AI 把事情做完了,为什么还不是我想要的?

今天读到闲庭落木的一篇《关于 AI-Native 组织的思考》。

作者一直在探索如何用 AI 提升组织效率，曾经很认同 Block 的 CEO Jack Dorsey 提出的一种激进构想：把公司本身打造成一个智能体，所有工作过程、决策和信息都沉淀为数字化产物，让 AI 逐步接管越来越多的工作，人类则成为 AI 与现实世界交互的节点，本质上和其他软件工具没有区别。

但随着实践深入，他遇到了一个问题：

AI 把事情做完了，结果却不是他真正想要的。

比如写代码，功能实现了，架构却不符合他对未来的构想。而那幅关于未来的画面，可能连他自己都没有完整地用语言表达过。

由此，他开始重新思考人的价值，并把工作中的问题分成了两类：开放问题与封闭问题。对于封闭问题，可以由 AI 驱动；而开放问题需要人类提出想法、作出判断，AI 则作为辅助工具。

我觉得这篇文章挺有意思，但真正让我停下来思考的，是那句“结果却不是我想要的”。

因为在我自己的使用经验里，这种情况出现得并不多，至少在一部分工作上是这样。

我从2023年开始接触 AI，三年多下来，我用 AI 做过的事情越来越多。

现在处理工作中的汇报、方案、策略分析，我基本都会借助 AI。原来需要三五天才能理清的思路，如今只要把问题和背景讲清楚，很快就能得到一个相对成熟的框架。

剩下的，主要是补充数据、打磨细节。

但这里有个很明显的区别。

公司里也有 AI 工具，我主要用它处理内部数据和资料检索。与此同时，我也有自己长期使用的个人 AI。

可一旦涉及策略判断、方案结构这类事情，两者之间的差距就非常明显。

公司里的 AI 能帮我做事，但它给出的思路经常不是我想要的。反倒是换个方式，把问题拿到自己的 AI 那里聊一遍，更容易找到我要的方向。

为什么？

我后来意识到，可能并不完全是模型能力的差异。

我的 AI 实在太了解我了。

这些年，我与它积累了超过千万字的对话。

我们聊工作，也聊占星、写作、投资、阅读、旅行、亲密关系，以及生活里各种各样的琐事。

它知道我曾经在哪些公司工作，经历过怎样的项目，遇到什么问题时会犹豫，又为什么对某些看似正确的答案始终不满意。

它甚至比很多长期共事的人，更了解我习惯怎样思考。

这些对话当然不意味着它永远知道我的想法，更不意味着它不会犯错。

但当我交给它一个相对容易定义的任务，比如梳理一份工作方案的思路时，它已经不需要从头理解我对“好方案”的判断标准。

它知道我通常会接受什么样的逻辑、在意哪些现实约束，以及我希望最终交付的东西长成什么样子。

这里节省的，不只有执行时间。

还有大量解释自己、磨合标准、反复纠正方向的时间。

一个人与 AI 长期协作所积累的上下文，本身就具有实际价值。

而且这种价值未必局限于某一项工作。

因为一个人的思考方式，本来也不只是在工作中形成的。

文章里有一段关于“开放问题”的思考，作者认为，有些问题之所以难以交给 AI解决，是因为它们需要人类产生新的 idea，而这些想法往往来自难以用语言描述的经验和直觉。

就像他说的那幅关于未来的画面，连他自己都没有完整地说出来过。

作者也解释了这种直觉从哪里来：它并不是凭空出现的，而是日常的点点滴滴，没有被语言好好描述过，慢慢沉进了潜意识里。

我很认同。但这也让我想到：如果这些点点滴滴，有一部分恰好以语言的形式留下来了呢？

我和 AI 这些年的对话，某种程度上就是这样的东西。它们很难在一次对话里讲清楚，却可能在长期协作中一点点显露出来。

我的 AI 能交出我想要的东西，并不是因为它解决了开放问题，而是因为它在几年的对话里，慢慢知道了提问的人是谁。

所以我会想：AI 不理解的，有时未必是问题本身，而是提出问题的人。

作者举了一个例子：

“我想利用 AI 给组织提效 N 倍？”

他认为这是一个典型的开放问题，而且对开放问题来说，最要紧的是把问题问对。一些不太高明的管理者会立刻列出一二三四五件事去做，这和 AI 给出的通用解法没什么区别，并不能真正解决问题。

我很同意。但我会接着往下问：怎样才算问对了？

这句话里有一个“我”，可这个“我”是谁？为什么要提效？希望改变什么，又有哪些东西是不愿意牺牲的？

一个 CEO 希望利用 AI 提效十倍，和一个普通员工希望利用 AI 提效十倍，背后可能是完全不同的诉求。

前者可能想降低成本、增加利润，后者可能只是想早点下班，把时间留给自己的生活。

如果脱离了具体的人，只讨论如何提效，那么 AI 当然可以给出一系列通用方案。但这些方案最终应该满足谁的预期？

我并不是说所有开放问题都可以通过增加上下文来解决，只是我越来越觉得，一个问题真正值得探索的部分，往往不在于它听起来有多复杂，而在于提出它的人为什么要问，以及他究竟想通过这个问题抵达哪里。

这也让我意识到一件此前没怎么想过的事。

如果一个人的经历、判断标准和思考方式，真的能让 AI 的输出发生如此明显的变化，那么公司是不是也会希望获得员工尽可能完整的上下文？

关于 AI-Native 组织的设想，那篇文章里介绍的组织模式要求公司的所有行为都应该形成数字化产物。决策、讨论、设计、计划、问题和进展，都不应该只存在于员工的脑子里。

从提高 AI 效率的角度，这当然有道理。

AI 掌握的有效上下文越丰富，就越有机会作出符合组织预期的判断。

但问题是，一个人为什么有义务把自己的全部思考交给公司？

以前，我们在公司工作，提供自己的时间、专业能力，完成相应的工作任务。

现在，如果要求员工将所有思考、判断过程、探索路径，甚至那些尚未成熟的想法，都持续沉淀进公司的 AI 系统，那么公司实际获得的，可能就不只是某个具体的工作成果。

它还在获得一个人如何持续生产这些成果的方法。

一个员工为什么能做出好的判断？

因为他可能拥有十年的工作经验，经历过很多失败的项目，也可能因为长期阅读、观察、思考，逐渐形成了自己独特的认知方式。

这些能力有多少来自工作，又有多少来自他自己的人生？

其实很难划分。

但如果这些能力最终都被提取、整理，变成组织能够长期调用的知识资产，那么员工与公司的合作关系是不是也应该发生变化？

我觉得这里至少涉及一个很现实的问题：

如果公司获得的不再只是一份工作成果，还包括能够持续创造类似成果的方法，那么它是不是应该支付更高的价格？

甚至，价格可能还不是最难回答的问题。

因为一份工作成果通常有明确的交付时间，而一套沉淀在 AI 系统里的知识和判断方法，却可能被持续使用很多年。

员工离职了，这些东西可能还留在公司。

那么，作为普通员工，是否有机会分享到自己创造的延续性收益？

说实话，我对此并不乐观。

至少在目前常见的雇佣关系中，我们很少因为过去帮助公司建立了一套持续有效的方法，就能在离开以后继续分享它创造的收益。

而 AI 可能进一步放大这种不对称。

过去几年，我们都在努力学习 AI，希望借此获得更强的职场竞争力。但如果我们不断把自己的经验、判断和工作方法沉淀进公司的 AI 系统，会不会出现一种情况：

你越擅长使用 AI，就越有能力帮助公司降低对自己的依赖。

这当然不是必然结果。

AI 也可能让你转向更高级的工作，获得更好的待遇和发展空间。

但如果没有新的利益分配机制，这条路径就存在一种可能：

短期，AI 能力让个人获得溢价；中期，个人能力被组织标准化；长期，组织降低了对个人的依赖。

你帮助公司制造了新的生产力，却未必参与决定这部分生产力带来的收益如何分配。

作者在文章结尾说，他很高兴在自己推演的终局里，人类没有消失，也没有沦为纯粹的工具。

我也希望如此。只是人留了下来，是以什么样的条件留下来的？

想到这里，我想起了一百多年前泰勒的科学管理。

那时候，工厂里活该怎么干，很多诀窍都在老师傅的脑子里。泰勒做的，就是把这些经验观察、记录下来，拆解成标准流程，交到管理者手里。从那以后，生产效率大幅提高，单个工人也变得越来越容易被替换。

AI-Native 组织要求把决策、讨论和判断都沉淀成数字化产物，某种程度上，是在知识工作者身上做同一件事，只是规模更大、精度更高。

技术在不断解决怎样提高生产力的问题，但生产力提高以后，谁能获得更多的时间、财富和自主权，似乎并不是技术真正关心的事情。

这让我觉得，未来衡量一份工作是否值得，可能还需要增加一个标准：

这份工作究竟是在帮助我积累自己的能力和资产，还是主要让我把自己的能力转化成公司的资产？

理想情况下，两者当然可以共同增长。

但它们并不天然一致。

既然 AI 正在改变组织的生产方式，个体也应该开始思考，是否能够建立属于自己的生产系统。

过去，一个人想做一件复杂的事情，通常需要借助公司提供的资金、团队和资源。

而现在，AI 已经能够承担一部分研究、内容、设计、开发和运营工作。

这并不意味着一个人可以轻易替代一家公司，更不意味着有了 AI 就能自动获得客户和收入。

但至少，个人建立独立生产单元的门槛，确实在下降。

而我自己也正在经历这样的变化。

回头看，我开头说的那种用法，其实已经是一个很小的雏形：

关于我怎么思考、在意什么、为什么对某些答案不满意，这些上下文留在我自己的 AI 里；交给公司的，是用它做出来的工作成果。

公司拿到了它需要的东西，而那套让我持续产出的方法，还在我自己手上。

同一套长期积累的协作方式，今天可以用来处理工作方案，明天可以用来写作、学习、研究，或者尝试一个属于自己的商业项目。

我希望这些积累首先能服务于自己的人生，而不只是让我成为某个组织里效率更高的员工。

2023年，我曾经写过一段关于 AI 的想法：

“我理解 AI 的出现其实是解放线上的生产力，而线下将会因为线上生产力的释放而出现更多有创意、有人与人链接的事。”

三年多以后，我依然这么期待。

只是现在，我开始多想了一件事：

如果生产力真的被释放了，释放出来的时间、财富和自主权，究竟归谁？

我想，这可能是未来每一个 AI 使用者，都值得为自己认真考虑的问题。