RingCentral 的 AI 原生转型：从全员挑战赛到运营中枢，一家企业如何重塑工作流

在商业通信领域深耕近三十年后，RingCentral 已成长为年收入超过 26 亿美元的全球性企业。如今，这家公司正试图将过去的创新传统延伸至 AI 时代，其核心策略并非简单地采购工具，而是通过一场全员参与的实验，让 AI 深度嵌入从代码开发到项目管理的每一个环节。

打破工程壁垒：一场没有约束的 AI 挑战赛

RingCentral 的 AI 原生转型并非始于顶层设计，而是源于一场名为 AI-Native Challenge 的内部活动。由 CEO 办公室直接赞助，这家公司向所有参与者发放了 ChatGPT Work 和 Codex 的访问权限，并提出了一个看似简单的要求：构建一个完整的端到端项目，且不设定任何强制工作流。

从结果来看，这不仅仅是一场编程竞赛。参与者被要求经历从规划、实施到测试、文档编写、CI/CD 以及迭代的完整生命周期。令人意外的是，几乎每位参与者都创建了可运行的代码仓库，甚至包括非技术背景的员工和高管在内，数千人交付了可运行的项目。从 RingCentral 的视角看，这一挑战验证了一个核心假设：当 AI 工具被普及到全员时，公司整体就变成了一台产品机器，想法与上线功能之间的距离被急剧压缩。

该公司总裁兼首席运营官 Kira Makagon 对此评论道，当真正的 AI 工具交到每个人手中，整个公司都变成了产品组织，其旗下的 Agentic Voice AI 产品组合（包括 AIR、AVA、ACE）也因此变得更加锋利。

从代码仓库到运营中枢：PMO 的日常革命

如果说挑战赛展示了 AI 在工程领域的潜力，那么 RingCentral 的项目管理办公室（PMO）则证明了 AI 原生工作方式在非工程部门的巨大价值。PMO 团队利用 ChatGPT Work 构建了一个相当于项目管理操作系统的工具，取代了过去分散的笔记和聊天记录，实现了状态跟踪、报告生成、发布治理和知识转移的 AI 驱动工作流。

一个典型的应用场景是自动化的状态报告。过去，项目经理需要手动汇总来自 Jira、Google Sheets、CRM 等不同系统的信息，而现在，PMO 团队通过 ChatGPT Work 构建的工作流，能够自动生成基于这些数据源的通知。正如 RingCentral 研发效率高级经理 Vaneet Seth 所言，ChatGPT 将项目背景信息汇聚在一起，并能将背景转化为行动和执行。这种转变的实质是：员工走进会议室时，不再是去询问发生了什么，而是带着已定义的阻塞项、负责人和下一步行动进入决策流程。

这一从开放邀请实验演进而来的系统，如今已成为 PMO 团队运行项目的运营支柱。通过减少手动协调，ChatGPT Work 使得 PMO 能够以更高的准确性处理更多项目。

人机协作的边界：AI 不是替代，而是增强

在 RingCentral 的转型案例中，一个容易被忽视的关键点是 AI 与人类角色的重新定位。主导该项目的工程负责人指出，AI 原生开发最清晰的教训是：它并非关于替代工程师，而是关于放大工程师的能力。AI 加速了整个开发周期，但人类依然处于环路之中，负责引导产品需求、提供业务背景、做出架构决策，并确保每个结果都经过测试和验证。

这种理念与当前行业内的主流观点不谋而合。根据 OpenAI 官方关于企业应用的案例研究，企业采用 AI 的核心价值在于压缩从创意到落地的距离，而非简单地削减人力成本。

从工程到运营，RingCentral 的模式揭示了一个更普遍的规律：给予员工尝试 AI 的空间，不仅能够提升个人技能，更能构建企业赖以运行的底层基础设施。这种自下而上的创新路径，与那些仅由 IT 部门主导的 AI 部署相比，往往具有更强的组织渗透力。

国内视角：AI 原生企业文化的落地差异

RingCentral 的案例为中国企业提供了一面镜子。在国内，类似的全员 AI 实验也在悄然兴起。例如，字节跳动的豆包、阿里的通义千问以及百度的文心一言，都在尝试通过内部工具普及来提升组织效率。但与 RingCentral 强调的"无约束挑战赛"不同，国内企业更倾向于在特定业务场景中先进行小范围验证，再逐步推广。

值得注意的是，国内的大模型厂商如 DeepSeek 和智谱 GLM 在代码生成和 Agent 任务执行方面也展现出了强劲实力。对于中国的 CIO 和 CTO 而言，关键在于如何借鉴 RingCentral 的"全员赋权"思路，同时结合国内数据合规要求，构建符合自身组织文化的 AI 原生工作流。

结语

RingCentral 的案例表明，AI 原生的转型并非一蹴而就的技术升级，而是一场涉及组织行为、人才技能和工作流程的系统性变革。当一家拥有数十年历史的通信巨头愿意放下身段，让数千名员工在 AI 的辅助下自由构建时，其产生的组织学习效应，远比任何单一的技术采购都更具战略价值。

对于正在探索 AI 落地的企业而言，RingCentral 的经验或许可以提炼为一个简单的公式：给予工具、放开约束、容忍试错，然后静待组织内部的创新涌现。

常见问题

RingCentral 的 AI-Native Challenge 具体是什么？

RingCentral 由 CEO 办公室赞助的一项内部竞赛，为所有员工提供 ChatGPT Work 和 Codex 权限，要求他们构建完整的端到端项目，无强制工作流约束，旨在培养全公司的 AI 流利度。

ChatGPT Work 在 RingCentral 的 PMO 部门如何应用？

PMO 团队利用 ChatGPT Work 构建了自动化状态报告和项目管理操作系统，整合 Jira、Google Sheets 等数据源，自动生成通知和报告，减少手动协调工作。

AI 原生开发是否会取代工程师？

不会。RingCentral 的经验表明，AI 的作用是放大工程师的能力，加速开发周期，但人类仍需负责需求定义、架构决策和结果验证。

RingCentral 为什么要推动全员使用 AI 工具？

其核心逻辑是压缩从创意到上线功能的距离。当全员具备 AI 能力时，公司整体变成产品组织，产品迭代速度和质量都会显著提升。

国内企业能复制 RingCentral 的模式吗？

可以借鉴其全员赋权和实验文化的思路，但需结合国内数据合规要求和企业自身组织文化，在特定场景中先进行小范围验证。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。