作者：George Sivulka 编译：深潮 TechFlow 深潮导读： AI 让个人效率提升了 10 倍，但没有一家公司因此变得 10 倍值钱。a16z 投资人 George Sivulka（同时也是 AI 公司 Hebbia 创始人）认为，问题不在技术本身，而在于组织没有跟着重构。他提出了区分「机构级 AI」和「个人级 AI」的七大维度——协调、信号、偏见、边缘优势、结果导向、赋能和无需提示——本质上是在说：换了电动机不够，你得重新设计整个工厂。全文如下：AI 刚刚让每个人的生产力提升了 10 倍。没有一家公司因此变得 10 倍值钱。生产力去哪了？这不是第一次发生。1890 年代，电力承诺了巨大的生产力提升。新英格兰的纺织厂，原本是围绕蒸汽机的旋转动力建造的，很快就把蒸汽机换成了更快的电动马达。但整整三十年，电气化的工厂几乎没有提升产出。技术远远领先了。但组织没跟上。直到 1920 年代，工厂彻底重新设计了生产线——流水线、每台设备装独立电机、工人和机器执行完全不同的工种——电气化才产生了真正的回报。过去一年反复提及的「服务即软件」说法方向没错，但没给出蓝图。而且它忽略了更大的图景。真正的转变不是从工具到服务，而是把技术和制度一起建设（不管是改造旧的还是从零开始）。一个真正高效的未来需要全新品类的产品——明天的流水线。高效的组织需要「机构级智能」。这篇文章会深入分析区分「机构级 AI」和「个人级 AI」的七大维度。未来十年整个 B2B AI 领域的公司都会建立在这些差异之上：图注：高效的个体（或 Agent）各自朝不同方向划桨。没有协调，就是混乱。协调是绝对的硬需求，对人类和 Agent 都一样。机构级智能将催生一个完整的「Agent 管理」行业——聚焦于 Agent 的角色与职责、Agent 之间及 Agent 与人类之间的沟通、以及如何衡量 Agent 的价值（光靠按量计费远远不够）。2. 信号个人级 AI 制造噪音。机构级 AI 找到信号。今天的人类可以创造——或者说生成——任何能想到的东西：AI 写的文章、演示文稿、电子表格、照片、视频、歌曲、网站、软件。多好的礼物。问题是，AI 生成的绝大部分内容是彻头彻尾的垃圾。AI 垃圾的泛滥已经严重到一些组织矫枉过正，干脆禁止所有 AI 产出。说实话我自己也有同感——我经营一家 AI 公司，但要求高管团队不要在任何最终文字产品上使用 AI。我受不了那些垃圾。想想 PE（私募股权）行业正在变成什么样。去年，你桌上可能收到 10 个交易机会。今年，下个季度你会收到 50 个机会，每一个都被 AI 打磨得无可挑剔，而你判断的时间还是一样多——得从里面找到那一个真正靠谱的。生成任何东西已经不是问题了。对任何正经组织来说，现在的问题是生成并筛选出正确的东西。在一个 AI 驱动的世界里，找到那一个好的成果物、那一笔好的交易、噪音中的信号，变得越来越关键。未来十年的核心经济驱动力，就是从指数级增长的垃圾山中挖出信号。图注：Matrix 是一款利用生成式技术穿透噪音的工具，由此打开了一个确定性 Agent 和检查点的世界。3. 偏见个人级 AI 喂养偏见。机构级 AI 创造客观性。围绕社会政治偏见的讨论主导了好几年的 AI 话语。基础模型实验室最终通过足够多的 RLHF 绕过了这个问题，把所有模型调成了谄媚者。今天，ChatGPT、Claude 等模型对齐得过了头，在奥弗顿窗口内的任何话题上都会赞同你（有时候还会稍微越界，说的就是你 @Grok）。社会政治偏见的讨论消退了。但一个新问题取而代之。这种对一切事情的过度附和已经荒谬到可笑。它本身成了一个 meme——Claude 那句条件反射般的「你说得完全对！」，不管你说的是不是真的完全对。图注：个人级 AI 的回音室加剧分裂，让两个人渐行渐远，这种动态在规模化后会在原本一致的组织内制造派系。这揭示了一件重要的事。个人生产力工具强化的是用户。但真正最该强化的是事实。人类组织经过数千年的进化，建立了专门对抗这个问题的体系：投资委员会会议第三方尽职调查董事会美国政府的行政、立法、司法三权分立代议制民主，以及民主制度本身图注：对于任何足够具体的任务，边缘优势由你在前沿技术之上搭建的机构级解决方案来定义。我们的用户一直在超越前沿。LLM 的上下文窗口在四年里从 4K 增长到 100 万 token。我们有些用户在单次任务中处理 300 亿 token。今年我们已经看到了处理 1000 亿 token 任务的路径。每次基础模型能力提升，我们已经走得更远了。纯软件「正在迅速变得不可投」。纯服务不可规模化。解决方案层——把技术和结果绑定在一起——才是持久价值沉淀的地方。再看 M&A。个人级 AI 帮分析师更快地建模。机构级 AI 从一百个目标中识别出那一个值得追的交易对手，然后把搜索范围扩展到一千个。一个省时间，另一个创造收入。图注：组织全面采用 AI 将跨越多个鸿沟，每一个都有自己的挑战。把流程上线 AI 将是主要推动力。我敢说，流程工程将成为近期最重要的「技术」。而在流程工程中，业务和行业专长——而非软件专长——才最关键。垂直解决方案会培养出在前线部署工程、实施和变革管理方面拥有专业知识的人才。一家选择了 Hebbia 做全面部署的头部投行（前三名大行）说得最到位：他们之所以不跟某家大模型实验室合作，是因为「我们得给他们的团队解释什么是 CIM（保密信息备忘录）」。Claude 或 GPT 当然了解这个领域，但负责落地推广的团队不了解……这个差别决定了一切。7. 无需提示个人级 AI 响应人类的 prompt。机构级 AI 主动行动，不需要 prompt。关于 Agent 之间通信、未来的企业和制度是否还需要人类，讨论很多。但更好的问题是：未来的 AI Agent 是否还需要 prompt？给 AGI 写 prompt，就像把电动机接到手工织布机上。它从根本上、不可逆转地受限于组织供应链中最薄弱的环节——我们自己。人类根本不知道该问什么正确的问题，更别说什么时候问。AI 能做的最有价值的工作，是那些没人想到要问的工作。AI 应该找到没人发现的风险、没人想到的交易对手、没人知道存在的销售管线。这将彻底打开 AI 用例的边界。一个无需提示的系统持续监控整个投资组合的数据流。它发现某家被投公司的运营资本周期已经连续三个月悄悄恶化，与信贷协议中的契约条款做交叉比对，在基金里任何人打开那份 PDF 之前就通知了运营合伙人。当你不再需要人类来给 AI 写 prompt，新的界面和新的工作方式就出现了。我们 @Hebbia 在这方面有很强的想法。后续再聊。结语以上这些并不否定聊天机器人、Agent 和个人级 AI 的价值。个人级 AI 将是全球大多数企业第一次体验 AI 变革魔力的载体。推动使用量、推动易用性，是建设 AI 优先经济所需的变革管理的关键第一步。但与此同时，对机构级智能的需求是明确的、紧迫的、巨大的。未来每个组织都会有一个来自大模型实验室的聊天机器人。每个组织也会有为特定领域问题专门打造的机构级 AI——而个人级 AI 会把机构级 AI 当作自己工具箱里最关键的工具来使用。机构级 AI 和个人级 AI「更好地结合」是必然趋势。但请记住 1890 年代纺织厂的教训。最先通电的工厂，输给了重新设计车间的工厂。我们已经有了电力。是时候重新设计我们的工厂了。感谢 @aleximm 和 @WillManidis 的审阅，以及 Will 的「工具形状的物体」一文对本文的启发。
Thank you for reading this post, don't forget to subscribe!