摘要：Ramp 一年里把 AI 渗透率推到 99.5%：一套围绕文化、工具、杠铃组织设计和公开竞争的复盘手册。

本文翻译自 How to get your company AI pilled
作者：@geoffintech
发布时间：2026-04-08
翻译：searchpcc
授权：未获明确授权，仅作学习交流，如有异议请联系删除

geoffintech_572377_1

大多数公司还在反复辩论自己的 AI 战略。它们想得太多。下面是我们用来让公司里每一个人都开始用 AI 构建东西的那套打法。

Ramp 的 AI 使用量较去年增长了 6,300%。99.5% 的团队在 AI 工具上活跃。84% 每周使用 coding agent。六周里在我们内部平台上交付了 1,500+ 个应用，来自 800+ 位不同的构建者。非工程师如今贡献了生产代码库上人类发起 PR 总量的 12%——每月数以千计——用的是我们自研的 coding agent：Ramp Inspect。

我们之所以做到这些，是因为我们执迷于让每一位员工拥抱这项新技术——就像当年计算机进入职场那样。我们做了自己的 Claude Cowork，叫 Glass，让公司里任何人都能用上一个高度配置好、完整接入 Ramp 系统、了解我们怎么构建东西的 AI Agent。我们办了史上规模最大的 AI 黑客松——700 名参与者覆盖销售、CX、法务、市场、财务，由我们 100 位最强的工程和产品同事担任教练。他们一周交付的东西，比我们过去一年还多。

我们改造了招聘流程和人才管理流程。我们给每个人无上限的预算去构建、学习、探索。我们搞了 leaderboard 激励使用。我们围绕那些看见未来的人重组团队。我们在全员大会上庆祝战果。我们不停推着每一个人、每一个 leader 去动手。结果远远超出我原本的想象。

下面是我们怎么走到这一步的。有意思的不是数字或工具，而是我们根本没有计划。我们有的只是文化和人才，然后持续加码那些在眼前这批人和这项技术上真正奏效的做法。然后看着它复利增长。

1. 种树第二好的时机是今天

在 Ramp，我们的文化是 velocity（速度）。它塑造了我们的每一个流程和团队仪式。事实证明，这种文化就是 AI 采纳最大的那一剂加速剂。

2025 年 1 月的全员 kickoff，我们告诉全公司：我们将成为世界上生产力最高的公司。鉴于 Ramp 的文化，我们相信我们能做到。但我们完全不知道怎么做到。

我们从最显而易见的几件事开始：

  1. 领导层明确表态：使用 AI 是一种期待
  2. 专门的 AI「公会」，随时回答任何问题
  3. 让团队展示自己构建物的 Slack 频道
  4. 在全员大会上腾出固定时段来庆祝构建者
  5. 强制性的 AI 使用及追踪，覆盖每一个人

没有任何正式的变革管理项目，没有强制培训课程。我们只是搭建了一套让人自学、互相教的基础设施。真相是，团队只需要一个机会。每个人都想构建。有了 AI，任何人都可以。

2. 把 AI 熟练度当成学习曲线，而不是电灯开关

一年前，我们大多数人使用 AI 的方式和大家一样：开一个 ChatGPT 标签页，在 Notion 里用 AI search。还行，但谈不上变革。

我们观察到的是：当一个人跨过某些「舒适度阈值」之后，产出会发生跃迁。在 2025 年之前，除了少数极强的工程师，几乎没有人在上层阈值运行。但在 2025 年末和今年，我们大幅加速——因为我们在过去一年先把地基打牢了。

我们把 AI 熟练度分为四个层级：

geoffintech_572377_2

  • L0：偶尔使用 ChatGPT。没有改变任何工作流。如果你还停在这里又不主动往前走，你大概率不会留在这家公司。
  • L1：做过 custom GPTs，用过 Notion agent，玩过 Claude Code。开始看到可能性，但还没产生复利。
  • L2：自己构建了一个应用，把工作里的一部分自动化了。提交过代码，或给别人的东西贡献过反馈。事情从这里开始变得「真」起来。
  • L3：系统构建者。他们不只是用 AI——他们构建能够提升所有人的基础设施。这些人是 force multiplier（战力倍增器）。

我们的工作是把每个人往上推。要做到这点，三件事缺一不可：

  1. 构建能「在用户所在的位置迎接他们」的工具。我们一开始把全公司切到接入所有办公工具的 Claude 和 Notion AI——技术门槛足够低，每个人都能参与，并拿到有意义的收益。这把人从 L0 推到 L1。
  2. 当工具成熟后，抬高期望。AI 熟练度进入了招聘筛选、入职培训，以及我们谈绩效的方式。不是为了熟练而熟练，而是作为一项明确的期待：把这些工具用好，是在 Ramp 把任何一份工作做好的前提。这把 L1 推到 L2。
  3. 让要求匹配工具。如果工具还跟不上你就先抬高期望，你会烧光信用，人们不会再听你说话。

3. 拥抱「创造性破坏」

这部分让 Ramp 既令人兴奋，又同样让人不舒服。

我们在 2026 年 1 月交付的很多工具如今已经过时——被更好的版本取代，而且往往出自同一批构建者之手。我们已经习惯了「保质期以周计，而不是以月计」。每一次 LLM 更新、每一次 Claude Code 或 Codex 脚手架的改进、我们发布的每一批新 skill，都在重塑可能性的边界。如果你三个月前做的内部工具今天还感觉「最先进」，那你就不够大胆。

我们数据民主化的一路演进，讲得很清楚：

  • 阶段 1：Notion AI 是当时最好的选项，所以我们把重要数据灌进 Notion 数据库，让 Agent 在上面跑。
  • 阶段 2：我们上线了 Ramp Research，一个基于 Slack 的 Snowflake 研究工具。
  • 阶段 3：随着 coding agent 成熟，我们把 Snowflake 研究封装成 skill，让这些 Agent 直接使用。
  • 阶段 4：现在我们正把数据研究做成交互式、自我改进的。

每一代都打开了上一代打不开的门。每一代旧的都被悄悄下线了。我们现在跑的这批工具？我们真心希望它们到六月就过时了。

从外面看，这像一团混乱。从里面看，恰恰相反。人们不依恋自己的工具，他们依恋自己的问题。当一种更好的解法出现时，他们就抓住它。

4. 从中心构建，从外围驱动

我们在把组织设计搞对之前，先把它搞错过。

最初的直觉是中心化：一支小团队为全公司构建工具。需求几乎立刻超出了它的产能。然后我们又荡到另一端——去中心化，每个团队自己造自己的东西。结果是大量重复踩坑。

答案是两者都要：

  1. 一支小的中央团队构建横跨 LLM、数据、知识和工作流的平台、连接器和底座管道。他们同时负责培训、赋能和变革管理。
  2. 业务团队在这些平台之上构建，并用反馈驱动中央团队的 roadmap。

结果会说话：

  • 一位风险分析师把每月 16 小时的手工财务建模自动化了。
  • 一位销售运营负责人在 48 小时内替换掉了覆盖三个组织的 Excel 薪酬模型。
  • 一位 L&D 负责人在 15 分钟里做出了一个培训模拟器。
  • 财务团队里有人做了一个合同审查器，每份合同节省 45 分钟——而 Ramp 有非常多合同。

他们没有一个人是工程师。

这些人没有去提工单。他们自己发现痛点，自己做原型，只在要上生产时（如果真的需要的话）才把工程拉进来。外围驱动中心的程度，不亚于中心驱动外围。

5. 给人的是舞台，而不只是指令

指令会衰减，留下的是文化。

如果非要说有战略的话，我们的战略就是——尽可能多点几把小火，看哪几把烧了起来：

  1. 一个 Slack 频道（#ramp-uses-ai）——纯粹是看看会发生什么。现在成员超过 1,000 人。又裂变出 40+ 个团队专属频道，每月合计产生 20,000 条消息。
  2. 每周五的 AI office hours——经常有 40-50+ 人带着问题来。
  3. 新人的 AI 入职培训——过去一年里随着雄心升级被重写了四次。
  4. 专门的全员大会——从 CEO 到一线运营，每个人都来 demo 自己用 AI 做出来的东西。

早期转化者比任何别的东西都重要。每个团队里都有那么一个人——那个有野心的销售运营负责人、那个被现状激怒的产品运营、那个跃跃欲试的数据科学家。他们被好奇心驱动、被卷了进来，然后把这种「传染性」带给整个团队。我们让他们被看见：在全员大会上做聚光灯展示，给资源让他们构建团队级别的工具，在值得协作时把他们撮合到一起。

所有这些公开的构建，制造出一种每个人都能感受到的竞争氛围。没有谁想当「什么都没构建出来的那支团队」。当一个 CSM 看到一位风险分析师交付了每月节省 16 小时的东西时，他想的不是「风险团队挺厉害」，而是「我能构建什么？」

这个循环——构建、分享、启发、再构建——比任何指令或备忘录都有效。最大的意外不是谁构建得最多，而是有多少人原来一直在等一张「被允许去构建」的许可证。

6. 尽可能快地把人带到「啊哈」时刻

培训没用。Office hours 和 workshop 能帮上一点忙。但世界上最好的老师就在你面前：是 AI。你只能把马牵到水边。最大的那把解锁钥匙，是让一个人在第一天就体验到一个真实的结果。

我们是用付出代价的方式学到这件事的。尽管公司 AI 工具的采纳率超过了 90%，大多数人还是停留在一个基础的聊天界面上。模型已经够好了，但 harness（脚手架）没跟上。终端窗口、npm install、MCP 配置——对大多数人来说太难理解。而那些硬闯过去的人，各自的配置五花八门，学到的东西分散在各自的小孤岛里，无法复利。

于是我们做了 Glass——我们自己版本的 Claude Code Cowork，构建在 Anthropic 的 Claude Agent SDK 之上。

Glass 在安装时自动配置完毕。你用 Okta SSO 认证一次，30+ 工具随即点亮——Salesforce、Snowflake、Gong、Slack、Notion、Google Workspace、Figma。没有安装指南，不用给 IT 提工单。如果用户需要自己 debug，我们就已经输了。

一支四人团队，不到三个月就把它做出来了。上线一个月内，日活达到 700。拿到最大价值的，并不是那些参加培训的人。而是那些在第一天就安装了一个 skill、立刻拿到一个结果的人。产品教他们的速度，远远超过我们能教的速度。

当你拥有这件工具时，你能精确地看到人们卡在哪里，并在同一天发布修复。每一次会话都产生着关于「非工程师到底是如何学会使用 AI 的」的信号——哪些 skill 被采纳、人们在哪里突破、一个每周用一次和一个每天都在用的人之间差在哪里。

我们还做了一个叫 Dojo 的 skill 市场，任何人都可以把一段工作流打包分享出来。全公司已经分享了超过 350 个 skill。一个销售代表摸索出分析 Gong 电话、起草 battlecard 的最佳方式——把它打包成一个 skill，现在每一个销售都拥有了这个超能力。每一个被分享的 skill 都在抬高所有人的地板。

geoffintech_572377_3

结果是，任何人都能在 5 分钟内创造出任何东西。

7. 把它变成一场比赛

人是好胜的。至少在 Ramp 是这样。

我们做了一个内部 leaderboard，追踪 Ramp 每一支团队和每一个个人的 AI 使用情况。跑过的会话数、使用过的 skill、交付的应用、连接的工具，所有人都能看到。怀疑论者会告诉你这是虚荣指标——追踪使用会激励「忙碌」，而不是生产力。我们发现事实恰恰相反。

Ramp 上 AI 用得最凶的那批人，往往就是绩效最高的那批人。AI 熟练度和其他任何技能一样——练得越多，越强。这些超级用户正在培养肌肉记忆：什么时候该去够 AI、怎么有效地 prompt、哪些 skill 组合起来效果最好、什么时候应该自己接管。他们在复利自己的杠杆。

Leaderboard 创造出了三种我们没有完全预料到的动力：

  1. 健康的同侪压力。没人想垫底。当你看到另一支团队里和你对标的人跑了 3 倍的会话、交付了让他们团队省下几个小时的工具时，你不需要一条指令来让自己开始构建——你需要的是自己的好胜心。
  2. 经理层面的问责。团队级别的排名让经理没办法再无视 AI 采纳。如果你的团队落在最后 1/4，那是一场注定要发生的对话。它让 AI 从「nice to have」变成了「我们评估一支团队有没有发挥出潜力的一部分」。
  3. 通过模仿去发现。Leaderboard 不只是记分牌，它是一张地图。当你看到榜首那个人，你就会想知道他在做什么。你会去看他的 skill、他的工作流、他的应用。

如果你没在度量它，你就没在管理它。如果你不让它被看见，你就把最强的那根采纳杠杆浪费掉了。

这一切延伸到招聘和绩效管理。现在我们对加入 Ramp 的任何人都有一条绝对要求：熟练使用 AI 工具，不设例外。对 PM 候选人，有一个专门的面试环节：给我构建一个产品，展示给我你是怎么构建的，带我走一遍它是怎么工作的。必须是一个完整的原型，不是一堆幻灯片。如果你没法证明你已经把这些工具内化了，你过不了门槛。

8. 把人和 AI 之间的每一道阻碍都拆掉

公司扼杀 AI 采纳的第一方式，就是把 AI 当成一个采购决策来对待：预算审批、IT 评审、token 上限、在队列里一躺两周的连接器申请。这些每一样都是一堵墙，挡在你的人和他们的「啊哈」时刻之间。

我们反着来。早期做的三件事，比几乎任何别的事都更重要：

  1. 把 AI 使用当成一笔无上限的学习预算。如果你在人们刚学会用工具之前就追问每一个 token 的 ROI，你永远等不到采纳。我们给了人们探索的空间，同时明确预期：回报来自复利，不来自第一天。
  2. 砍掉 token 上限和访问限制。不设使用上限，不按角色分级访问，不存在「你不是工程师，你不需要这个」。每个人拿到同样的工具、同样的模型、同样的访问权限。最让我们惊讶的那批人，恰恰是在传统审批流程下我们永远不会给他们访问权的人。
  3. 移除连接器上的每一个 IT 瓶颈。一个 AI Agent 的有用程度，就是它能访问多少东西。如果你的人要提一张工单，等 IT 两周才能审批一个 Salesforce 连接或 Snowflake 集成，他们会失去势头，再也不会回来。我们预先接好了 30+ 工具——Salesforce、Snowflake、Gong、Slack、Notion、Google Workspace、Figma——所以当一个人打开 Glass 时，一切已经就绪。一次 SSO 认证，就能开始工作。

下面这笔成本账，应该能为任何一个 CFO 重设这场对话的框架：我们付给员工很多钱。今天，每个员工的 token 消耗连他工资的两位数百分比都远远谈不上。但如果一个人用 AI 生产力翻了一倍，你应该愿意把他整份工资再花一份在 token 上。如果你有能做一个人 10 倍工作量的 Agent，为什么不愿意为它花这个人两倍的钱？

看着它复利

我们起手时的战略并不比大多数公司更高明。我们可能只是起始条件更好一些：一种奖励速度和主动性的文化、一批不等许可就动手的人、一群因为知道这对客户好而愿意押大胆赌注的领导层。

在缺一个宏大计划的情况下，我们就是直接开始。我们持续构建工具、持续抬高门槛、持续投资数据和 AI 基础设施、持续创造让人们可以「炫」起来的舞台。每条线各自复利。当它们互相强化的时候，曲线开始垂直上扬。

我们现在处在 AI 的最最早期。作为一名领导者，你的工作是给团队赋予超能力，并让他们相信自己。剩下的一切都会自然而来。

geoffintech_572377_4

最重要的一课也是最简单的一课：开始就好。

我们在所有职能里都在招 builder。如果你想在这样一个地方工作——非工程师交付生产代码、内部工具的保质期以周计、没人觉得这有什么奇怪——那就来 Ramp，和我们一起构建吧。

感谢 @bleviathan 对本文的合作。