[控场AI]
· 4 分钟阅读· 2,187 字

Revolut如何用AI精简团队挑战更大任务

Revolut如何用AI精简团队挑战更大任务

Revolut与OpenAI合作,用自主代理和Codex实现精简团队高效交付。

Revolut与OpenAI的合作展示了“小而精”团队如何借助AI代理重新分配工作。网络安全团队将交易筛查、监控和初始调查交给金融犯罪代理,在GPT-5.5时期跨过智能与成本门槛,此前需3到4小时的清理工作现可自主完成。内部代码审查服务由单个工程师借助Codex和多个代理构建,编码时间减少30%到60%,信息查找时间大幅下降,交付速度可达市场常规标准的约3倍。团队负责人指出目标在变高但更可达成,成功标准不止于速度,更在于决策质量与系统韧性。精简团队的关键在于把重复性流程交给代理,人力聚焦决策判断与系统设计。

金融科技公司Revolut与OpenAI的合作,为“小而精”的团队模式提供了一个值得拆解的样本。来自YouTube的这段分享,没有停留在“AI提效”的口号上,而是给出了具体到岗位、流程和决策质量的一线观察。

网络安全:从人工筛查到自主代理

Revolut网络安全团队的目标很明确——保护公司和客户。与OpenAI合作后,他们能够第一时间接入最新的前沿模型,每一代模型都带来此前认为不可能的能力。

其中最具代表性的落地是“金融犯罪代理”(Fin Crime Agent)。这是一个自主代理,负责交易筛查、监控和调查。团队把初始调查和筛查工作交给代理,并为其配置了一套“硬盘”式的工具与数据权限,让它能独立处理大部分流程。

初始调查与筛查交给代理

转折点出现在GPT-5.5时期。团队开始觉得,模型的智能水平与成本达到了可接受的程度,足以将初步调查委托出去。此前清理规则、来源和工具的“脏活”往往要花上3到4个小时,现在代理可以自主完成这些调查环节。对客户而言,这直接转化为更强的保护和更可信的系统韧性。

但团队对成功的定义并不止于“更快”。他们更看重决策质量:更早发现真正重要的问题,并持续把学到的东西沉淀为更安全的平台。

成功不只是跑得更快

自主代理(Autonomous Agent) 指的是能够感知环境、做出决策并执行动作以达成特定目标的人工智能系统,与仅根据单次提示生成回复的聊天机器人不同。在金融犯罪场景中,代理需要调用多种工具(如数据库查询、规则引擎、风险评分模型),并在多步推理中自主规划路径。Revolut为其配置的“硬盘”式工具与数据权限,实际上是为代理划定了可访问的数据边界和可执行的操作集合,这既保证了代理能独立完成大部分流程,也通过权限隔离控制了风险。代理的自主性程度通常分为半自动(人类审批关键步骤)和全自动(端到端执行),文章中的金融犯罪代理属于后者在初始调查环节的应用。

内部工具开发:一个人就是一支队伍

Codex在Revolut内部的使用同样值得关注。一位工程师在构建内部代码审查服务时,把Codex作为主要工具。他的体会是:不需要一整队开发者,只要启动不同的代理、给每个代理分配特定任务,然后等待实现即可。

不需要一整队开发者

这种工作方式带来的变化是容量层面的。随着团队在日常工作中更多使用Codex,编码时间减少了30%到60%,人们在不同知识库中查找信息的时间也大幅下降。团队由此认为,交付速度可以达到市场常规标准的约3倍,而且这种情况经常发生。

Codex 是OpenAI开发的代码生成模型系列,能够根据自然语言描述或现有代码上下文生成、补全和修改代码。在Revolut的案例中,工程师将Codex作为主要工具构建内部代码审查服务,其工作模式并非让Codex一次性生成整个服务,而是通过启动多个代理、为每个代理分配特定任务(如生成某个模块、编写测试、审查代码风格)来并行推进。这种“代理编排”方式降低了对团队规模的依赖,但要求工程师具备清晰的任务拆解能力和对生成结果的审核能力。编码时间减少30%到60%的统计,通常涵盖从需求理解到代码提交的端到端时间,而非单纯敲键盘的时间。

目标在变高,但变得可实现

一个容易被忽略的细节是管理层面的连锁反应。团队负责人提到,月复一月,给团队设定的目标都在变得更激进,但同时也更可达成——标准在往上走,而AI让这种上移成为可能。

查找信息的时间大幅减少

这背后有一个朴素但重要的判断:AI改变了一切做事方式,这句话或许有些老套,但确实发生在每个环节。真正稀缺的不再是人力堆叠,而是把任务拆解清楚、把代理编排好的能力。

精简团队模式的启示

Revolut的案例说明,精简团队挑战更大任务的路径并非简单裁员或压榨效率,而是重新分配工作:把规则清晰、重复性高的调查与筛查交给自主代理,把人的精力留给决策判断和系统设计。代价是前期需要投入精力做标准化和工具配置,收益则是响应速度和决策质量的双重提升。

对于同样在探索AI落地的团队,这个样本的价值在于它展示了一条可复制的思路——先找到流程中“耗时但逻辑明确”的环节,再评估模型智能与成本是否跨过可用门槛,最后用代理承接执行、用人把控结果。

“小而精”团队模式 在AI语境下指的是团队规模不随任务量线性增长,而是通过将规则清晰、重复性高的环节交给AI代理,使少量人员能够覆盖更大范围的工作。这种模式与传统的“人月神话”逻辑相反——它不依赖增加人力来缩短工期,而是重新划分人与代理的职责边界。其可复制性的前提包括:流程中存在足够多“耗时但逻辑明确”的环节、模型智能与成本跨过可用门槛、团队具备将任务拆解为标准指令的能力。代价是前期需要投入精力做流程标准化、工具配置和权限设计,收益则体现在响应速度、决策质量和系统韧性上。这一模式对金融、法律等规则密集行业尤其具有参考价值。

分享:

相关推荐