AI 改变一切之后，如何重新组织公司：Block 的 Owen Jennings 谈大规模裁员与 AI 转型

摘要

2026 年初，Block（前 Square）宣布裁员约 40%，成为最早因 AI 工具的生产力飞跃而进行大规模组织变革的上市公司之一。在本期 a16z 访谈中，Block 业务负责人 Owen Jennings 深入剖析了这一决策的来龙去脉。他回顾了 Block 从 2024 年初推出自研代理框架 Goose 开始，到 2025 年底 Claude Opus 4.6 和 Codex CLI 等工具取得突破性进展后，公司内部工程生产力发生质变的全过程。当一两名工程师借助 AI 工具就能实现 10 倍、20 倍甚至 100 倍的生产力提升时，传统的"人数与产出正相关"的假设被彻底打破。

Jennings 强调，这次裁员并非财务压力下的被动收缩，而是基于对未来组织形态的主动设计。Block 围绕可靠性、合规与持续增长三大原则，从零开始重新构建了组织架构。研发侧裁员幅度远大于销售和客户管理侧，合规团队几乎未受影响。变革后，Block 将大功能团队拆分为一至六人的小分队（squad），管理层级削减了 50% 到 60%，会议减少了 70% 至 80%。在内部，Agentic 操作系统 G2 实现了确定性工作流的全面自动化；在外部，生成式 UI（Generative UI）和主动智能正在重塑 Square 和 Cash App 的产品体验。最终，Jennings 提出了一个关于 AI 时代企业护城河的核心命题：真正的竞争壁垒在于一家公司是否深刻理解那些其他公司难以理解的东西。

正文

一、决心之源：从 Goose 到 2025 年 12 月的临界点

Owen Jennings 将 Block 这次大规模裁员的决策起点追溯到两三年前。他高度评价了 Jack Dorsey 的前瞻性——"Jack 通常是对的，而且通常很早，有时早得离谱。"从 Twitter 到 Square、Cash App，再到比特币，这种超前判断力贯穿了 Dorsey 的职业生涯。在 AI 领域也是如此。2024 年初，Block 推出了自研的代理框架 Goose——Jennings 称其为"我所知道的第一个代理框架（agent harness）"。Goose 从一开始就设计为模型无关（model-agnostic），可以在 Anthropic、OpenAI 以及开源模型之间灵活切换，当前已支持约 120 种模型。

在 2024 年和 2025 年期间，AI 工具在软件开发和新项目（green space）中的表现已经令人印象深刻。但真正的拐点出现在 2025 年 11 月底到 12 月初。Jennings 描述道："几乎是一夜之间，可能就在一两周之内，情况发生了质变——这些工具在处理现有复杂代码库（existing complex code bases）方面也变得极其强大。"他将这个时间点精确到 12 月的第一周。当时 Claude Opus 4.6 和 Codex CLI 等工具取得了突破，使 AI 不仅能在空白项目中高效编码，也能在大型遗留系统中自如工作。

这一变化意味着一个数十年来未曾动摇的假设被打破了：公司人数与产出之间的正相关关系。Jennings 说："一两名工程师，或者一个设计师加一个工程师，在使用这些工具的情况下，能够实现 10 倍、20 倍甚至 100 倍的生产力提升。"正是在这种认知的基础上，Block 在接下来的一个季度里进行了密集的战略讨论，最终做出了裁员超过 40% 的决定。

二、40% 裁员：不是财务压力，而是组织重构

当采访者直言不讳地问及这次裁员是否与 2021 年的过度招聘（overhiring）有关，还是真正由 AI 驱动的生产力提升所导致时，Jennings 给出了清晰的回应。他指出，如果从 2019 年到 2024 年的人均毛利润（gross profit per full-time employee）来看，Block 在与同行相比时大致处于中等水平。但如果将这次裁员简单理解为削减冗员和臃肿（craft and bloat），那么裁员的重点理应是运营团队而非研发团队。而事实恰恰相反——"研发侧的裁员幅度非常大"，这本身就是最有力的证据。

"如果你没有看到一项技术从根本上改变了我们的构建方式，你不可能在研发侧做出如此大幅的削减。"Jennings 直言，"我们不再手写代码了。那个时代结束了。已经结束了。"他驳斥了外界将这次裁员简单归因于人员过剩的叙事，坚持认为 AI 工具带来的生产力质变才是真正的驱动力。

这次裁员的独特之处还在于它并非来自财务压力。很多公司的大型裁员是由 CFO 或 CEO 下达的——"我们需要裁掉 16% 的人以便达成某个财务目标。"但 Block 的情况完全不同。他们的问题是："考虑到现在 AI 工具在组织中的渗透程度，以及我们对未来几个季度和几个月变化的预期，组织应该长什么样？"这是一个主动设计而非被动收缩的过程。

三、核心原则：可靠性、合规与持续增长

在重新构建组织时，Block 确立了三个核心原则。

第一，可靠性。 对于一个每天处理海量金融交易的公司而言，任何系统级的稳定性问题都是不可接受的。"做这种规模的变革，最糟糕的结果就是出现宕机或服务中断。"Jennings 将这定义为优先级最高的零容忍事项。令人欣慰的是，在过去几周中，系统运行一切正常。

第二，赢得客户信任、确保合规并驾驭监管环境。 Block 所在的金融科技领域有着极为复杂和细微的监管要求。这是一个不可谈判的领域。"我们基本上没有动合规团队和合规技术团队。即使工具已经就绪，我们也不想冒任何风险。"这体现了在激进变革中对核心风险的清醒认知。

第三，继续推动可持续增长。 路线图上已有的功能必须继续推进。区别在于实现方式：过去需要一个 14 人的功能团队（feature team）来完成的工作，现在可以由一个 3 人的小分队（squad）来完成。Block 仍然需要保持功能交付的速度，同时继续对长远方向进行投资。

基于这些原则，Block 从零开始重新构建了组织架构。合规委员会和销售开发代表（SDR/BDR）等团队的结构与 1 月份基本保持一致；而研发侧的架构则"完全不同"。

四、执行与文化：从震撼到回归创造

Jennings 在 Block 工作了十二年。他坦言，许多离开的人是十年以上的朋友和同事。公司在裁员执行上格外注重人文关怀：给予慷慨的遣散补偿，没有立即切断离职员工的技术访问权限，而且选择以全员大会（all hands）的方式直面所有人。

在一个周四，Jack Dorsey 和整个高管团队与全体员工面对面，解释这一决策及其背后的驱动力。Jennings 回忆道，那个周末——周五、周六、周日——弥漫着巨大的震撼和迷茫感。但随后，情况开始好转。

变革后的运营方式发生了根本性转变。会议数量减少了 70% 到 80%。"我现在终于有时间去构建和工作，而不是被一个接一个的会议所淹没。"每周一，Jack Dorsey 主持一到两小时的全员大会，保持信息的透明流动。整体氛围上，"我们变小了，更精简了，层级更少了，管理幅度更大了，而且回归到了创造的状态。"

从文化角度看，Jennings 也提出了一个值得警惕的观点：非创始人领导的公司很可能不会做出如此决绝的选择，而是采取渐进式的方式——先裁 15%，再来一次 15%。这种连续不断的裁员在文化上是毁灭性的，"因为头顶总是悬着一把随时可能落下的剑。"Block 的做法是一次性地、果断地转向新的方向，这反而在震荡之后带来了清晰的预期和行动空间。

五、AI 如何渗透 Block 的每一个角落

当被问及"AI 如何渗透 Block"时，Jennings 的回应意味深长："这个问题就像在问'计算机如何渗透 Block'一样。它是一个根本性的、内置的基础设施，在过去 18 个月里发生了质变，然后在过去四个月里又再次发生质变。"

他将 AI 在 Block 的应用分为内部和外部两个维度。

内部维度：在研发侧，最大的变化体现在工具和工作流上。Block 内部有一个类似 Claude Code 但更深度集成的工具叫 Builderbot。Builderbot 能够自主合并 PR 并构建功能，有时可以实现 100% 的自动化完成，但更常见的是完成 85% 到 90%，然后由拥有丰富上下文的人类工程师完成最后 10% 的"收尾"工作。从想法到功能交付到数十万甚至数百万用户手中的周期，自 12 月以来"被大幅压缩"。

在研发之外，Block 构建了名为 G2 的 Agentic 操作系统。任何确定性工作流（deterministic workflow）都可以实现自动化。这意味着传统上由人工处理的队列（queue）驱动工作——无论是在客户支持、产品运营、风险运营还是合规运营领域——正在被大规模自动化取代。Jennings 承认当前仍然需要"人机协同模式"（human in the loop），与合作伙伴和监管机构沟通时这也是一个关键术语，但长远来看，"这些系统显然会比让一千个人来做这项工作要好得多。"

外部/产品维度：Block 正在将 AI 嵌入面向客户的产品。Goose 从最初的内部工具演变为支撑多个产品的平台。Cash App 中的 Moneybot（定位为"口袋里的 CFO"）和 Square 侧的 Managerbot 都构建在 Goose 之上。Moneybot 可以主动代表用户在 Cash App 内执行操作，Managerbot 则为商户提供类似的智能管理功能。这些产品虽然面向不同的用户群，但其底层都依赖于同一个代理平台，以及贯穿全公司的数据事件和触发机制。

六、组织架构的扁平化：小团队与大灵活性

变革后，Block 的组织形态发生了根本性的变化。过去，公司采用经典的分层职能结构，一个典型的功能团队由八名服务端工程师、四名客户端工程师、一名产品经理和一名设计师组成，按线性方式推进路线图。现在，组织转变为由一至六人组成的"小分队"（squad）结构，规模比过去的功能团队小得多。

这种小分队模式带来了前所未有的灵活性和流动性。一个分队可以花几个迭代周期做一个产品、将其上线，然后转战另一个产品的迭代周期。这与一两年前的情况完全不同——当时工程师会说"我在银行团队，我会永远待在银行团队。"现在，团队的流动性更高，围绕项目而非固定的组织单元来组织工作。

管理层级也被大幅削减。在研发侧，层级减少了约 50% 到 60%。在 Jennings 自己负责的产品侧，只有两到三层管理层，"信息流动比以往任何时候都更加自由。"这种扁平化不仅提升了决策速度，也让组织对外部变化的响应能力显著增强。

另一个具有重要意义的变化是：设计师和产品经理现在也能提交 PR（代码变更）了。Jennings 指出这已经不那么新鲜——"每个 CEO 都在 Twitter 上晒他们在 GitHub 上的绿色贡献点"——但真正有趣的是 Builderbot 这类工具带来的自动化构建能力，它使非工程师角色也能深度参与开发过程，进一步模糊了职能边界。

七、产品端的变革：生成式 UI 与主动智能

在产品层面，Jennings 描绘了一个正在发生的根本性转变：从过去十到十五年间所有人习以为常的静态、僵化的 UI，走向生成式 UI（Generative UI）的新时代。

"你的 Cash App 应该看起来和我的完全不同。"这一理念超出了传统个性化的范畴——不是简单地在固定位置调整内容展示，而是真正的动态界面生成。当用户进入 Moneybot 询问"我最近怎么花钱的？"，系统会在运行时实时生成图表和可视化界面，这些内容并不存在于应用的源代码中。Jennings 承认这在质量保证（QA）方面是一个潜在的噩梦："我们需要解决如何对数千万用户的这些非确定性输出进行 QA。"

在 Square 侧，Managerbot 展示了更激进的能力。一个经营多家快餐店的商户可以对 Managerbot 说："帮我创建一个应用程序，让我能管理这两个门店的排班，并自动通过 WhatsApp 或 Signal 给我的员工发短信。"系统会实际生成这个应用的界面和功能，而这些界面和功能的"外观和感觉"并不存在于推送到应用商店的源代码中。

但 Jennings 强调了一个关键洞察：Block 发现，不能仅仅依赖客户自己去使用这些工具来提示（prompt）。"如果我们要求客户自己来提示这些工具，他们未必知道正确的问题，也未必能得到正确的答案。"因此，Block 在主动智能（proactive intelligence）方面进行了大量投资——系统需要主动向客户推荐那些可能对他们有价值的东西。这与金融服务领域的特性密切相关：在金钱相关的事务中，人们需要的往往不是工具，而是一个能主动理解他们的需求并提出建议的智能系统。

八、护城河的本质：理解别人无法理解的东西

在访谈的最后，话题转向了 AI 时代的企业护城河（moat）和防御性。Jennings 认同网络效应和分发能力在短期和中期仍然构成了重要的竞争壁垒——"没有人能在未来几周内'灵感编程'（vibe code）出 DoorDash。"任何人都可能在一周内创建一个 P2P 应用，但没有人能凭空"灵感编程"出五六千万月活跃用户。此外，许可证和监管合规地位（regulatory posture）以及硬件领域（你无法"灵感编程"出一块 Square 硬件终端）也构成了当前的护城河。

但 Jennings 将视角拉向了更长远的未来。"如果你观察变化的速度，以及这种变化本身的变化速度"，他认为真正决定一家公司在长期是否具有防御性的关键因素是：这家公司是否深入理解那些其他公司很难理解的东西。

Block 正在将自身构建为一个智能系统（intelligent system）。这家公司本质上"坐落在某种信号之上"——对于 Block 而言，就是买卖双方如何参与经济活动。大多数公司都有自己深刻理解的东西，真正的问题在于：你能够以多快的速度迭代来加深这种理解。

Jennings 设想了一个未来：公司有一个描述自身身份和目标的"Markdown 文件"——价值观、优化指标、关心什么、不关心什么。然后，公司需要两样东西与之形成反馈闭环：一是那个难以被他人理解的深层信号，二是像 Builderbot 或 Claude Code 一样的构建工具。过去，这个"理解信号→构建产品"的循环由人类完成，周期长达数月。现在缩短到一两周。未来也许每天可以运行数百次甚至数千次，人类在其中扮演的角色更像是"编辑"而非执行者。

Jennings 以一句振聋发聩的话结束了这一讨论："最大的护城河，是哪些公司真正理解那些对其他人来说极难理解的东西。如果你的回答是'我不知道'——那你或许真的会被'灵感编程'所淘汰。"