MooxAI: Wie ein Team von über zehn Mitarbeitern ein KI-natives Unternehmen aufbaut

„Jeden zweiten Tag eine neue Version.“

Elric Liu erwähnt dies nur beiläufig.

Am Vortag hatten wir gerade ein anderes KI-Unternehmen interviewt. Das fand, dass „eine große Version alle zwei Wochen“ bereits ein sehr schnelles Tempo sei.

Bei MooxAI wird dieser Zyklus direkt auf 2 Tage verkürzt.

Elric Liu ist der Leiter von MooxAI.

MooxAI wurde 2023 gegründet und ist ein KI-Unternehmen, das aus der Welle großer Modelle hervorgegangen ist. Es bedient hauptsächlich B2B-Szenarien und umfasst die KI-Implementierung in Großunternehmen sowie standardisierte KI-Softwareprodukte. Das Team zählt derzeit etwa zehn Personen und hat bereits die Gewinnschwelle erreicht.

Das Gründungsteam von MooxAI hat einen ausgeprägten B2B-Hintergrund. Elric arbeitete zuvor bei Feishu und befasste sich lange Zeit mit Unternehmenskunden und der praktischen KI-Anwendung.

Als er über die Organisationsweise sprach, erwähnte er wiederholt Transparenz der Informationen, Zusammenarbeitseffizienz, geschlossene Projektabläufe und Tool-gesteuerte Arbeit. Seine Erfahrung bei Feishu hat seine Einschätzung zu diesem Thema offensichtlich stark beeinflusst.

Das Unternehmen bietet derzeit zwei Arten von Dienstleistungen an.

Die eine Kategorie ist standardisierte KI-Software, die Produkte für Szenarien wie Inhaltserstellung und begleitendes Training entwickelt; die andere Kategorie ist die KI-Implementierung für Großunternehmen, die auf individuelle Anpassungen ausgerichtet ist und Einnahmen durch Großkundenprojekte und langfristige Kundenbeziehungen erzielt.

Das bedeutet, dass MooxAI nicht einfach nur ein KI-Tool entwickelt. Es integriert KI in echte Geschäftsabläufe, Systeme und Projektlieferungen in Unternehmen.

Diese Art von Geschäft kann nicht nur durch Demos als Präsentation funktionieren.

Die Anforderungen großer Unternehmen sind in der Regel komplexer und umfassen Geschäftsabläufe, interne Systeme, Berechtigungsstrukturen und Nutzungsgewohnheiten. KI kann die Entwicklungs- und Lieferungseffizienz verbessern, aber ob ein Projekt umgesetzt werden kann, hängt letztendlich davon ab, ob es echte Abläufe durchlaufen und echte Probleme lösen kann.

In dem einstündigen Interview erläuterte Elric die Funktionsweise des kleinen Teams von MooxAI.

Es ist noch keine endgültig gestaltete „KI-native Organisation“. Das Team ist klein, es gibt wenige Hierarchien, KI ist bereits in Forschung und Entwicklung, Projektmanagement, Vorverkauf und Lieferung integriert – aber wichtige Entscheidungen werden nach wie vor von Menschen getroffen.

01

Auch der Vorverkauf erstellt nun Demos

Bei MooxAI gibt es Abteilungen, aber sie sind nicht so streng getrennt wie in traditionellen Unternehmen.

Nach Elrics Angaben ist das Unternehmen grob in ein Technik-Team und ein Vorverkauf/CSM-Team unterteilt.

Die Technikseite ist für Produkt- und Ingenieurumsetzungen zuständig, die Vorverkaufs- und Kundenerfolgsseite für die Kundenkommunikation, die Anforderungsübernahme und die Fortschrittssteuerung der Lieferung.

Darunter werden keine vielen traditionellen Abteilungen mehr gebildet.

Tägliche Projekte ähneln stark „virtuellen Gruppen“.

Wenn ein Kundenprojekt hereinkommt, werden vorübergehend einige Personen zu einer Gruppe zusammengestellt. Wer besser die Leitung übernehmen kann, tritt nach vorne.

Derselbe Mitarbeiter kann in Projekt A eher im Vorverkauf, in Projekt B eher im Kundenerfolg und in einem weiteren Projekt an Produktentscheidungen beteiligt sein.

Elric ist der Ansicht, dass in KI-nativen Organisationen die Fähigkeitsgrenzen der Menschen zunehmend verschwimmen.

Früher sprachen Softwareunternehmen von Full-Stack-Entwicklern – das bedeutete meist, dass ein Entwickler sowohl Front-End- als auch Back-End-Code schreiben konnte.

Bei MooxAI wird dieses Konzept auf die Organisationsebene übertragen. Eine Person muss nicht alles perfekt beherrschen, aber sie darf sich nicht nur auf eine einzige Aufgabe beschränken.

Sie unterteilen die Positionen grob in drei Kategorien.

Die erste Kategorie ist „Technik + Produkt“. Technische Entwickler schreiben nicht nur Code, sondern verstehen auch die grundlegende Logik des Produkts. Viele Aufgaben, die früher von Produktmanagern aufgeteilt wurden, können technische Mitarbeiter nun teilweise direkt erledigen.

Die zweite Kategorie ist „Produkt + Betrieb“. Produktmitarbeiter entwerfen nicht nur die Produktstruktur, sondern verstehen auch die Betriebsszenarien und wissen, wie das Produkt schließlich wirklich von Kunden genutzt wird.

Die dritte Kategorie ist „Vorverkauf + CSM“. Vorverkauf und Kundenerfolg sind nicht mehr vollständig getrennt. Eine Person kann sowohl an der anfänglichen Anforderungskommunikation teilnehmen als auch die anschließende Lieferung und das Kundenfeedback begleiten.

Diese strukturelle Veränderung zeigt sich am deutlichsten im Vorverkaufsbereich.

Bei MooxAI erstellt der Vorverkauf nun selbst Demos für Kunden mit der Methode des Vibe-Codings.

Früher, wenn ein Kunde eine Idee vorbrachte, verstand der Vertrieb diese zuerst und leitete sie dann an das Produktteam weiter, das wiederum mit der Technik kommunizierte.

Mit jeder Übertragung ging ein Teil der Informationen verloren. Wenn das Demo schließlich fertig war, wich das, was der Kunde sah, oft schon von der ursprünglichen Anforderung ab.

Nun kann der Vorverkauf die Idee des Kunden direkt zu einem sichtbaren Prototyp machen. Es muss nicht das endgültige Produkt sein, aber der Kunde kann die Wirkung direkt wahrnehmen – die Kommunikationskosten werden stark reduziert.

Elric sagt, früher konnte der Vertrieb den Kunden nur Screenshots zeigen oder etwas mündlich beschreiben. Mit einem echten Demo ist das Erlebnis für den Nutzer völlig anders.

02

Ohne mittlere Führungsebene

Bei MooxAI gibt es fast keine mittlere Führungsebene.

Elric und ein weiterer Leiter bestimmen direkt die Gesamtausrichtung.

Produkt- und Technikrichtung werden hauptsächlich von Elric und dem CTO entschieden, der andere Leiter kümmert sich mehr um Betrieb und wichtige Kundenangelegenheiten. Wichtige Probleme werden gemeinsam besprochen, aber die meisten Entscheidungswege sind sehr kurz – denn KI senkt die Kosten für Fehlerversuche.

Früher musste man für ein Produktkonzept oft erst Anforderungen, Zeitplan, Entwicklungsressourcen und Opportunitätskosten bewerten. Heute können viele Ideen zuerst mit KI zu einem MVP umgesetzt werden. Ein oder zwei Tage, oder sogar ein halber Tag reichen, um das Ergebnis zu erstellen – das ist effektiver als endlos über die Machbarkeit zu diskutieren.

Elric sagt, solange ein Problem nicht sehr komplex ist, ziehen sie es vor, es zuerst umzusetzen und dann die Wirkung zu prüfen.

Dies verändert auch die Art der Organisationsverwaltung.

MooxAI führt wöchentlich eine Synchronisation durch, hauptsächlich um Informationslücken zu vermeiden. Alle Dokumente im Team sind nach Möglichkeit für alle zugänglich, und an Projektbesprechungen nehmen alle relevanten Mitarbeiter teil.

Elric ist der Ansicht, dass Informationssynchronisation nicht dazu dient, „transparenz zu zeigen“, sondern jedem hilft, schnellen Kontext zu erlangen.

Diese Vorgehensweise hat jedoch Voraussetzungen.

Elric gibt ebenfalls zu: Wenige Hierarchien bedeuten nicht unbedingt höhere Effizienz. Wenn Teammitglieder keine Eigeninitiative zeigen und keine mittlere Führungsebene den Prozess überwacht, können Probleme erst spät auftauchen.

Ob ein kleines Team flach organisiert funktionieren kann, hängt nicht nur von der Einfachheit des Organigramms ab, sondern vor allem davon, ob jede Person aktiv Informationen teilt, Aufgaben vorantreibt und für das Ergebnis verantwortlich ist.

Deshalb legt MooxAI bei der Einstellung Wert auf zwei Arten von Mitarbeitern: Die einen sind erfahrene Fachkräfte, die direkt Lücken im Geschäft schließen können; die anderen sind hochpotente Talente, die vielleicht noch nicht alles beherrschen, aber intelligent, motiviert und bereit sind, sich auszuprobieren.

Elric glaubt, dass KI das Erlernen vieler spezifischer Fähigkeiten beschleunigt.

Was eine Person heute bereits kann, ist nicht mehr so wichtig. Viel wichtiger ist, dass sie kontinuierlich lernt und aktiv mit KI Ergebnisse erzielt.

Bei Vorstellungsgesprächen achten sie besonders darauf, wie der Kandidat KI nutzt, welche KI-Tools er kürzlich verwendet hat, wie er sie einsetzt und ob er selbst schon etwas umgesetzt hat. Der Unterschied zwischen Personen, die nur von KI gehört oder es oberflächlich ausprobiert haben, und denen, die mit KI kleine Projekte realisiert haben, ist sehr deutlich.

03

80 % der Tokens sind noch übrig

Das Problem liegt bei den Menschen

In der Forschung und Entwicklung von MooxAI macht der Anteil des KI-gestützten Codings bereits über 90 % aus. Elric sagt, dass fast niemand mehr tatsächlich selbst Code schreibt.

Sie nutzen KI-Coding-Tools wie Claude Code und Codex und kombinieren sie mit Fähigkeiten großer Modelle wie Zhipu, um die Entwicklung durchzuführen.

Die Anforderungen stammen hauptsächlich aus zwei Quellen: Einerseits sind es allgemeine Anforderungen, die das Team selbst entdeckt, andererseits individuelle Anforderungen, die von Kunden vorgebracht werden.

Wenn nach der Umsetzung vieler individueller Projekte festgestellt wird, dass bestimmte Anforderungen allgemein nutzbar sind, werden diese zu Standardprodukten oder Modulen abstrahiert.

Diese Vorgehensweise beschleunigt das Tempo der Produktiteration stark. Bei MooxAI wird nun im Grunde jeden zweiten Tag eine neue Version veröffentlicht.

Nachdem die Entwicklungskosten gesunken sind, hat sich im Unternehmen eine neue Arbeitsgewohnheit etabliert.

Früher musste man möglicherweise lange über eine Idee in Besprechungen diskutieren;

heute, wenn man in einem halben Tag einen Prototyp erstellen kann, macht man das zuerst.

Diskussionen sind nicht mehr der einzige vorbereitende Schritt – das Demo selbst wird zum Diskussionsgrundlage.

Aber dass KI Code schreibt, bedeutet nicht, dass Qualitätsprobleme verschwunden sind. MooxAI unterteilt die Kontrolle der Codequalität in mehrere Phasen:

In der frühen MVP-Phase liegt der Fokus nicht auf Parallelität, Stabilität und vollständigen technischen Standards. Zuerst muss sichergestellt werden, dass die grundlegende Architektur keine Mängel hat und die Kernfunktionen laufen. In dieser Phase prüft der CTO, ob die Gesamtstruktur sinnvoll ist, und das Produktteam beurteilt, ob die Funktionen den Vorstellungen entsprechen.

In der reifen Phase des Produkts klärt das Team die Grenzen der Module und schreibt Modulbeschreibungen, Hinweise und Kontext in die Projektdokumentation – sodass die KI bei der späteren Code-Generierung diese Einschränkungen einhalten kann.

Beim Einreichen des Codes gibt es zwei Prüfstufen: Zuerst führt die KI eine Vorprüfung durch, um zu prüfen, ob der neue Code Konflikte mit der bestehenden Logik hat oder offensichtliche Probleme aufweist. Danach führt der CTO eine schnelle Überprüfung durch und achtet besonders auf fehlende Punkte und Architekturrisiken.

Elric ist der Ansicht, dass KI Code schreiben kann, aber nicht uneingeschränkt das gesamte System verändern darf. Je weiter der Prozess fortgeschritten ist, desto mehr müssen die Änderungen durch KI auf bestimmte Module beschränkt werden. So kann selbst bei einem Problem in einem Modul das gesamte System nicht beeinträchtigt werden.

Dies ähnelt den Erfahrungen vieler KI-nativer Organisationen. KI erleichtert die Funktionsentwicklung – aber Architektur, Grenzen und Qualitätskontrolle werden umso wichtiger.

Wo sollten traditionelle Unternehmen anfangen, wenn sie eine KI-Transformation durchführen wollen?

Nach Elrics Ansicht sind die zwei größten Schwierigkeiten bei der KI-Transformation: Erstens interne Interessenkonflikte und zweitens, ob die ausführenden Personen sich bewusst sind, welche Vorteile KI bringen kann.

Auch MooxAI ist bereits in ähnliche Fallstricke getreten.

Früher statteten sie das Team mit Coding-Plänen und verschiedenen KI-Tools aus. Nach ein oder zwei Monaten stellten sie jedoch fest, dass bei manchen Mitarbeitern 80 % der Tokens noch ungenutzt waren.

Dass die Tools bereitgestellt werden, bedeutet nicht, dass die Menschen sie auch wirklich nutzen.

Später begannen sie, durch interne Anreize Mitarbeiter dazu zu ermutigen, kleine geschlossene Arbeitsabläufe mit KI umzusetzen, und diese Praktiken in wöchentlichen Besprechungen zu teilen. So hat sich die Nutzungsgewohnheit im Team allmählich verändert.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Neuters“ (ID: Neuters), Autor: Alex, und wird mit Genehmigung von 36Kr veröffentlicht.