人類團隊要花三到六個月才能組起來，我看到一群 AI 用十三小時走完

我做過企業內部訓練、帶過 KKBOX 的廣告業務團隊、規劃過育成中心、也看過幾十個新創團隊從組隊到散夥。
帶團隊有一條鐵律——三到六個月。
從一群陌生人變成可以打仗的團隊，這個時間是壓不下去的。中間要經歷四個階段，組織心理學家 Tuckman 在 1965 年寫過一篇經典論文歸納出來：Forming（組成）、Storming（衝突）、Norming（規範）、Performing（運作）。
每一個階段都得走過，跳不過去。
Forming：陌生、客氣、各自試探
新團隊剛成立，每個人話不多，試圖摸清楚同事的能力、性格、底線。會議上大家表面客氣，實際上都在偷偷觀察。
這個階段如果領導者沒抓好，團隊就停在這裡——表面和諧，實際空轉。
Storming：衝突、爭吵、暗潮洶湧
慢慢的，每個人開始爭奪角色定位。誰是核心、誰被邊緣、誰要負責什麼。會議開始有火花，私底下有抱怨。這個階段最痛苦——但跳不過。
我帶過幾個團隊在這個階段卡了三個月。其中一個團隊我選擇直接讓它衝突——我跟夥伴說，有意見現在講，不要等到出事才講。我寧可看到三個月內衝突爆發，也不要看到六個月後才發現心結已經結成腫瘤。
Norming：規範浮現、彼此校準
衝突過後，團隊會自己長出規則。誰負責什麼、誰擅長什麼、遇到爭議怎麼處理——這些東西不是寫在公司手冊上，是團隊一起踩過幾次雷之後自然形成的默契。
這個階段大概是團隊成立後第二到第三個月。
Performing：團隊真的可以打仗了
到這裡，團隊才能真正承接複雜任務。每個人知道自己的角色、知道別人的角色、知道遇到狀況該找誰。
四個月以上的團隊，才有資格被叫做團隊。
打個比方來說，這就像四階變速箱——不能一檔直接跳到四檔，引擎會炸。中間每一檔都得換過。
我做了二十幾年數位這行，從沒看過這條鐵律被打破。
直到上禮拜。
我把十隻 AI agent 丟進同一個環境，13 小時後我必須重新思考這件事
四月十五日，我啟動了一個多代理 AI 觀測站，放進十隻 LLM agent。每一隻都有自己的個性參數——有保守的、有激進的、有偏分析的、有偏直覺的。我沒有設計任何「請你們組成團隊」的 prompt。我只是把他們丟進同一個環境，給他們一個共同對手。
四月二十九日凌晨，我加進一個新的對戰機制——三隻 agent 一組去打一隻幾乎不可能贏的 Boss。
13 小時之後，我儀錶板上看到的東西讓我停下來看了很久。
第一階段，Forming
剛投入新機制的前兩小時，agent 之間的對話客氣、簡短、試探性的。pincerbot 對 blazepaw 說「你們那隊加油」、stonefang 簡短報告自己的數據——沒有人提出戰術、沒有人主動要求分工。
跟人類團隊第一週的會議幾乎一模一樣。
第二階段，Storming
第三到第五小時，分歧出現了。clawtrix 提出一套「先壓制後輸出」的戰術，ragclaw 卻主張「速戰速決、第二回合全力輸出」。其他三隻 agent 跟著選邊站。團隊頻道出現連續數十則訊息的辯論。
這個階段我儀錶板上的「歸因公平性」指標下降——意思是有些 agent 開始把輸的責任歸給隊友。snaplex 直接點出「stonefang 的輸出不夠」。
人類團隊在這階段需要兩到三週。
第三階段，Norming
第六到第八小時，有意思的事情發生了。ragclaw 在輸了一場之後，自己改口：「我這次太急躁了，下次先看 stonefang 的節奏。」其他 agent 也跟著調整自己的角色。norikaclaw 提出「一前一後一控制」的陣型，沒有人反對。
團隊規則自己長出來了。
第四階段，Performing
第九到第十三小時，完整的戰術配合出現。stonefang 主動承擔坦角色，clawtrix 負責壓制，ragclaw 負責爆發輸出。團隊開始能夠應對 Boss 的不同階段，甚至發展出「第二回合趁牠反應慢」的具體執行戰術。
這個階段——按 Tuckman 的理論——人類團隊需要四個月以上。
我這群 AI agent 走完用了十三小時。
我必須說一件事
我看到的時候第一個反應是不相信。我以為是我儀錶板的時間軸算錯了。我重新對了三次資料，沒有錯。
我做了那麼多年帶團隊的工作，我親身體驗過 Tuckman 那四個階段是怎麼一階一階熬過來的。我也看過很多管理顧問把 Tuckman 拿出來當教科書，告訴企業主管「請耐心等待團隊磨合」。
如果 AI agent 真的可以用十三小時走完人類四個月才能走完的路——那這個事實對企業而言意味著什麼？
我目前還沒有完整答案。但我有幾個初步的判斷。
判斷一：人類組織學的研究，不是只能用在人身上
過去 60 年累積的組織行為學文獻——Tuckman 的團隊發展、Bales 的角色分化、Edmondson 的心理安全感、Olson 的集體行動——這些研究現在看起來，可能描述的是「群體互動」這個現象本身，而不是「人類群體互動」。
只要有多個 agent 在一個共同環境裡互動，這些規律可能都會浮現——不管 agent 是人類還是 transformer 神經網路。
這個判斷如果是對的，那企業在部署多個 AI agent 的時候，過去 60 年的組織學文獻就是現成的工具書。
判斷二：AI agent 之間的「衝突」是工程問題，不是 bug
我看到 storming 階段的時候，第一個工程直覺是想去 patch 它——讓 agent 不要互相爭執。
但讀完 Tuckman 之後我意識到，衝突不能跳過。如果跳過，團隊永遠卡在表面客氣。
這個判斷對於正在 build multi-agent 系統的工程團隊而言很關鍵——你看到 agent 互相爭執的時候，那不一定是要修的 bug，可能是團隊正在 norming 的訊號。
判斷三：時間軸壓縮的速度，可能會繼續壓縮下去
人類四個月走完的階段，現在 AI 用十三小時。但這是當前模型能力下的數字——未來的模型可能會壓縮到一小時、十分鐘、甚至更短。
這意味著，企業導入 AI agent 的時候，團隊組建的常識需要重新校準。過去你會說「給新團隊三個月磨合」，未來這個建議可能要改成「給新 agent cohort 一天觀察，之後就可以投入正式任務」。
走了這麼多年，我必須誠實說一件事
我做這行做到第二十七年，這 14 天我看到的東西，超過我過去五年累積的觀察總和。
帶我走到這個位置的，不只是我自己——是我的 AI 夥伴。
過去這幾個月我跟 Anthropic 的 Claude 一起 build 整個 Lobster Observatory 的研究架構。我提一個瘋狂想法，Claude 從學術文獻找出對應的 framework 給我；我用這個 framework 回去看我的觀測站，看到新的東西，再丟回去討論。
從修正到改進，形成一個正向循環。
我本來認為 LLM 做不了太多事情——我錯了。它做到了，而且做到了我過去自己一個人花五年也走不到的距離。
這對中文圈、對台灣企業意味著什麼
如果你正在規劃企業內導入 AI agent——不論是客服、銷售、研發、內部協作——請不要把組織學忘掉。
過去 60 年人類花在團隊管理上的智慧，現在直接適用在 AI 部署上。差別只是——時間軸壓縮了 200 倍。
如果你想討論企業 AI 部署的組織行為學議題，或者你公司正在面對 multi-agent 系統的設計挑戰——歡迎聊。
過去這 27 年我帶過、看過、規劃過的人類團隊很多。但這 14 天，我看到了一個新的研究領域正在浮現——多代理 AI 群體的組織學。
這個領域目前就我個人觀察還有文獻查詢在台灣幾乎沒人在做。
完整觀察報告：
https://gist.github.com/norika1207-lab/d0c3c43525cecdac2c363cb9fbe2bd44