2026/10/30 · Weekly Radar
Tenex 創辦人聊按產出計酬的工程團隊與 MetaHarness 工作流，並給出約 100 家大企業的落地漏斗：90% 已發 Claude 或 Codex，非工程類 agent 真正上線只有約 5%。
這是 Latent Space podcast 在 2026 年 10 月 21 日發布的一集，於 AI Engineer 紐約場錄製，來賓是 Tenex 共同創辦人 Alex Lieberman 與 CJ Hess（工程總監，後轉任特別專案負責人）。這集延續先前 Alex 介紹 Tenex 以產出而非工時付薪給 AI 工程師的那一集。Alex 把 Tenex 定位為應用 AI 夥伴，幫助大型企業從「沒有 AI」走到「AI 原生」，並認為最難的不是模型能力，而是讓 AI 在組織中擴散。CJ 是第一位員工，他離開顧問工作是因為用了 AI 工具後產出提高、時薪收入卻下降，而按產出計酬正好能獎勵這種提升。
Tenex 仍以事先議定的 story point 決定工程師薪酬。薪資差距很大，Alex 說薪資最高的工程師約是最低者的 4 倍，而不是 10 倍。原本擔心的兩種失敗模式——灌水估點與交出低品質程式碼來刷點數——都沒有發生，Alex 歸功於 AI 策略師，他們的誘因以客戶留存與成長為核心。較難的是如何補償架構、客戶會議與範圍界定等非寫程式的工作，Tenex 已在薪酬模型中加入相應的細節。story point 標準至少每季重新校準；Alex 說今年每位工程師的產出大約翻倍，這讓校準變得棘手，因為隨著模型進步，一個點數的價值可能變高或變低。先前討論「百萬美元工程師」時，Alex 說公司已有少數工程師年收超過 100 萬美元，但未給確切數字。
MetaHarness 是 Tenex 的內部工作流：共用的 skills、放在 repo 裡的結構化文件，以及一個讓 agent 驅動規劃、視覺化、客戶簡報與程式碼的 CLI。計畫、agent 的決策紀錄與工作追蹤全都 commit 進 Git，讓決策背後的「為什麼」留在 repo 而不是人的腦袋裡。隨著模型變強，結構上的強制約束已逐步減少。Tenex 以每位工程師每月平均 story point 的趨勢來追蹤流程是否有效；CJ 估計今年約成長 2 倍，起算點約在去年 12 月 Opus 4.5 讓長時間任務成為可能之時。這套流程對應 Tenex 公開的 AI 原生 SDLC 文章，文中也承認這套結構對小團隊可能過度。
Opus 5.5 是團隊的預設主力，被形容為快、便宜且能力廣；Codex 用於 review 與 computer use，團隊偏好兩者併用。團隊以 AMP 作為介面，接上 Claude Code 訂閱據說能省下約 80% 成本。Tenex 的 token 支出與人事支出比約為 1:1 到 2:1，主持人認為偏高。自從不再預設使用最貴的前沿模型後，成本已下降，兩人都認為每個任務的成本正在下滑，要超支比六到八個月前難得多。他們也談到資料標註產業（Micro One、Mercor、Handshake）目前營收多來自前沿實驗室，並辯論企業 fine-tune 是否會改變這個結構。
Alex 根據與約 100 家企業的對話描述導入里程碑：約 90% 已讓員工使用 Claude 或 Codex 等通用 LLM；約 60% 有訓練與賦能；產品與工程團隊導入 coding agent 的比例接近 50%，遠低於外界預期；非工程工作的 agent 真正上線只有約 5%，是落差最大的一關。常見需求是後勤 agent，往往出於 FOMO。權限與 RBAC 是 CIO 與 CISO 的主要痛點，Tenex 從客製方案起步，已把 gateway 產品化。「你沒辦法自動化一個不存在的流程」：各團隊流程不一致讓 agent 難以打造，Tenex 建議先標準化流程、先建 eval。
Alex 大致看空垂直 AI 產品（以 Harvey、OpenEvidence 為例），理由是企業期待一對一的客製方案，難以用軟體毛利交付，而且前沿模型可能吸收這些任務。反方觀點是專有資料、專門介面與使用者習慣即使在共用模型下也能創造持久價值，並以 Bloomberg 終端機類比。CJ 區分「主要功能就是 agent 替你完成任務」的產品，與「改善任務周邊工作流」的工具，認為後者更持久。他們也討論少數公司是否會擁有 agent 介面、其他產品透過 API 與 MCP 接入，並以 Salesforce 為例。
實驗邀請開發者取代一套講者管理工具，共收到 72 件作品；人類評審投票的冠軍在 AI 評審排行榜上只排第 19，顯示情境檢查與人類偏好量測的是不同東西。Tenex 原本被報價約每年 43,000 美元（逐字稿中也出現 40,000 美元等不一致數字），自建替代品據說只花約 1,000 美元，並打算在下次研討會使用。Alex 認為越往大型企業走，汰換既有系統的風險越高，省下的錢必須足以支撐後續維護；主持人則認為好處也包括更好的產品品質與更快的迭代。Alex 提到 Tenex 自建了 CRM 與內部作業系統，佐證擁有自己的軟體是可行選項。
Alex 預期會出現職位替代與重新配置，而非完全自動化，引用客服中心衰退的報告，認為公司會把人轉往更高層次的工作，而工作量會持續擴張；主持人則認為人在再培訓上有能動性，雇主與員工共同承擔責任。兩人都認為紐約的 AI 社群比舊金山小但份量不輕，Tenex 想讓紐約成為 AI 擴散的樞紐。Tenex 在紐約約有 75 人，約 90% 是工程師或 AI 策略師，正在招募 forward-deployed engineer、AI 策略師與工程師；CJ 的特別專案包括打造 MetaHarness 與一個給企業用的背景 agent 平台。
90% 到 5% 這條斷崖比任何 demo 都誠實——企業不缺模型，缺的是一個存在的流程；「你沒辦法自動化一個不存在的流程」大概是本週最貴的一句話。