是「需求变化快」的问题，液态组织解决的是「角色边界僵化」的问题。液态组织强调数据流动驱动人员组织，而不是需求驱动。一个是围绕任务，一个是围绕数据。

Q2: 转型Agent组织后，原来的职能经理还有存在的必要吗？

有，但角色变了。职能经理不再是审批人和排期人，而是变成了能力建设和人才培养者。他们负责搭建知识库、设计培训路径、建设Agent工具，让一线同学能更好更快地完成任务。

Q3: AI Agent导致的组织变革，对普通开发者的职业建议是什么？

王东旭的建议很务实：一是往上走，强化架构设计和系统思维，这是AI不易替代的能力；二是横向扩，至少理解Agent协作模式下产品、运营、算法的语言，能做跨职能沟通。最怕的是做一个「只懂写代码」的开发者。

Q4: 小团队也能推行这种组织变革吗？

可以，而且小团队反而更容易。大团队变革最大的阻力是既得利益和惯性，小团队从零开始，没有历史包袱。王东旭建议小团队找一个具体场景做试点，拿到结果再扩大，不用上来就全体转型。

以上内容由Ai好记转录整理。
Ai好记是一款音视频转图文笔记的AI音视频转录总结工具，支持解析 B站、抖音、小宇宙等平台链接及本地/网盘的音视频文件，转文字后自动生成精华速览、思维导图和结构化笔记，帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。