观创新 | 要搞清AI能改变什么,让我们先回到底层框架(下篇)

上一篇讲了一个想法：人和世界的关系，本质上是一套状态差值驱动的闭环。

现实状态和应然状态之间出现偏离，于是行动被触发。人开始感知、理解、判断、决策、编排、执行，再通过反馈进入下一轮修正。

这个框架本身并不新。原始人看到猛兽，农民安排播种，工厂处理异常，公司应对市场变化，本质上都在做这件事。技术进步并没有改变这套闭环，只是在不断改变闭环里的分工方式。

工具强化了执行。机械和电力放大了执行。自动化在窄场景里接管了一部分判断和反馈。信息化和互联网降低了协调成本。IoT 让物理世界更容易被感知。

那么现在有了 AI ，会在哪些环节进一步优化呢？

我觉得 AI 最值得关注的地方，不是它能不能写文章、画图、生成代码。这些当然重要，但还不是最底层的变化。

更深一层看，AI 可能会进入过去最难外包的中间层：理解、判断、决策和编排。

也就是说，它不只是帮人做一件事，而是开始参与“人到底应该做什么，以及怎么把这件事组织起来做成”。这件事如果成立，影响会比一般的效率工具更深。

第一个变化：理解和判断

今天大多数组织并不是没有系统，也不是没有数据。恰恰相反，很多公司系统很多，报表很多，流程很多，会议也很多。但真正困难的地方在于：这些信息很难自然变成一个清楚的当前状态。（相信你能在日常体会到这一点）

销售系统知道客户情况，供应链系统知道交付情况，财务系统知道利润情况，客服系统知道抱怨情况。但这些东西往往分散在不同地方。最后还是要靠人去看、去问、去整理、去解释，然后再形成判断。

慢的不是执行，而是“理解”和“取得共识”的过程。

AI 可能最先改变的，就是这一点。它可以把分散的信息重新组织起来，把很多原始信号转成一种更容易被判断和行动的状态表征。

比如客户没有明确投诉，但回复变慢、语气变冷、需求变含糊，AI 可能会提示这个客户关系正在变弱。设备没有报警，但某些参数的趋势已经偏离正常模式，AI 可能会提前指出潜在风险。项目还没有延期，但会议纪要、资源安排和任务进度已经呈现出延期的结构，AI 也可能提前暴露出来。

这时候，AI 不是简单在“总结信息”。它首先是在帮人更早看见状态差值。过去很多问题要等到变成投诉、故障、延期、亏损，才会被真正看见。AI 进入之后，很多隐性的偏离可能会提前浮出水面。

这会带来一个变化：世界会变得更“可优化”。原来很多需要时间积累或者滞后被表达出来的问题，现在被及时表达出来了。

第二个变化：编排

过去我们说 AI 助手，更多是它回答你、帮你写、帮你查、帮你整理。但 agent 不一样。agent 的核心不是回答，而是把一个高层意图变成一串可执行动作。

比如一句话：“把这个客户的交付风险降下来。”

这句话听起来简单，但真正落地很复杂。要查订单，要看交付节点，要识别风险工序，要找供应链负责人，要调整优先级，要准备客户沟通材料，还要跟踪后续变化。

今天这些工作大量靠项目经理、助理、运营和管理者推进。所谓组织能力，很大一部分其实就是这种编排能力。

未来 AI 如果能把这种高层意图拆成任务链，调用系统，通知相关人，跟踪进度，处理例外，再把结果反馈回来，那它就不只是一个工具，而是开始进入组织运行的中间层。

这也是为什么我觉得，AI 最先大规模改变的未必是最终物理执行。

很多人一说 AI 进入现实世界，就会想到机器人。但更现实的路径可能是：先改变数字执行，再进入受限物理执行，最后才是开放物理执行。

发邮件、改文档、建任务、调 API、查系统、生成代码、提交申请，这些属于数字执行，接口比较清楚，风险也相对容易控制。再往后，AI 可以通过已有的自动化系统去调节楼宇能耗、优化仓储路线、调整产线节拍、安排维修任务。至于真正开放环境里的通用机器人，那会更晚一些，因为现实世界复杂，错误成本也高。

所以不要把 AI 作用于物理世界，简单等同于人形机器人。更大的变化，可能先发生在看不见的地方：系统之间的调用、任务之间的编排、信息和动作之间的连接。

第三个变化：反馈

现在很多反馈是滞后的。项目要等周报，销售要等月报，设备要等故障暴露，客户满意度要等投诉，组织改革要很久才知道效果。

这导致很多闭环不是没有启动，而是运行得太慢。行动之后很久才知道有没有效果，等知道的时候，局面已经变了。

AI 可能会让反馈变得更连续。

它可以持续看动作有没有执行，状态有没有变化，状态差值有没有缩小，有没有产生副作用，是否需要调整下一步。这样，很多事情就不再是“做完以后复盘”，而是边做边修正。

一个客户挽回计划，不一定要等一个月后才判断效果。AI 可以持续看客户回复、内部处理进度、交付风险变化，然后提醒下一步该推进什么。一个设备优化方案，也不一定要等故障或月底报告，它可以持续看参数变化，动态调整策略。

这时候，闭环会更像一个持续运行的系统，而不是一个一个孤立的项目。

AI的行为边界

当然，这里面有一个不能绕开的问题：AI的行为边界。如果 AI 只是给建议，问题还不大。但一旦它开始进入编排、执行和反馈，边界就必须变得非常清楚。

它能看什么？能做什么？不能碰什么？什么时候必须请人批准？谁授权它？它做过什么？出错后如何追溯？

这些问题会变得越来越重要。

所以 AI 不只是推动更强的效率，也会倒逼权限、审计、责任和安全机制系统化。没有这一层，AI 很难真正成为行动代理，只能停留在建议层。

总结

把这些放在一起看，AI 对这套闭环的改变，大概不是平均发生在每一个环节。它可能最先、最强地改变几个地方：理解、决策、编排和反馈。

其中最关键的是理解和编排。

理解让世界变得可处理。编排让意图变得可执行。

如果 AI 只会理解，它还是助手。如果 AI 开始编排，它就接近 agent。如果编排还能接上执行和反馈，它就开始形成真正的闭环代理。

这大概就是 AI 这一轮和过去很多技术不一样的地方。

过去很多技术主要是在放大人的手脚，或者降低信息传递成本。AI 则开始进入人的中间层：它帮助我们解释世界、生成方案、组织行动，并持续修正。

之后，人可能会从很多具体协调和推动工作里退出来，更多去设定目标、定义边界、承担责任、做价值取舍。

未来的一部分闭环，可能会逐步变成：AI 理解状态，AI 生成策略，AI 编排行动，系统执行动作，人设定目标、边界和责任。

这不是一天发生的，也不会在所有场景里同时发生。它一定会先从数字世界、低风险场景、边界清楚的流程开始，再慢慢进入更复杂的现实系统。

但方向可能已经比较清楚了。

闭环本身没有变，状态差值仍然在那里。真正变化的是：谁来发现它，谁来理解它，谁来组织行动，谁来持续修正。

AI 改变我们的方式，可能并不是替我们做某一件具体的事，而是重新分配这条闭环里的工作。

这也是我觉得最值得继续观察的地方。特别是在当下大家都只关注“怎么生成AI”的时候。

上篇回顾：

观创新 | 要搞清AI能改变什么，让我们先回到底层框架（上篇）