摘要:技術(shù)能力,不會自動轉(zhuǎn)化為組織生產(chǎn)力。
AI讓個人變快了,為什么公司卻沒有變快?
大模型正在大幅降低智力供給的成本。過去依賴專業(yè)人才完成的寫作、分析、設(shè)計和編程工作,正在變成可以隨時調(diào)用的能力。智力越來越充裕,判斷力和組織能力開始變得更加稀缺。
個人使用AI,效率提升立竿見影。但在企業(yè)中,個人產(chǎn)出增加也可能帶來更多錯誤、返工、審核與協(xié)作成本。技術(shù)能力,并不會自動轉(zhuǎn)化為組織生產(chǎn)力。
上海交通大學博士生導(dǎo)師周曦博士做客中歐EMBA“合一講堂”,分享企業(yè)邁向AI原生(AI Native)組織的關(guān)鍵路徑。以下是講座內(nèi)容的整理。
周曦
上海交通大學博士生導(dǎo)師
hjc黃金城官網(wǎng)登錄入口科技集團股份有限公司董事長、總經(jīng)理
01
企業(yè)真正的瓶頸
過去一段時間,很多企業(yè)推廣AI的方式很直接。發(fā)賬號、買額度、鼓勵員工多用,甚至把Token消耗量當作“擁抱AI”的指標。
一個員工原來一天完成10件事,現(xiàn)在完成20件事,如果他的產(chǎn)出需要更多人審核,錯誤率上升,返工增加,下游又接不。笠底鈧盞玫降奈幢厥歉叩睦蟆
因為個人效率與組織效率不是一回事。
企業(yè)真正的瓶頸,往往不在一個員工的生產(chǎn)速度,而在于整個系統(tǒng)是否穩(wěn)定協(xié)同:
? 跨部門如何配合?
? 質(zhì)量如何控制?
? 上一個崗位的輸出,如何穩(wěn)定成為下一個崗位的輸入?
? 出了問題由誰判斷,由誰負責,如何回滾?
? 人的經(jīng)驗如何沉淀,而不是隨著人員流動一起消失?
如果舊流程不變,只是在每個員工身邊增加一個AI助手,企業(yè)很可能只是讓原有系統(tǒng)“跑得更快”,卻沒有改變系統(tǒng)本身。
而一個本來就充滿部門墻、審批、匯報和反復(fù)協(xié)調(diào)的組織,跑得越快,甚至可能制造更多混亂。
02
從技術(shù)突破到生產(chǎn)力
中間還隔著什么?
理解今天的AI,需要把時間拉長。
蒸汽機、電力、信息化,過去幾次重大技術(shù)革命都經(jīng)歷了相似的過程。先有技術(shù)突破,再出現(xiàn)新的生產(chǎn)工具,最后才是組織重構(gòu)和生產(chǎn)力躍遷。
真正的生產(chǎn)力革命,往往發(fā)生在技術(shù)被重新組織之后。
以電力革命為例。最初,人們只是用大型電機替代蒸汽機。電機更便宜、更穩(wěn)定,但工廠布局和生產(chǎn)流程沒有根本變化,因此效率提升有限。
真正的轉(zhuǎn)折,是小型電機成熟以后。每個工位可以有獨立動力設(shè)備,加上零件標準化、精密制造,以及泰勒科學管理等新的管理思想,最終才出現(xiàn)了福特流水線。
流水線的誕生,不只是因為“電更先進”。它至少等待了三件事:
? 單工位的生產(chǎn)工具成熟;
? 不同工位能夠標準化連接;
? 新的管理方法能夠駕馭新的生產(chǎn)系統(tǒng)。
ChatGPT的出現(xiàn),像當年的電燈泡;Claude Code等單工位工具是小電機;AI Native組織才是福特生產(chǎn)線。
今天的AI,大致處在類似電力革命1910年的階段。大模型已經(jīng)出現(xiàn),面向?qū)I(yè)崗位的工具開始形成,但真正成熟的集成生產(chǎn)系統(tǒng),以及與之相匹配的管理體系,尚未建立。
因此,今天企業(yè)的AI轉(zhuǎn)型推進不順,并不奇怪。不是企業(yè)不努力,而是很多基礎(chǔ)條件,本來就還在形成之中。
03
AI Native
不是“全員都在用AI”
很多企業(yè)把AI Native理解成員工都有AI賬號,公司接入了大模型,內(nèi)部部署了知識庫。這些當然有價值,但還不足以構(gòu)成智能體組織。
真正的AI Native組織,至少有三個特征。
第一,Agent運行在業(yè)務(wù)主路徑上。
所謂“主路徑”,指企業(yè)完成一次核心業(yè)務(wù)所必須經(jīng)過的執(zhí)行鏈路。如果每一次任務(wù)都必須等一個人打開郵件、看材料、判斷、轉(zhuǎn)發(fā)、匯報,再進入下一步,那么人的處理速度仍然是整個系統(tǒng)的瓶頸。
當客戶規(guī)模擴大10倍時,企業(yè)所需的人力增長趨近于零,才真正接近AI Native組織形態(tài)。
第二,專家能力可以沉淀和復(fù)制,實現(xiàn)知識平權(quán)。
過去,一個優(yōu)秀銷售離職,一部分客戶經(jīng)驗可能就沒了;一個技術(shù)骨干離開,很多隱性的判斷方式也會隨之消失。
在智能體組織中,理想狀態(tài)是,一個專家解決了一個問題,這種能力不只屬于這個人,而可以被沉淀進系統(tǒng),復(fù)制到100個、1000個智能體實例中。
專家能力由稀缺供給,轉(zhuǎn)化為可復(fù)制的組織能力。
第三,管理從“周期性匯報”轉(zhuǎn)向“實時反饋”。
企業(yè)之所以需要周報、月度分析會和季度經(jīng)營會,很大程度上是因為人的信息處理能力有限,只能定期匯總、集中判斷。
但對一個持續(xù)運行的智能體系統(tǒng)來說,一個問題既然今天已經(jīng)出現(xiàn),為什么要等到月底才討論?
未來很多管理機制,可能會從“發(fā)現(xiàn)問題—匯報—開會—決策—層層下發(fā)”,變成“實時發(fā)現(xiàn)—即時判斷—更新規(guī)則—同步到所有執(zhí)行節(jié)點”。
AI改變的,不只是崗位,也可能是企業(yè)管理節(jié)奏本身。
04
企業(yè)Agent落地
還缺三樣東西
如果把企業(yè)生產(chǎn)系統(tǒng)拆開看,今天至少還有三道真正的難關(guān)。
第一,單工位AI工具還不夠成熟。
今天多數(shù)人使用AI,主要還是通過一個通用對話框。用戶需要自己提問、拆任務(wù)、驗證結(jié)果,這很像早期計算機的“命令行”。
但真正推動信息化生產(chǎn)率提升的,從來不只是PC,而是后來針對不同崗位出現(xiàn)的CAD、ERP和大量專業(yè)軟件。
AI時代也會經(jīng)歷同樣的過程。
企業(yè)真正需要的,不是所有人面對同一個聊天框,而是財務(wù)有財務(wù)Agent,銷售有銷售Agent,研發(fā)有研發(fā)Agent。每一個高價值工位,都需要真正針對工作場景設(shè)計的專業(yè)生產(chǎn)工具。
第二,多人、多Agent的集成系統(tǒng)還不成熟。
一個人使用AI,相對簡單。但一旦變成幾個人和多個Agent共同工作,問題立即復(fù)雜起來。
誰可以給Agent下指令?不同指令沖突時聽誰的?上下游崗位如何交接?什么時候系統(tǒng)自動執(zhí)行,什么時候必須由人介入?信息如何共享,權(quán)限如何隔離?
傳統(tǒng)流水線之所以高效,是因為輸入、輸出和協(xié)作方式已經(jīng)被系統(tǒng)設(shè)計好了。工人不需要反復(fù)“求人幫忙”,也無需每天匯報自己擰了幾顆螺絲。流程本身就在推動工作向前運行。
而今天很多白領(lǐng)組織依然高度依賴人際協(xié)調(diào)。加入AI以后,如果沒有新的集成系統(tǒng),很可能變成一群人圍著一群AI,協(xié)作關(guān)系反而更加復(fù)雜。
第三,也是最難的一關(guān),新的管理學還沒有出現(xiàn)。
過去管理的是人,未來企業(yè)需要同時管理人和智能體。
AI出錯,責任如何歸屬?誰負責審查?如何設(shè)置質(zhì)量門禁和回滾機制?員工的經(jīng)驗被沉淀進系統(tǒng)后,知識貢獻如何衡量?
甚至,AI本身也是全新的管理對象。它可能能力很強、速度極快、充滿創(chuàng)造力,同時也可能毛躁、犯錯、不穩(wěn)定。
怎樣“管理一個AI同事”,今天并沒有成熟答案。
技術(shù)問題可以通過研發(fā)逐步解決,但組織問題往往更難。因為組織變革,本質(zhì)上會重新定義權(quán)力、利益和責任。
當系統(tǒng)可以直接根據(jù)數(shù)據(jù)分配資源,原來的管理者做什么?當智能體可以跨部門完成工作,原來的部門邊界是否還需要存在?當知識可以自動沉淀,過去依靠信息差形成的崗位價值會不會下降?
所以,企業(yè)轉(zhuǎn)型最大的阻力,往往來自內(nèi)部。
技術(shù)可以買,賬號可以發(fā),模型可以接入,但組織中的利益、權(quán)力和責任結(jié)構(gòu),不會自動改變。
這也是為什么,老板一個人想變,往往不夠。
05
今天該做的三件事
既然很多基礎(chǔ)條件還沒有完全成熟,企業(yè)今天最需要做的不是宣布“全面AI Native”,而是找到可落地的路徑。
第一,舊廠裝小電機,新廠做新物種。
對于成熟運行的業(yè)務(wù),先用被驗證有效的AI工具,提高關(guān)鍵工位效率。
并且,管理者自己先用,形成對AI能力邊界的真實體感。什么事情AI擅長,什么事情容易出錯,哪里必須審查,什么情況下需要回滾。與此同時,逐步建立質(zhì)量標準、審查機制、異常處理和回滾機制。
對于新業(yè)務(wù)、新團隊,從一開始就按照智能體組織的方式設(shè)計,不必背負舊流程和舊利益結(jié)構(gòu)。
第二,不做幾十個Demo,先跑通一條“微生產(chǎn)線”。
全公司幾十個部門一起上AI項目,看起來熱鬧,最終卻容易形成大量彼此孤立的Demo。
企業(yè)需要的不是更多試點,而是跑通一條閉環(huán)的業(yè)務(wù)鏈。
選擇一條相對短的流程,崗位不要太多,協(xié)作關(guān)系不要太復(fù)雜,參與者愿意擁抱變化,業(yè)務(wù)價值可以清楚衡量。然后把多個工位連接起來,形成穩(wěn)定、可復(fù)用、可衡量的智能體業(yè)務(wù)閉環(huán)。這就是“微生產(chǎn)線”。
衡量它的,也不應(yīng)該是Token消耗量,而是結(jié)果。質(zhì)量有沒有提高?周期有沒有縮短?返工有沒有下降?客戶規(guī)模擴大時,人力是否仍然線性增長?組織知識是否在持續(xù)沉淀?
Token是成本,不是產(chǎn)出。
第三,在實踐中發(fā)明新管理學。
真正領(lǐng)先的企業(yè),不能只等技術(shù)公司解決問題,而要一邊使用新技術(shù),一邊創(chuàng)造新的組織方法。
包括人和Agent如何分工,如何設(shè)計授權(quán)和審查,如何處理異:馱鶉,如何衡量組織產(chǎn)出,以及如何分配知識貢獻帶來的價值。
一條跑通的“微生產(chǎn)線”,最終應(yīng)該沉淀出四類東西:清晰的業(yè)務(wù)流、明確的質(zhì)量標準、可復(fù)用的規(guī)則,以及與新分工相匹配的崗位和利益機制。
這些東西,比做幾十個AI Demo更有價值,它們才是未來規(guī)?;瘡?fù)制的基礎(chǔ)。
每一次技術(shù)革命,最先改變的往往是工具,真正拉開企業(yè)差距的,卻是后來發(fā)生的組織重構(gòu)。
模型讓AI擁有智力,組織讓AI形成生產(chǎn)力。
未來企業(yè)真正的AI競爭力,不是誰先用了更強的模型,而是誰先建立起一套能夠駕馭智能體的組織系統(tǒng)。
12月16日,hjc黃金城官網(wǎng)登錄入口科技(688327.SH)與深業(yè)資本、深圳科技園聯(lián)合宣布,正式發(fā)起設(shè)立“深業(yè)hjc黃金城官網(wǎng)登錄入口人工智能產(chǎn)業(yè)投資基金”。贛深產(chǎn)業(yè)基金、寧波奇精集團等多家產(chǎn)業(yè)及機構(gòu)共同出資,首期規(guī)模3億元。
復(fù)盤2022WAIC的hjc黃金城官網(wǎng)登錄入口精彩瞬間,以"CWOS+產(chǎn)業(yè)落地",擁抱數(shù)字化轉(zhuǎn)型下的智能時代。
3月15日,人民日報產(chǎn)經(jīng)專題發(fā)布《人工智能產(chǎn)業(yè)迎來發(fā)展新機遇》一文
周一到周五9:30-18:00(北京時間)

商務(wù)合作:business@zzhzqx.com

媒體合作:Media@zzhzqx.com

渠道合作:business_partner@zzhzqx.com

人才招聘:zhaopin@zzhzqx.com

