← All posts

高产的个人 ≠ 高产的公司

原文作者: Georgi Sivulka (@gsivulka), Hebbia 联合创始人

AI 让每个人的生产力提升了 10 倍。

但没有一家公司因此增值 10 倍。

生产力去哪了?

这不过是历史重演

19 世纪 90 年代,电力曾被承诺带来巨大的生产力提升。新英格兰的纺织厂,原本靠蒸汽引擎的旋转动力运转,很快在原地换上了更快的电动马达。

但接下来的三十年里,电气化后的工厂几乎没有任何产出增长。技术更优越了,组织却没有。

直到 1920 年代,工厂彻底重新设计,引入流水线、每台设备独立电机、工人与机器执行截然不同的任务。电气化才产生了实质回报。

这些回报既非来自技术本身,也非因为单个工人或机器纺线更快。而是因为我们终于将制度与技术一同重新设计 ,上行空间才得以实现。

这是技术史上最昂贵的教训。而我们正在当下重蹈覆辙。

2026 年,AI 正驱动着懂得使用它的人实现 10 倍生产力提升。但这不够。我们只是换了马达,还没有重新设计工厂。

因为一个简单的事实:高产的个人不等于高产的公司。

大多数 AI 产品给人"高效"的感觉,但对实际价值推动毫无作用。大多数被公开报道的 AI 使用,不过是个人在 Twitter 或公司 Slack 里"效能 maxxing",对真实业务毫无影响。

"服务即软件"这个模式说了快一年,指对了方向,但没有蓝图。而且它错过了更大的图景。真正的转变不是从工具到服务,而是将技术与制度一体构建。真正高产的未来需要一种全新类别的产品:明日的流水线

高产的组织需要"机构智能"。


机构智能的七大支柱

1. 协调

个人 AI 制造混乱。机构 AI 创造协调。

做个思想实验:假设明天你将组织人员翻倍,全是你最优秀员工的克隆。每个人有细微差异、偏好、怪癖和视角。如果没有足够的管理、沟通,如果没有明确界定职责范围、OKR 和角色分工——你就制造了混乱。

每个员工都有自己的 ChatGPT 使用习惯、自己的提示风格、自己的输出,而这些输出彼此互不对话。组织架构图可能存在,但 AI 生成工作的实际流动完全是另一回事。

协调对人类和 AI 代理都是绝对必要的。机构智能将发展出一个完整的"代理管理"行业。

2. 信号

个人 AI 制造噪音。机构 AI 过滤信号。

人类今天几乎可以生成任何想象得到的东西。问题是,AI 生成的内容几乎都是垃圾。

在 AI 驱动的世界里,找到那一个好的作品、那一个真正的交易、在噪音中找出信号,比以往任何时候都更重要。未来十年,关键的经济驱动力将是在指数级增长的垃圾中挖掘信号。

机构级智能必须发现信号、过滤噪音,必须做到定义清晰、确定性、可审计。

3. 偏见

个人 AI 加剧偏见。机构 AI 创造客观。

个人生产力工具在强化用户本身。而现实中,最需要被强化的是真相。

组织内最重要的 AI 代理不会是"应声虫",而是有纪律的"反对者"——审查推理、揭示风险、执行标准。未来一些最具影响力的 AI 应用将围绕机构约束构建:AI 董事会成员、AI 审计员、AI 合规……

4. 深度

个人 AI 优化使用量。机构 AI 优化深度。

即使基础模型会逼近,真正专业的深度始终有价值。未来不会是人们只使用 ChatGPT/Claude 或某个领域特定解决方案。未来是 ChatGPT/Claude 加上 一个垂直领域的解决方案。

机构智能必须利用领域特定的、甚至任务特定的代理。能够利用真正能力深度的组织才会获胜。

5. 成果

个人 AI 节省时间。机构 AI 规模化收入。

如果你问任何 CEO 首要任务是削减成本还是规模化收入,几乎所有人都会说收入。然而今天市场上几乎每个 AI 产品都在交付成本削减。

机构 AI 必须交付上行。"纯软件正在迅速变得不可投资。纯服务无法规模化。将技术嫁接在成果上的解决方案层,才是持久价值累积之处。"

6. 赋能

个人 AI 给你一个工具。机构 AI 教你如何使用。

从纯人类组织过渡到 AI 优先的混合组织,将是未来十年持久而关键的挑战。往往是组织里最资深、最重要的层级,采纳得最慢。

流程工程将在近期成为最重要的"技术"之一。而在流程工程中,商业和行业专业知识(而非软件专业知识)最为重要。

7. 自主行动

个人 AI 响应人类提示。机构 AI 主动行动。

AI 能做的最有价值的工作,是没有人想到要问的工作。AI 应该找到没有人注意到的风险、没有人想到的交易对手、没有人知道存在的销售管道。

当你去除了人类提示 AI 的需要,新的界面和新的工作方式就出现了。


结论

个人 AI 将是大多数企业首次体验 AI 变革魔力的载体。但与此同时,对机构智能的需求明显、紧迫,而且缺口巨大。

未来每家企业都会有一个大实验室的聊天机器人。也会每家企业都有针对特定领域问题而构建的机构智能。个人 AI 会把机构智能作为自己工具箱里的关键工具。

但请记住 1890 年代纺织厂的教训。最先电气化的工厂输给了那些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。


原文鸣谢:Georgi Sivulka (@gsivulka),Hebbia 联合创始人

Follow my WeChatWeChat 公众号 QR codeScan to follow