EP129：（lenny播客）Block 如何转型为全球最 AI Native的企业

在大多数企业还在争论 AI 是否过度炒作时，Block（原 Square）已经通过内部自研的 AI Agent "Goose" 实现了惊人的效率提升。本期节目，我们邀请到了 Block 的首席技术官 Dhanji R. Prasanna，深度解析这家金融科技巨头如何转型为 AI 原生企业。

Dhanji 分享了 Block 如何通过组织架构重组（从 GM 结构转为职能结构）来打破部门壁垒，为 AI 的全面落地铺平道路。最令人兴奋的是，他详细介绍了基于开源协议 MCP 构建的 Goose——这不仅仅是一个聊天机器人，更是一个能操作数据库、编写代码、甚至自动优化日程的智能体。目前，Block 的 AI 前沿团队每周能节省 8-10 小时的工作时间。

此外，Dhanji 还分享了他从 Google Wave、Google+ 到 Cash App 的职业生涯中汲取的宝贵教训，探讨了为什么“代码质量”往往与产品成功无关，以及为何初级员工和非技术人员反而是 AI 浪潮的最大受益者。无论你是正在探索企业 AI 落地的管理者，还是对 Agentic AI 感兴趣的开发者，这期节目都将为你提供一份来自一线的实战蓝图。

时点内容 | Key Topics

Block 的 AI 宣言与转型： Dhanji 如何通过一封致 Jack Dorsey 的信推动公司转型，以及为何将公司重组为职能型架构（Functional Org）是实现技术聚焦的关键。

Goose：企业级 AI Agent 实战： 深入介绍 Block 内部开源的 AI 智能体 Goose。它如何基于 MCP（Model Context Protocol）连接 Snowflake、Tableau 等工具，自动生成营销报告、编写代码甚至管理日历。

真实的 AI 效率数据： 尽管外界对 AI 生产力存疑，Block 的数据显示 AI 前沿团队每周节省 8-10 小时，全公司平均节省 20-25% 的手动工作时间。

非技术人员的 AI 赋能： 令人惊讶的发现——非技术团队（如风险管理、法务）利用 AI 构建工具的积极性和收益往往超过工程师，实现了从“等待排期”到“自主开发”的跨越。

代码质量的迷思： 结合 YouTube 和 Google Video 的案例，Dhanji 提出了一个反直觉观点：代码质量与产品成功几乎无关，过度追求架构完美反而可能阻碍价值交付。

Vibe Coding 与未来编程： 探讨从“乒乓式”对话编程到“自主式”异步编程的转变。未来，工程师可能在睡前布置任务，醒来后审核 AI 连夜完成的多个实验版本。

从小事做起（Start Small）： 无论是 Cash App、比特币产品还是 Goose，Block 的许多核心产品都源于黑客松或个人的小实验。

失败的教训： 回顾 Google Wave 和 Secret 等产品的失败经历，强调在产品开发中“接触地气”和验证核心假设的重要性。

给管理者的建议： 亲自使用 AI 工具（Get your hands dirty），不要只看报告；在某些情况下，最好的优化是质疑流程本身的存在必要性，而非用 AI 自动化它。