AI之下那些會(huì)被破壞的與會(huì)被新開(kāi)辟的

當(dāng)一種大技術(shù)崛起之后，某些既有的生產(chǎn)模式注定被破壞，而與此同時(shí)某些新的模式會(huì)開(kāi)始確立。

在互聯(lián)網(wǎng)時(shí)代，這種破壞與確立的組合是百貨 VS 電商，是短信 VS 微信等等。

在AI快速崛起的今天顯然也很需要認(rèn)識(shí)什么是2000年百貨的角色，什么是2000年電商的角色。

找到屬于AI的破壞與確立組合，就是識(shí)別智能時(shí)代的風(fēng)險(xiǎn)和機(jī)遇。

而這些要回到大技術(shù)的根本特征，和人的偏好其實(shí)關(guān)聯(lián)不大。

這種技術(shù)特征簡(jiǎn)單概括就是：

互聯(lián)網(wǎng)的特征是連接，AI的特征則是智能的低成本集中供給。

所有對(duì)未來(lái)的預(yù)測(cè)其實(shí)都要回到這個(gè)原點(diǎn)。

智能集中供給

過(guò)去的智能在絕大多數(shù)場(chǎng)景下呈現(xiàn)分散供給的狀態(tài)，比如編程就需要N個(gè)程序員，看病就需要N個(gè)醫(yī)生，打官司就需要N個(gè)律師，每個(gè)人處理自己的一攤事情。

而組織生產(chǎn)的方式其實(shí)是在與這種智能分散供給的狀態(tài)相適配。

現(xiàn)實(shí)中就表現(xiàn)為：或者各管一攤，或者定義角色、流程彼此配合。

公司里面大量的措施(流程和工具，使命愿景價(jià)值觀等）可以看成是協(xié)調(diào)分散供給的智能，達(dá)成既定目標(biāo)的輔助手段。

AI顯然不是這樣。

通用智能的進(jìn)展方向就是：是一也是萬(wàn)，是少也是多。

不需要任何協(xié)調(diào)，只需要滿足它發(fā)揮效力的條件。

顯然的大模型不會(huì)只可以用來(lái)干某個(gè)單項(xiàng)事情比如編程。

這會(huì)導(dǎo)致什么呢？

這會(huì)導(dǎo)致很多既有的生產(chǎn)關(guān)系設(shè)計(jì)成為生產(chǎn)力提升的障礙，需要被推倒重來(lái)。

（智能集中供給視角下可以重新解讀下組織結(jié)構(gòu)）

新式生產(chǎn)關(guān)系什么樣呢？

集中供給后的新式生產(chǎn)關(guān)系

新式生產(chǎn)關(guān)系原則很簡(jiǎn)單，你要讓集中供給的智能的所有能力發(fā)揮出來(lái)。

那什么是它發(fā)揮能力的障礙？

最低層次顯然是數(shù)據(jù)。

它不知道情況如何能發(fā)揮效力。

更高層次顯然是反饋和知識(shí)，在流變的世界中一個(gè)僵死的系統(tǒng)不管用多少Agent也沒(méi)有用的。

侯宏老師畫(huà)過(guò)這樣一張圖，這是很關(guān)鍵的：

過(guò)去的組織體系是用來(lái)協(xié)調(diào)分散供給的智能的，集中供給的智能需要的不是協(xié)調(diào)而是全局的數(shù)據(jù)、反饋和動(dòng)態(tài)的知識(shí)系統(tǒng)。

這是完全不一樣的范式，顯然側(cè)重點(diǎn)也不同。

正因?yàn)槭莾蓚€(gè)不一樣的序列，大概率是沒(méi)法從既有體系改出來(lái)的。或者說(shuō)改善的成本可能遠(yuǎn)大于新建。

電商不是百貨改出來(lái)的，滴滴也不是出租車公司改出來(lái)的，所以這基本就會(huì)是破壞式創(chuàng)新。

從這個(gè)角度看《無(wú)人公司》可能真的是當(dāng)下唯一一本徹底站在新模式視角講述應(yīng)用智能的書(shū)籍。

通用性

這次的變化和互聯(lián)網(wǎng)最大的相通之處在于其通用性。

互聯(lián)網(wǎng)不在意自己的連接的是什么，所以互聯(lián)網(wǎng)的模式滲透到N多領(lǐng)域。

AI大模型的智能眼下看也沒(méi)那么清楚的邊界，所以注定會(huì)滲透到每個(gè)和智能相關(guān)的領(lǐng)域。

假設(shè)律師可以從N個(gè)律師做1V1的服務(wù)，變成圍繞一個(gè)律師的大模型集中提供服務(wù)，其它人則分散在這個(gè)系統(tǒng)周邊解決模式發(fā)揮效力的障礙。那么什么領(lǐng)域是不可以復(fù)用這個(gè)模式？（《無(wú)人公司》中把這個(gè)模式概況為：智能優(yōu)先、萬(wàn)物皆數(shù)、實(shí)時(shí)反饋、中心決策。）

所以現(xiàn)在這個(gè)時(shí)期其實(shí)是一個(gè)普遍孕育電子章魚(yú)的時(shí)點(diǎn)。

章魚(yú)們都還很小，但基本開(kāi)始生長(zhǎng)發(fā)育了。

章魚(yú)的腦子是大模型，章魚(yú)的觸手則有領(lǐng)域?qū)傩浴?/p>

從這個(gè)角度看，這種破壞性的縱深遠(yuǎn)超互聯(lián)網(wǎng)（不知道現(xiàn)在還會(huì)不會(huì)有人認(rèn)為AI的影響不如互聯(lián)網(wǎng)。）

核心挑戰(zhàn)

核心挑戰(zhàn)其實(shí)是智能集中供給這模式反常識(shí)，也反互聯(lián)網(wǎng)。

互聯(lián)網(wǎng)等累積了一系列方法論比如單點(diǎn)極致，比如快速迭代，但這些成功經(jīng)驗(yàn)真用來(lái)做智能集中供給的模式就全是障礙。

舉個(gè)例子，有的同學(xué)可能會(huì)說(shuō)：

今天終于又解決了某個(gè)客戶的問(wèn)題，這讓我感覺(jué)踏實(shí)。

這是錯(cuò)誤的，因?yàn)樗鼘?dǎo)致的結(jié)果是會(huì)無(wú)限的改進(jìn)出租車公司，而不可能導(dǎo)致跳越到滴滴網(wǎng)約車。

同樣也會(huì)導(dǎo)致做更好的百貨，但做不出來(lái)電商。

無(wú)限接近某個(gè)極限值不等于能突破。

而所謂現(xiàn)場(chǎng)中的快速迭代根本只可能導(dǎo)致無(wú)限接近某個(gè)極值。

單點(diǎn)極致也類似，智能集中供給并且快速拉升的前提下，沒(méi)有工具型的單點(diǎn)。因?yàn)橥ㄓ弥悄茏陨砭褪亲畲蟮墓ぞ摺＿^(guò)去分散的工具正是智能分散供給的結(jié)果。

所有因?yàn)橹悄芊稚⒐┙o而產(chǎn)生的產(chǎn)品和方法，注定因?yàn)橹悄芗泄┙o而消失。

現(xiàn)在每次碰到這種觀點(diǎn)，我就多了個(gè)新說(shuō)法：可以再讀一遍無(wú)人公司......

智能跳越的假設(shè)

電子章魚(yú)的成長(zhǎng)周期也會(huì)比較反常識(shí)。

它的核心養(yǎng)料其實(shí)是智能，而智能的水平是非線性跳越型的遞進(jìn)。

我做過(guò)這樣的一個(gè)推斷：

把AI 1956年以來(lái)的進(jìn)展放到時(shí)間軸上，那會(huì)發(fā)現(xiàn)有兩個(gè)明顯特征：

第一，AI水平的進(jìn)展是跳越式的。模式識(shí)別到AI大模型都是深度學(xué)習(xí)，但這個(gè)能力很難用倍數(shù)提升來(lái)形容，而更像是跳越了下猴子變成了人。

第二，跳越的周期在變短。

這不準(zhǔn)確，但假如它成立，那么：

上一次跳越從2010~2022大概用時(shí)十年左右，那下次跳越是2023年后5~7年的時(shí)間，然后再有2~3年可能再跳越一次。

所以2033年之前，我們很大概率會(huì)迎來(lái)兩次類似chatGPT這樣的智能跳越。

每次都是模式識(shí)別到chatGPT的跳越，這是很夸張的。

而每次大的跳越顯然都會(huì)讓電子章魚(yú)飛速膨脹。

智能集中供給加上智能跳越的假設(shè)，最終你會(huì)發(fā)現(xiàn)未來(lái)的典型應(yīng)用模式其實(shí)正是《無(wú)人公司》中所描述的。

小結(jié)

如果說(shuō)在2000年面向未來(lái)的新詞是電商、社交網(wǎng)絡(luò)，這些詞每個(gè)的背后都隱含著一種連接的模式；那在今天面向未來(lái)的新詞之一可能就是無(wú)人公司，這背后蘊(yùn)含著智能集中供給所催生的新生產(chǎn)模式... ...

碰巧也有人會(huì)問(wèn)一人公司和無(wú)人公司的區(qū)別，這里一并回答下：

增強(qiáng)的極限是一人公司，一人公司可以想象成一個(gè)人擅長(zhǎng)18般武器，然后自己就把活干了。實(shí)際上一人公司大概率是干不了什么復(fù)雜的事，只能做做簡(jiǎn)單的活。因?yàn)橐坏I(yè)務(wù)膨脹，必須的信息流就會(huì)導(dǎo)致人是最大的障礙，人是沒(méi)法按秒來(lái)處理幾M的數(shù)據(jù)的。

無(wú)人公司則是下代的自動(dòng)化，人不在基本業(yè)務(wù)過(guò)程里面，而是業(yè)務(wù)的coordinator。

其它：對(duì)《無(wú)人公司》，琢磨事感興趣的同學(xué)可以聯(lián)系shuixiu2024入群或者加入AI碰撞局。