全球AI领域学者、Stanford University教授Andrew Ng近日发文，系统梳理了AI原生软件团队与传统软件团队在运作模式上的差异，并就团队组织、角色分工和协作方式的变化作出判断。

Andrew Ng在社交平台X（原Twitter）表示，AI原生工程团队与传统团队最显著的不同，是能够借助AI编程代理更快推进产品研发。研发效率的提升，也正在改变团队内部的职责划分和决策机制。

他指出，优秀工程师未来不再只是负责写代码，还需要兼顾产品、设计，甚至部分市场沟通职能。在线下高频协作的小团队中，这种变化尤为明显，整体执行效率往往高得惊人。

在“更快做出来”成为现实后，“做什么”本身变得更为关键，开发人员也需要把更多精力投入到产品定义中。为缓解这一环节的瓶颈，一些工程团队已开始将工程师与项目经理（PM）的配置比例，从8:1调整至1:1。

不过，Andrew Ng认为这未必是最优解。他表示，如果由PM决定做什么、再由工程师负责实现，二者之间的沟通本身就可能成为瓶颈。推进效率最高的团队，往往会配备具备一定产品能力的工程师；当工程师能够理解用户需求、参与决定产品方向并直接完成落地时，整体速度会明显提升。

他同时提醒，随着编码效率提升，瓶颈可能从前期规划转向设计、营销和合规等环节。“有些团队功能开发得太快，市场团队甚至来不及思考该如何向用户传达。团队一天就能做出软件，但法务审核可能要花一周时间，这时法务合规就会成为新的瓶颈。”

Andrew Ng认为，Agentic Coding改变的不只是软件工程流程，也在重塑与研发协同的各类职能团队。在这一背景下，小型AI团队会更依赖通才型工程师。过去，企业通常会分别配置工程、产品管理、设计、营销和法务等领域的专业人员；但如果一个两人团队要完成原本需要五类专业能力支撑的工作，那么每个人都必须具备跨领域能力，而不只是单一专长。

他还表示，在科技行业，工程师总体数量远高于PM，但这并不意味着其中一条路径更有优势。工程师应主动补足产品管理能力，PM也需要学习如何亲手构建产品。

此外，Andrew Ng强调，在AI时代，工程团队共处同一办公空间仍然十分重要。远程团队当然也可能取得不错效果，但当成员能够在同一空间内即时沟通时，通常更容易实现最高效率。他表示，这种角色变化对很多人来说并不轻松，但对愿意持续学习相关能力的个人和小团队而言，如今比以往任何时候都更有机会完成更多工作，“现在正是学习与创造的黄金时期”。