“两天发一版。”Elric Liu 提及这个频率时，语气平淡得像在说家常。要知道，前一天我们刚采访完另一家 AI 公司，对方引以为傲的“两周一个大版本”的迭代速度，在当时看来已是行业标杆。而到了 MooxAI，这个周期直接被压缩到了 48 小时。
Elric 是这家公司的负责人。MooxAI 成立于 2023 年，是一家在大模型浪潮中迅速成长起来的 To B 企业。业务涵盖大型企业的 AI 落地实施与标准化 AI 软件产品，团队规模虽仅十余人，却已实现盈亏平衡。MooxAI 的创始团队有着浓厚的 To B 背景，Elric 此前任职于飞书，长期深耕企业客户与 AI 落地场景。这直接塑造了公司的管理哲学：信息透明、协作高效、项目闭环以及工具驱动。
目前，MooxAI 主要做两类业务：一类是标准化 AI 软件，聚焦内容创作、带教陪练等场景；另一类是面向大型企业的定制化落地，深度介入企业内部流程、系统和项目交付。这意味着，MooxAI 不仅仅是在做一个工具，而是要把 AI 真正接进企业的业务流里解决实际问题。对于大型企业而言，需求往往复杂且涉及多方流程，AI 能否跑通真实场景，比 Demo 是否漂亮更重要。
在一个小时的访谈中，Elric 拆解了这支小团队独特的运转逻辑。
**虚拟小组与模糊边界**
虽然部门划分依然存在，但 MooxAI 并非传统意义上的科层制。公司大体分为技术团队和售前/CSM（客户成功）团队，但在此基础上，项目通常以“虚拟小组”形式运作。谁来主导项目，谁就站出来。同一个人在不同项目中可能身兼数职，既是售前，又是产品经理，或是交付人员。
Elric 认为，AI 原生组织的核心在于打破能力边界。过去软件公司讲究“全栈工程师”，即一个人能搞定前后端；而在 MooxAI，这个概念上升到了组织层面。团队岗位被重新定义为三类：技术+产品、产品+运营、售前+CSM。
这种角色融合在售前环节体现得淋漓尽致。现在，售前团队可以直接利用 AI 编码技术为客户搭建 Demo。过去，客户需求往往经历“销售理解 -> 转述给产品 -> 产品对接技术”的层层传递，信息损耗严重。如今，售前能直接将客户的想法转化为可视化的原型。这种“实体 Demo”带来的体验，远超过去的截图和口头描述。Elric 说，以前销售只能给客户截图或口头描述，现在有了可交互的 Demo，用户的体感完全不同。
**扁平化决策与人员配置**
MooxAI 几乎不设中层管理。Elric 与另一位负责人直接把控整体方向，CTO 负责技术路线，另一负责人侧重运营与对客重大问题的讨论。扁平化的结构让决策链条极短，因为 AI 降低了试错成本。很多想法不再需要漫长的论证，先通过 AI 快速产出 MVP，再根据效果调整，往往比纸上谈兵更有效。
为了保持高效，公司推行全员文档共享和紧密的项目同步。Elric 承认，扁平化不等于低效，前提是成员具备高度的主观能动性。因此，招聘时他们更看重两类人：一是能直接补位业务短板的熟手，二是聪明且愿意主动折腾的高潜人才。在 AI 时代，技能习得速度变快，持续学习能力和用 AI 完成闭环的执行力比单纯掌握某项技能更重要。
**AI 驱动的研发与质量控制**
在技术端，AI 编码已占据 MooxAI 研发工作的 90% 以上。团队主要使用 Claude Code、Codex 等工具，结合智谱等大模型能力进行开发。需求来源分为两类：团队内部挖掘的通用需求，以及客户提出的定制需求。定制项目积累到一定程度，便会抽象为标准模块。这种方式让产品迭代节奏变得极快，MooxAI 现在基本两天发一版。
研发成本下降之后，组织内部形成了一种新的工作习惯：不再把“开会讨论”作为前置环节，而是先做出原型。Demo 本身变成了讨论材料。
但 AI 写代码并不等于质量问题消失。MooxAI 把代码质量控制分成几个阶段：早期 MVP 阶段，重点在于验证核心功能跑通，CTO 检查架构，产品侧确认功能；进入成熟期后，则通过详细文档界定模块边界，让 AI 生成代码时有据可依。代码提交前，会有 AI 预审（检查逻辑冲突）和 CTO 的二次审核（检查架构风险）。
**从“拥有工具”到“使用习惯”**
AI 原生转型最大的障碍往往不是技术，而是人。Elric 曾遇到过“工具闲置”的尴尬：配发了 Coding Plan 等工具，一两个月后，部分员工的 Token 剩余率高达 80%。工具给了不代表会用。后来，他们通过内部激励机制和周会分享，鼓励员工用 AI 完成业务闭环，才逐渐扭转了这一局面。