AI正在改写的,不只是软件,而是整个公司的组织方式

如果只把这一轮人工智能理解成一次新的软件升级，可能会低估后面会发生的变化。现在大家看到的是模型、智能体、机器人和各种新应用，但这些只是表面。更深的一层变化，是人类开始第一次把过去附着在人身上的能力，逐渐变成一种可以被封装、调用和组合的东西。

回头看过去几次大的技术变革，会发现产业往往不是一下子进入成熟状态。新技术刚出现的时候，行业最关心的是能不能用，性能够不够，成本能不能降下来。等这些问题逐渐解决以后，技术开始成为基础设施，大量创业者才会在上面开发新的应用。应用足够多以后，又会出现一批只属于这个技术时代的产品，它们不再只是把旧东西搬到新平台上，而是重新定义用户怎么工作、怎么消费、怎么沟通。

人工智能正在走到这样一个转折点。前几年行业的注意力主要集中在模型能力上，谁的模型更强，谁的推理更好，谁的成本更低，谁能提供稳定的调用服务。到了今天，智能已经开始具备越来越明显的基础设施属性。企业能够大致算清楚调用多少智能，需要花多少钱，又能完成多少工作。模型当然还会继续进步，但产业的重点已经开始从模型本身往应用端移动。

接下来更值得看的，是能够独立完成任务的智能体。

过去使用人工智能，更多还是人问一句，机器回答一句。以后越来越多的情况会变成，人只需要提出目标，后面的拆解、搜索、调用工具、整理信息、执行动作，都由智能体完成。两者最大的区别在于，前者主要提供信息，后者开始提供能力。

互联网过去几十年完成了一件非常重要的事情，就是把信息数字化。新闻、知识、图片、视频、网页被不断上传到网络，人第一次可以低成本地获取海量信息。今天的大模型之所以能够拥有这么强的知识能力，也建立在这几十年积累的信息基础之上。

而智能体正在往前走一步。过去一个人会做财务分析、写程序、做研究、设计广告，这些能力只能跟着这个人走。现在这些方法、经验和工作方式，开始能够被整理成一套可以被机器调用的能力模块。以后分享的不只是知识，而是怎么把一件事做完。

这件事一旦发展起来，互联网的逻辑就会发生很大的变化。

早期互联网为什么会出现浏览器，因为网站越来越多，必须先把创建网站和浏览网站的门槛降下来。后来网站数量迅速增加，普通人开始不知道应该看什么，于是才出现帮助用户整理、分类和寻找信息的入口。再往后，信息多到人工目录已经无法处理，搜索又成为新的入口。

智能体可能也会走一条类似的路。

今天各种智能体已经开始大量出现，但普通用户其实还不知道哪些值得用，也不知道哪些安全，更不知道什么事情适合交出去。等智能体数量越来越多以后，一定会有人来解决这个问题。谁负责制定调用标准，谁帮助用户判断哪些智能体可靠，谁负责身份、权限、支付、评价和安全，谁就可能成为下一阶段的重要入口。

所以未来几年的大机会，未必只是再做一个功能差不多的智能体，而是有人能够把大量能力组织起来，让普通人用很低的门槛完成复杂任务。

这也是为什么简单的小工具越来越危险。如果一个产品只是帮用户写一句广告、做一张图、整理一份文档，那么下一代模型升级以后，这些功能很容易直接被底层能力覆盖。应用公司如果想长期存在，必须往更复杂的任务走。

复杂任务意味着过去需要一个专业人员甚至一个团队才能完成，现在可以逐渐交给一个系统。这里面会涉及行业知识、工作流、记忆、权限、上下文、数据、判断和持续反馈。任务越复杂，企业积累的东西就越多，也越不容易因为一次模型升级就失去价值。

这会形成一种新的积累方式。系统每完成一次任务，就获得一次新的反馈。哪些地方做对了，哪些地方失败了，用户最后选了什么，结果好不好，这些都会变成新的数据。数据回来以后，系统继续调整，下一次再处理类似问题时就会更熟练。使用次数越多，能力越强，能力越强，又会吸引更多使用。

因此应用公司并不一定只是建立在模型上面的一层界面。如果它能够深入一个复杂场景，持续完成任务，并形成自己的数据和反馈循环，也有机会积累属于这个场景的能力。

模型公司本身则可能慢慢走向另外一种状态。随着智能越来越标准化，它们更像下一代的基础设施提供商。基础设施通常不会长期存在几十家规模相近的企业，因为投入太大，规模效应太明显，但社会也不会愿意只依赖一家。因此最后很可能形成少数几家长期竞争，同时受到比较严格的监管。

这也意味着，今天最受关注的模型公司，未必就是十年以后最有影响力的人工智能公司。过去几轮技术革命里，早期领跑者往往非常耀眼，市值很高，用户很多，媒体关注度也极高，但等产业进入下一阶段以后，定义新时代的企业经常来自另外一批公司。

原因并不复杂。做基础技术需要一套能力，做应用又需要另一套能力。前者更重视研究、工程、算力和模型能力，后者需要理解用户、场景、产品、交互和复杂需求。一个组织在第一阶段特别成功，并不意味着进入第二阶段以后还能继续拥有同样的优势。

老牌互联网企业面对的问题也是一样。拥有社交关系，不等于下一代人际连接还会沿用今天的方式。拥有电商入口，不等于未来人购买商品时还需要自己搜索、比较、判断和下单。拥有内容平台，也不代表下一个智能入口一定从原来的产品里自然长出来。

过去的优势当然仍然有价值，但技术周期变化以后，原来的组织结构、商业模式、流程和考核方式，也可能变成束缚。公司越大，过去成功形成的惯性越强，转向往往越难。

所以人工智能带来的变化不会只停留在产品层面，它还会进入公司内部。

传统企业是围绕岗位建立的。先设岗位，再招人，岗位组成部门，部门形成层级，最后通过汇报、审批、预算和考核把整个公司组织起来。但人工智能越来越多地承担任务以后，组织有可能反过来，从任务出发。

一件事情出现以后，先判断需要完成什么，再决定哪些环节交给人，哪些交给机器，哪些由几个人临时合作。岗位的重要性可能下降，任务的重要性会上升。

如果这个变化继续发展，中层管理也会受到很大影响。过去大量管理工作，本质上是在传递信息、拆任务、检查进度、协调资源和向上汇报。当这些信息越来越透明，机器又能承担其中很大一部分工作时，固定层级就没有过去那么必要。

以后一个人在组织里的价值，可能越来越少来自职位有多高，而更多来自能解决什么问题。

组织也可能越来越小。不是因为事情少了，而是每个人都拥有大量数字化能力。过去几十个人才能完成的事情，以后可能由几个人加上一批智能体完成。一个人的覆盖范围会被放大，但复杂问题仍然需要人与人合作，因此未来未必全部变成单人公司，更可能出现很多人数很少、能力差异很大的小团队。

这种团队有点像职业球队。每个人负责不同位置，不需要大量能力相似的人重复做同样的事情，而是尽量让每一个成员都有不可替代的作用。

管理方式也会随之改变。过去公司喜欢控制，因为信息不透明。管理者不知道下面发生了什么，只能依靠审批、流程和汇报。以后任务、数据和结果越来越容易被记录，管理的重点就可能从控制转向提供上下文。

领导者更重要的工作，不再是告诉每个人每一步应该怎么做，而是让团队知道目标是什么，背景是什么，约束是什么，现在掌握了哪些信息。大家共享这些信息以后，再根据任务做判断。

战略也会发生类似变化。

过去企业习惯制定三年规划、五年规划，再把目标拆成年度预算和季度任务。这种方式能够成立，是因为环境变化没有今天这么快。现在模型一次升级，就可能改变一个行业的成本结构，一种新产品出现，也可能突然改变原来的竞争方式。

所以战略不能再只是年初做完一份规划，然后全年照着执行。

企业需要保留长期方向，但中间的路径必须不断调整。长期大概知道往哪里走，中期知道下一两个关键节点是什么，短期知道现在应该验证哪件事情。新的信息出现以后，再重新判断后面的路径。

战略因此越来越像持续生成，而不是一次规划。

这对组织提出了更高要求。如果所有信息都集中在老板手里，下面的人只等指令，公司就很难跟上变化。只有信息能够快速流动，不同能力的人能够参与判断，又能迅速做小规模实验，战略才可能不断更新。

人工智能不同领域目前所处的位置也不一样。基础模型已经越来越接近淘汰赛，资源和能力正在向少数企业集中。智能体还处于大量尝试的阶段，各种产品和商业模式都没有定型。机器人则更早，连最终应该优先进入什么场景、应该先做通用能力还是先做具体任务，目前都没有明确结论。

所以现在急着判断某一种机器人、某一种智能体或者某一种产品一定会成为最后的赢家，没有太大必要。

回头看汽车、电器和互联网发展的早期，同样出现过大量今天已经没人记得的公司。很多产品当时看起来也非常领先，最后留下来的却不是最早出现的那一批。技术革命前半段的价值，就在于允许大量尝试。

这也是今天创业最大的机会所在。

过去企业总想降低不确定性，因为确定意味着容易规划。但技术范式刚刚切换的时候，不确定性反而意味着格局还没有固定。入口没有定，产品没有定，标准没有定，用户习惯也没有定，新公司才有机会参与塑造这些东西。

再往后看，人的能力也会受到很深的影响。

过去一个人的优势很大程度来自知道得多、经验多、掌握某种专业方法。以后只要知识能够被记录、表达和结构化，机器获得这些内容的成本都会越来越低。

于是人的优势会逐渐转向另外一些地方。

能不能提出以前没有人提出的问题，能不能发现别人没有注意到的需求，能不能把原本不相关的东西连接起来，能不能定义新的产品、新的组织方式和新的工作方法，这些能力会越来越重要。

这里说的创造，不只是写歌画画，而是能够做出此前不存在的东西。

教育也会因此面临很大的变化。过去教育体系的核心任务之一，是把已有知识按照标准课程传递给下一代，再通过考试判断掌握程度。但如果获取知识越来越容易，单纯记住多少内容的重要性自然会下降。

未来更需要培养的，可能是兴趣、探索、判断、提问和创造。

问题在于，旧体系已经运行了很久，新体系还没有建立，所以接下来很长一段时间都会处在一种新旧方式同时存在的状态。

这一轮变化也不会三五年就结束。技术可以很快进步，但社会、组织和教育适应一次大技术革命，需要的往往是一代人的时间。

未来几年，智能体会越来越多，新的调用入口会逐渐出现。再往后，才可能出现今天还想象不到的原生产品。就像早期互联网的人很难直接想象后来的搜索、短视频和社交产品一样，现在看到的聊天窗口，也大概率不是人工智能最后的样子。

现在更值得关注的，不是哪一款产品短期最火，而是几条更深的变化已经开始出现。

信息正在变成可以调用的能力，软件开始从工具变成执行者，企业开始从岗位组织转向任务组织，战略开始从固定规划转向持续生成，人的优势也开始从掌握已有知识转向创造新的东西。

这些变化一旦继续往前走，很多今天看起来理所当然的制度和习惯都会被重新改写。

公司不会突然消失，工作也不会一下消失，但公司为什么存在、人为什么要聚在一起工作、哪些事情应该由人完成、哪些事情应该交给机器，这些问题都要重新回答。

而这可能才是这一轮人工智能变化最值得关注的地方。