在AI上我們正處在一個微妙而關(guān)鍵的時刻。

一般感知里，AI正以“副駕駛”（Copilot）和效率工具的形態(tài)，溫和地融入我們的工作流程，帶來了生產(chǎn)力的提升，但尚未顛覆組織的根本形態(tài)。

水平面之下，一股決定性的力量則正在積聚。

我們正在接近一個“溫和的拐點(diǎn)”——從“人機(jī)協(xié)同”到“人機(jī)委托”的范式轉(zhuǎn)移點(diǎn)。一旦越過這個點(diǎn)，競爭的本質(zhì)將不再是誰能更好地“使用”AI，而是即將迎來一個全新的競賽周期：比拼誰能更快、更徹底地將任務(wù)“撒手”給自主的AI Agent。

最近與此最直接相關(guān)的是一件事情是，Anthropic的聯(lián)合創(chuàng)始人Clark在訪談中提到：

“我們在 Anthropic 內(nèi)部做了調(diào)研，和 130 名工程師聊了聊他們過去一年使用 AI 的體驗(yàn)——他們的工作發(fā)生了翻天覆地的變化。很多人現(xiàn)在的工作量是以前的兩、三倍，但他們已經(jīng)不再寫代碼了，而是管理 AI Agent 系統(tǒng)集群。 他們說：‘我的工作完全變了，我得重新思考自己在 Anthropic 的角色?！?/p>

這實(shí)在是溫和拐點(diǎn)的再明顯不過的信號。

也許不好理解，我這里做一點(diǎn)解讀：

軟件可以看成是世界的一種另一種表示，所以有"軟件在吞噬世界一說"。

不同的軟件復(fù)雜度很不一樣，但Anthropic的Claude其復(fù)雜度基本是比較頭部。我們沒有任何理由懷疑Clark在吹牛，這樣的話，就可以推定編程這事很快在實(shí)踐上會被打穿了（不是比賽上）。

編程這事被打穿的關(guān)鍵意義是：

世界上不能被編程處理的事情太少了。

模型有兩種方式完成任務(wù)：一種是直接調(diào)度工具和數(shù)據(jù)，一種則是通過編程。如果它可以處理編程，那意味著前者也并不遙遠(yuǎn)。只要你能把環(huán)境準(zhǔn)備好。

理成和編程類似。

而這個拐點(diǎn)之所以“溫和”，是因?yàn)樗牡絹聿⒎前殡S著巨響和濃煙，而是源于底層能力的悄然成熟。

其背后，是兩條堅(jiān)實(shí)的邏輯鏈條，它們是這場變革的必然性，并最終指向一種全新的組織形態(tài)——也就是我們經(jīng)常說的“無人公司”。

順道說一句，這個號上對大趨勢的判斷準(zhǔn)確率其實(shí)還是可以的，感興趣大家可以翻下這個2年前的文章，然后對照下今天的事實(shí)。

邏輯鏈一：能力成熟的信號——編程，即將被打穿的第一個半開放系統(tǒng)

AI能力的擴(kuò)張路徑，是我們判斷拐點(diǎn)臨近與否的核心依據(jù)。

其實(shí)底層技術(shù)的進(jìn)展是比較清晰的。

從AlphaGo到AlphaDev： AI相當(dāng)于是在圍棋等封閉系統(tǒng)中證明了自己。而近期，從DeepMind的AlphaDev發(fā)現(xiàn)全新排序算法，到以Devin AI為代表的自主軟件工程師項(xiàng)目的涌現(xiàn)，都標(biāo)志著AI正系統(tǒng)性地攻克編程。

來自一線的最直接的顛覆性證據(jù)就是上面Anthropic的Clark分享的信息。

它揭示了兩個核心事實(shí)：第一，AI Agent已能承擔(dān)核心的編程執(zhí)行任務(wù)；第二，人類的角色正在從“執(zhí)行者”升維為“管理者”和“編排者”。

打穿編程，意味著打穿所有半開放系統(tǒng)。

這里必須強(qiáng)調(diào)一個關(guān)鍵邏輯：編程是純血的數(shù)字原生物種。

它包含了邏輯構(gòu)建、系統(tǒng)思維、資源調(diào)用（API）、目標(biāo)拆解和持續(xù)修正等核心要素。

因此，一旦AI多智能體系統(tǒng)能夠系統(tǒng)性地“打穿”編程，就等于證明了它們已經(jīng)掌握了攻克所有其他半開放系統(tǒng)的“萬能鑰匙”。

至少能力上是OK了。

無論是法律文書的撰寫與審查、財(cái)務(wù)模型的搭建與推演，還是市場營銷活動的策劃與執(zhí)行，這些領(lǐng)域雖然專業(yè)知識不同，但在抽象的工作流結(jié)構(gòu)上，與編程并無本質(zhì)區(qū)別。只要為AI Agent提供相應(yīng)的專業(yè)知識庫和工具接口，復(fù)刻在編程領(lǐng)域的突破，就只是一個條件和時間問題。

邏輯鏈二：新周期的物理定律——上下文超載與人類干預(yù)的失效

一旦我們越過拐點(diǎn)，開始大規(guī)模部署AI Agent集群執(zhí)行復(fù)雜任務(wù)，一個新的“物理定律”將浮現(xiàn)，它將徹底定義新的競爭規(guī)則。

我管它叫：執(zhí)行上下文的指數(shù)級爆炸。

一個AI Agent集群在做決策時，其瞬間引用的“上下文”將是人類心智無法想象的。它可能同時處理全球的實(shí)時銷售數(shù)據(jù)、供應(yīng)鏈物流信息、社交媒體情感趨勢、競爭對手動態(tài)乃至宏觀經(jīng)濟(jì)指標(biāo)。這個上下文的數(shù)據(jù)量將以PB級計(jì)算，其內(nèi)部交互速度以毫秒計(jì)。

在這種高速、海量的信息流中，人類的干預(yù)將變得不切實(shí)際。一個管理者想要介入，首先需要理解AI的決策背景，但這需要AI暫停高速運(yùn)轉(zhuǎn)，并將龐大的上下文為你“降維”和“轉(zhuǎn)譯”。這個行為本身就是巨大的效率瓶瓶頸。更重要的是，基于“降維”信息做出的人類判斷，大概率是片面且有害的。

這個“定律”意味著，在新周期里，任何試圖保留人類在執(zhí)行循環(huán)中進(jìn)行微觀干預(yù)的組織，都將在效率上被徹底淘汰。

“撒手”將不再是一種選擇，而是一種必須。

競爭的關(guān)鍵，在于你“撒手”的速度和建立新型信任機(jī)制的速度。

但這絕非是用人還是用AI的問題，而是說需要新的分工模式。

無人公司關(guān)注的正是這點(diǎn)。

前兩天晉琦發(fā)了篇文章：

我看了的感覺是，這不要把人累死么！

人與兩套AI系統(tǒng)

這個即將到來的“比撒手速度”的周期里，將不可避免地催生出一種新的組織形態(tài)。

也就是說由拼技術(shù)到拼組織模式?！?/strong>無人公司》關(guān)注的其實(shí)是組織模式，不是有人沒人??！

過去我們暢想的“人機(jī)結(jié)合”的“半人馬”模型，可能只是一個短暫的過渡階段。真正的穩(wěn)定形態(tài)，將是一個由人類進(jìn)行“遠(yuǎn)程遙控”的“無人公司”。

這不是一個沒有人類的組織，而是一個人類從“執(zhí)行回路”中戰(zhàn)略性退出的組織。然而，我們必須強(qiáng)調(diào)，人類退居的這個“治理回路”本身，其復(fù)雜性也遠(yuǎn)超想象。要完成如此宏大的系統(tǒng)性任務(wù)，人類并非回歸紙筆和白板，而是將依賴于另一套同樣基于AI、但始終保持“副駕駛”（Copilot）狀態(tài)的復(fù)雜系統(tǒng)來輔助決策。

所以這是一個三層系統(tǒng)：人、Copilot、無人公司。

在這個治理系統(tǒng)中，AI幫助人類建模、推演、洞察，但最終的價值判斷和戰(zhàn)略拍板由人類做出。人類的角色不再是手握方向盤的駕駛員，而是：

1. 價值觀的注入者： 在強(qiáng)大的AI治理輔助平臺的支持下進(jìn)行推演和壓力測試，為整個運(yùn)營系統(tǒng)設(shè)定根本的游戲規(guī)則——倫理底線、使命愿景、風(fēng)險(xiǎn)偏好。相當(dāng)于說賺錢也不能毫無底線。AI可以模擬出不同價值觀約束下，公司運(yùn)營系統(tǒng)可能出現(xiàn)的長期行為，而人類則基于此做出最終的價值抉擇。這是人類智慧的最高體現(xiàn)。

2. 系統(tǒng)的架構(gòu)師： 利用AI進(jìn)行復(fù)雜的系統(tǒng)動力學(xué)模擬，來設(shè)計(jì)AI Agent集群的協(xié)作、制衡與激勵機(jī)制。你的工作不再是管理“員工”，而是與你的“架構(gòu)師Copilot”一起，設(shè)計(jì)一個能夠自我進(jìn)化、自我修復(fù)、并且長期符合價值觀的“數(shù)字生命體”。

3. 宏觀的導(dǎo)航員： 透過一個由AI驅(qū)動的、高度可視化的洞察平臺，來觀察運(yùn)營系統(tǒng)輸出的海量、高維度的遙測數(shù)據(jù)。這個“導(dǎo)航Copilot”能幫助人類從萬億級的數(shù)據(jù)點(diǎn)中發(fā)現(xiàn)戰(zhàn)略性異常和宏觀趨勢，從而應(yīng)對運(yùn)營系統(tǒng)自身無法處理的“黑天鵝”事件，并適時為其進(jìn)行宏觀戰(zhàn)略方向的校準(zhǔn)。

小結(jié)

近來看到的數(shù)據(jù)里面，還有一個與此直接相關(guān):

http://assets.anthropic.com/m/218c82b858610fac/original/Economic-Index.pdf

報(bào)告中對自動化和增強(qiáng)的定義是：

自動化（Automation）指面向“完成任務(wù)”的交互模式：

指令式（Directive）：用戶給 Claude 下達(dá)任務(wù)，Claude 以最少的往返溝通完成。

反饋閉環(huán)（Feedback Loops）：用戶把任務(wù)自動化，并在需要時向 Claude 提供反饋。

增強(qiáng)（Augmentation）側(cè)重協(xié)作型交互模式：

學(xué)習(xí)（Learning）：用戶向 Claude 詢問信息或讓其解釋各類話題。

任務(wù)迭代（Task Iteration）：用戶與 Claude 協(xié)作，對任務(wù)進(jìn)行反復(fù)迭代。

驗(yàn)證（Validation）：用戶請 Claude 對其工作給出反饋/評審。

上面的統(tǒng)計(jì)簡單說就是人們交給大模型的任務(wù)越來越高級，在向脫手的方向移動，并且第一次超過了把大模型當(dāng)純粹的工具。

說起來很巧，寫這篇文章要結(jié)束的時候看到了侯老師轉(zhuǎn)了下面這篇文章：

這又是一個信號。

很有意思的點(diǎn)是，我寫這篇文章的時候看到侯老師轉(zhuǎn)發(fā)了下面的文章：

這實(shí)在是有意思的點(diǎn)，9.30晚上七點(diǎn)會展開聊聊這些，感興趣的同學(xué)聯(lián)系：shuixiu2024