在企業數位轉型的浪潮中，許多公司將人工智慧視為單一的產品功能，而非核心的運作方式。然而，全球領先的商用通訊服務商 RingCentral 採取了不同的策略。這家年營收超過 26 億美元、擁有數千名員工的大型企業，正試圖將其內部工作流程徹底轉化為 AI-native 模式，也就是將 AI 深度整合進從工程開發到營運管理的每一個環節，而非僅將其視為外部工具。
背景與 AI-native 的核心挑戰
RingCentral 的目標是打破技術門檻，讓公司內的所有員工，無論是否具備深厚的工程背景，都能參與到產品的創新與基礎設施的建構中。為了達成這個目標，公司由執行長辦公室發起了一項名為 AI-Native Challenge 的挑戰賽。該計畫的核心在於提供所有參與者 ChatGPT Work 以及 Codex，後者是一個專為程式碼生成與處理而設計的 AI 模型，能將自然語言指令轉化為可執行的程式碼。
這次挑戰賽與傳統的黑客松或編碼競賽不同，它並不強制要求特定的工作流程或技術限制，而是要求參與者利用 AI 完成一個完整的端到端專案。這意味著參與者必須經歷從初步規劃、實作開發、測試驗證、撰寫文件，到持續整合與持續部署（CI/CD，即自動化地將程式碼整合並部署到生產環境的流程），以及後續的迭代優化。這項實驗旨在將員工沉浸在完整的 AI 原生開發生命週期中，測試 AI 如何改變產品從想法到上線的速度。
AI 驅動的開發模式與產品加速
挑戰賽的結果顯示，幾乎每位參與者都成功建立了可運行的儲存庫，甚至包括非技術人員與高階主管。這證明了 AI 能夠極大地壓縮開發週期。對於 RingCentral 而言，這種內部實驗直接對接到了其產品線的開發。公司將 Codex 驅動的開發方法應用於其 AI 產品組合，包括 AI 接線生（AIR）、AI 虛擬助手（AVA）以及 AI 對話專家（ACE）等 Agentic Voice AI 產品。
這種模式的核心邏輯在於縮短想法與功能交付之間的距離。在傳統開發中，從需求分析到程式碼實作需要經過漫長的溝通與編寫過程，但在 AI-native 的模式下，AI 承擔了大量的重複性編碼與基礎結構建構工作。然而，RingCentral 強調，AI-native 並非要取代工程師，而是起到放大作用。人類在其中扮演的是關鍵的引導角色，負責定義產品需求、提供業務情境、做出架構決策，並對最終結果進行測試與驗證。
從工程到營運：PMO 的轉型實踐
AI 的影響力並不侷限於工程部門。RingCentral 的計畫管理辦公室（PMO，負責協調多個專案進度與資源的部門）將 ChatGPT Work 轉化為一套專屬的計畫管理作業系統。過去，PMO 的工作往往分散在零碎的筆記、聊天紀錄與多個追蹤工具中，導致資訊碎片化且同步困難。
透過 AI 工作流，PMO 團隊將分散的上下文資訊整合為可執行的動作。最顯著的應用在於自動化狀態報告。他們利用 AI 串接 Jira（專案追蹤工具）、Google Sheets 以及 CRM（客戶關係管理系統）等多元數據源，自動生成通知與進度報告。這將會議的性質從詢問「發生了什麼事」轉變為「針對已定義的阻礙、負責人與行動方案進行決策」。這種從手動協調到 AI 自動化驅動的轉變，讓 PMO 能夠在保持高準確度的情況下，同時管理更多複雜的專案。
實務意義與組織限制
RingCentral 的經驗表明，當一家公司將 AI 工具普及到每位員工手中時，整間公司實際上就變成了一個產品組織。這種轉型不僅提升了個體的技能，更在無形中構建了公司運作的新基礎設施。
然而，這種模式的成功依賴於公司文化對實驗的容忍度以及對工具的全面開放。AI-native 的實踐並非單純安裝軟體，而是需要重新定義人類與工具的協作關係。限制在於，AI 雖然能加速產出，但無法替代對業務邏輯的深度理解與最終的品質把關。如果缺乏強有力的監督與驗證機制，AI 產出的快速迭代可能會帶來潛在的技術債或品質風險。因此，保持人類在環路中（Human-in-the-loop）的決策權，是確保 AI 效能轉化為商業價值的關鍵。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。