长期以来，企业生产力一直以“工作了多少”和“有多少人在工作”来评估。但如今，仅靠扩大人力和组织重组已难以像过去那样取得成效，有观点指出，现在需要改变的并非工作量本身，而是“工作流转的方式”。
Atlassian 将软件团队在过去 20 年间打磨出的“开发者体验”原则，作为提升整体生产力的解决方案提出。Atlassian 的客户首席技术官 Andrew Boyagi 在近期的活动中解释道，企业若想快速行动，并非简单地处理更多工作，而应构建一个能让优先级、知识和决策在整个组织中自然传递的结构。
他将决定企业生产力的流转归纳为四种：“目标流”、“工作流”、“知识流”和“智能流”。他强调，其中最重要的要素之一是“目标流”。这意味着管理层的战略、优先级及其背景信息必须准确传达至一线团队，成员才能理解自己工作的重要性，人工智能（AI）也才能沿着正确的方向运行。
Boyagi 认为，在目标流薄弱的企业中，AI 反而可能加剧问题。因为团队即使工作更快，也可能只是更快地处理了不重要的事情。他表示，只有具备强大的目标流，AI 才能超越单纯的速度工具，为创造实际价值做出贡献。
威廉姆斯车队，全公司应用的试验场
Atlassian 将与威廉姆斯车队（Williams Racing）的合作视为这种方法的典型案例。Atlassian 作为威廉姆斯车队的官方冠名及技术合作伙伴，正将自身的协作体系植入其整个组织。一级方程式（F1）赛车环境被视为企业生产力实验的“极端模型”，因为所有决策都基于数据、每周都要求性能提升、信息传递的失败会立即体现在比赛结果上。
Boyagi 指出，阻碍软件组织的问题在其他部门也会重复出现。如果优先级不明确，或必要信息分散在电子邮件、电子表格和个人头脑中，那么 AI 也只能给出缺乏上下文的泛泛之答。
为解决此问题，Atlassian 表示已协助威廉姆斯车队将知识文档化并集中存储，从而使得分散在组织各处的信息在实际工作场景中更容易被获取。这个存储库使用的是 Atlassian 的协作平台“Confluence”。
AI 更像是“同事”而非替代者
Boyagi 认为，关于 AI 是否会取代人类工作岗位的提问本身就已经偏离了核心。开发组织在过去 20 年间，已逐步吸收了测试、云、基础设施等原本由独立团队负责的职能，并因此成为组织内最高产出的群体。这并非仅仅因为他们擅长编码，而是因为他们将结构化的工作系统内化于心。
同样的原则也适用于市场营销、财务、运营等其他部门。然而，前提条件很明确：企业不应只看“产出了多少”，而应衡量“多快、多准确地传递了价值”。
他表示，传统的生产力定义——“单位时间的产出量”——已不再充分。像代码行数或 AI Token 使用量这类指标与实际商业价值相去甚远，他强调企业应关注的不是产出物，而是整个价值传递链条。
生产力的标准，从产出量转向价值
此番言论表明，在 AI 应用日益普及的当下，企业衡量生产力的标准正在发生变化。其含义是，并非引入 AI 就能立刻产生绩效，而是必须将组织设计成让战略、知识和执行能够同向流动的形态。
归根结底，核心不在于做更多的事，而在于构建一个“能更快、更准确地完成重要事情的结构”。Atlassian 提出的基于开发者体验的生产力模型，能否超越 F1 这样高压的环境，适用于普通企业，备受关注。
TP AI 注意事项 本文基于 TokenPost.ai 语言模型进行摘要。正文主要信息可能存在遗漏或与事实不符的情况。