印度健身公司Cult.fit CTO Santhosh Kumar：AI落地不是工具采购问题，而是组织赋能问题

Cult.fit是印度一家技术驱动的健身公司，运营708家健身中心和近百万付费会员。CTO Santhosh Kumar在OpenAI发布的案例研究中描述了一个核心判断：AI落地的瓶颈不是模型能力或工具接入，而是组织能否让非技术人员真正使用这些工具。

他的推进路径分三个阶段。第一阶段是工程内部标准化。此前开发者混用多种编码代理和助手，不同工具意味着不同的仓库结构、代理指令、技能和开发工作流，团队之间难以共享知识和复用能力。Cult.fit选择Codex作为统一基础，将仓库结构、技能、测试、代码审查和反馈循环纳入共同规范。Kumar表示：一旦标准化完成，就能围绕单一平台构建整个软件开发生命周期。

第二阶段是将能力扩展到工程之外。Cult.fit让公司数据更容易被Codex处理，使各团队能够自行查找答案和执行常规分析——此前即使小的数据请求也要通过中央分析师团队，形成瓶颈。HR团队用Codex构建了管理绩效评估、排期、反馈收集和汇总的工作流。非工程团队在近几个月内搭建了20多个内部应用。

第三阶段是组织赋能机制。Kumar强调，让全员使用AI不能只靠发放工具访问权限。Cult.fit的做法是：先举办大型hackathon让员工看到可能性；然后组织管理层一天的工作坊，让各职能领导用Codex构建与自己工作相关的内容；工程团队每周两次开设office hours帮助员工将想法推进到生产环境；同时将工程师嵌入选定职能部门提供技术和领域支持。

在成本节省方面，当内部仪表盘软件费用大幅上涨时，一名工程师用Codex在一个周末重建了该功能，Cult.fit现在运行自己的应用，避免了超过10万美元的年度软件成本。Kumar估计，一个社交信息流项目此前需要一年以上才能完成，使用新工作流后团队在两个月内端到端交付。客服方面，AI代理被整合进Sprinklr平台处理如免除缺课罚款等请求，公司报告支持成本降低超过50%。

需要指出的是，以上数据均来自OpenAI发布的厂商案例研究，由Cult.fit自报。50%的成本降低未披露计算方法、基线构成或是否包含Codex部署本身的成本。20多个内部应用的复杂度和实际使用率也未说明。社交信息流从一年缩短到两个月的对比基于Kumar的个人估计而非可审计的项目记录。这些是厂商案例研究的固有边界：只呈现成功，不呈现失败或总成本。

Kumar将下一步目标描述为autopilot operations org——AI承担更多围绕一线团队的支持工作，以及trainer in your pocket——将个性化指导扩展到人类教练无法覆盖的规模。他的核心论点可以概括为：软件已经被民主化，组织需要配套机制让这种能力真正流动起来，而不是停留在工具许可的发放上。