ARTICLE · 1031800
不是OPC,未来AI企业是有智能流程的IPC
如果今天把差不多的模型和Agent，搬进另外一家公司。
最后做出来的东西，会一样吗？
大概率不会，甚至可能差得离谱。
企业之间真正拉开差距的东西，到底是什么？
我自己的判断是，答案正在从模型慢慢转向智能流程。
甚至再大胆一点。
AI时代，企业运行的基本单位，可能正在从岗位变成智能流程单元。
我们理解一家公司，已经太习惯从人开始。这套东西当然有它的道理。当人的专业能力稀缺，信息传递很慢的时候，把复杂工作切成一个个稳定岗位，本来就是一种非常高效的组织方式。
问题是，客户从第一次看到产品，到最后产生业务结果，从来不是其中某一个岗位，而是这一整条流程。
所以公司其实一直有两张图。
一张是组织图，它告诉你谁归谁管。
另一张是流程图，它告诉你事情到底是怎么完成的。
过去很长一段时间里，第一张图更重要。因为跨过那些部门边界，把信息从A搬到B，遇到异常之后判断怎么办，最后把所有东西粘在一起的人，就是员工。
今天很多公司上AI，特别像当年的第一阶段。销售配一个Copilot，邮件写快一点。程序员用Codex，代码写快一点。
每个岗位都变快了，但组织本身其实没怎么变，有点像给一辆老车换了一个更猛的发动机，车架还是那个车架。
每个岗位都更智能，不等于整家公司更智能。
过去流程导向一直有一个很现实的问题。
大量自动化，实际运行方式很像一条固定轨道，Agent开始改变的就是这里。
AI不再只是为某个岗位生成一段文字。它开始进入真实流程，观察当前状态，读取上下文，再根据结果决定下一步怎么走。
这时候问题就彻底变了。
以后真正AI原生的公司，可能问的是，客户从产生需求到完成交付，这一整条过程中，什么应该交给Claude，什么适合交给确定性软件，什么一定要由人判断。
到这里，岗位已经不是最好的观察单位了。
更准确的概念应该是：智能流程单元（Intelligent Process Unit）。
我现在会这样理解它，一个智能流程单元，围绕一个明确的业务结果运行，里面可能有人，有Claude或GPT驱动的Agent，有ERP、CRM这种确定性软件。
过去一个岗位包很多工作。未来越来越多工作，可能围绕一个业务结果被重新组成一个个Intelligent Process Unit。
例如，销售仍然可以是一个岗位。但高意向客户从进入CRM到完成成交可以成为一个智能流程单元。
岗位没有突然蒸发，但工作的组织中心正在松动。而要让这些Intelligent Process Unit真正跑起来，最难的地方其实还不是Agent。
是数据，流程数据（Process Data）让AI看见公司。
很多公司今天做AI，第一步真不是赶紧买更多Agent，而是先把自己看清楚。
数据不会自己回答，所以还必须有流程上下文（Process Context），这也是人类过去一次次判断留下来的经验。
Process Data让AI看见企业
Process Context让AI看懂企业
这两样东西放到一起形成完整的数据集，才开始接近企业真正能够长期积累的AI资产。
模型可以越来越像公共基础设施。但一家公司的流程数据和流程上下文，不会因此自动变成另一家公司的。
未来大家买的是差不多的大脑。真正拉开差距的，是每家公司给这个大脑接上了怎样的身体、记忆和神经系统。
Harness是让整套智能流程能够真正运行起来的约束系统。
Harness不是流程上的某一站，而是让Intelligent Process Unit从头到尾能够运行、被观察、被约束、被修正的一整套机制。
到这里，AI企业的结构其实才真正开始完整。一家企业当然不可能只有一个智能流程单元，获客是一条，采购是一条……
这些流程彼此之间还会不断交换状态和结果。所以IPC真正的形状是一张Process Graph。
Intelligent Process Unit是节点。
节点之间流动的是数据、状态、任务和业务结果。而一个个Agent、人和软件，在这些节点内部或者节点之间工作。
过去企业最重要的管理对象之一是人和岗位。未来更值得看的，可能是这家公司到底有多少高质量的Intelligent Process Units，它们之间连接得怎么样。
这也是为什么我越来越觉得，只讨论OPC（One Person Company）还不够。OPC讨论的是AI把人的杠杆放大以后，一个公司到底能少到多少人，这个想象当然很迷人，但不够实际。
一个创始人就算带着100个Agent，如果每天仍然需要亲自补上下文、搬数据，那他并没有获得一个真正会自己运行的公司，只是变成了一个极其繁忙的Agent Manager。
IPC问的是另一件事。不管这家公司有1个人、100个人还是10000个人，它的工作是怎样被组织和运行的。所以我最近想用IPC，Intelligent Process Company，描述这样一种企业。
IPC是一家以Intelligent Process Unit作为基本运行单元，以Data作为核心智能资产，通过Harness将人、AI Agent与软件组织进端到端业务流程，并在持续反馈中不断优化自身运行方式的公司。
IPC并不是让Agent把一条流程执行完，故事就结束了。流程每运行一次，都会产生新的数据，这些新的Process Data又会进入下一轮。
公司不只是通过流程工作
公司开始通过流程学习
以前很多组织经验是留在人的脑子里的，一个厉害的员工离职，一大块经验跟着走了。以后，这些数据和经验都能持续沉淀进Process Data、Process Context、Evals和Harness。
这样，我觉得才真正接近所谓AI Native Company。
那人还剩什么？
当AI Agent承担越来越多执行，人不需要每一步都亲手操作。未来真正稀缺的人，可能越来越擅长几件事，他看得懂业务真正是怎么跑的，知道哪个地方应该交给AI，能定义什么叫好的结果。
执行越来越便宜以后，判断会越来越贵。
所以人其实一直在系统里面，有时候处理高价值判断；有时候定义规则、权限、Evals和升级机制，再往上一层，人依然负责战略、价值和最终责任。
公司为什么存在，为了谁创造价值，愿意承担什么风险，这些东西依然需要人决定。
工业时代，我们学习怎样把人组织成岗位。
互联网时代，我们把信息放进软件。
到了AI时代，我们可能正在学习下一件事情。
怎样把一家公司的运行方式，
设计成一套人和机器共同参与的智能系统。
过去，我们通过岗位组织人，
未来，我们可能会通过流程组织智能。
感谢您珍贵的阅读时间，觉得文章质量可以，
烦请随手点个赞、在看、转发三连吧，
点个星标，可以收到推送。
前沿，无尽流动
作者：元流川
本期参考及延伸阅读资料
[1] HAMMER M. Reengineering work: Don't automate, obliterate.
[2] OPENAI. Inside OpenAI's in-house data agent.
[3] LOPOPOLO R. Harness engineering: leveraging Codex in an agent-first world.
[4] RAJASEKARAN P. Harness design for long-running application development.
[5] MCCAIN M, MILLAR T, HUANG S, et al. Measuring AI agent autonomy in practice.
[6] CHAUDHRY A. Transforming digital processes with AI: a Power Automate Process Mining case study at Microsoft Customer and Partner Solutions (MCAPS).
[7] DUMAS M, MILANI F, CHAPELA-CAMPA D. Agentic business process management systems.
[8] CALVANESE D, CASCIANI A, DE GIACOMO G, et al. Agentic business process management: a research manifesto.
往期精彩回顾
热点深入解读
一文厘清相关AI概念群