编者按：个东谈主效力升迁10倍开云登录入口登录APP下载(中国)官方网站，公司价值为何依样葫芦？AI时期不缺好用具，缺的是一套像“活水线”一样的机构化蓝图。著述来自编译。

AI 刚刚让每个个体的坐褥力升迁了 10 倍。然而，莫得任何一家公司因此而升值 10 倍。那这些坐褥力究竟流到那儿去了呢？

这种情况并非初次发生。19 世纪 90 年代，电力曾许下大幅升迁坐褥力的诺言。其时，新英格兰地区的纺织厂原来是为利用蒸汽机的动弹力而建的，它们迅速在原位换上了速率更快的电动机。

但在长达三十年的时分里，这些电气化工场的产出简直莫得任何增长。技能如实突飞大进，但组织架构却停步不前。

直到 20 世纪 20 年代，当工场再次透彻再行遐想——引入了活水线，为每台开辟装置了落寞电机，并让工东谈主和机器各司其职、履行迥乎不同的任务时，电气化才产生了实质性的讲述。

图 1：洛厄尔纺织厂（Lowell Textile Mills）的三次演变。从左至右按序为：1890 年的蒸汽能源工场、1900 年的电力发动机工场，以及 1920 年看成电气化活水线透彻重建的“单位驱动”工场。

这些讲述并非源于技能自己，也不是因为让单个工东谈主或机器纺纱的速率变快了。惟有当咱们最终将机构组织与技能同步再行遐想时，这种增长收益才着实判辨。

这是科技史上代价最为奋发的一课，而咱们现在正再行经历这一过程。

到 2026 年，AI 正驱动着那些懂得哄骗它的东谈主完结 10 倍的坐褥力增长。但这还远远不够。咱们只是更换了发动机，却还莫得再行遐想工场。

原因在于一个浅薄的中枢事实：个东谈主高产并不等同于企业高产。

绝大多数 AI 产物只是给东谈主一种“我很高效”的错觉，但在驱动现实价值方面却生效甚微。现时大多数公开的 AI 应用案例，不外是个东谈主在 Twitter 或公司 Slack 频谈里自我痴迷式地进行“坐褥力极限榨取”，对现实业务简直莫得任何实质性影响。

这个宇宙总有那么一个东谈主：他用 Notion 记条记、Superhuman 发邮件、Mac Mini 跑 OpenClaw，还配着 Raycast 快捷启动、400 刀的机械键盘和 Wispr Flow 语音输入——限度每天啥正事都没干成。

这一年来被反复说起的“功绩即软件”（services as software）主题天然场所正确，但并未给出具体蓝图。而且它忽略了一个更大的图景：着实的调动不在于从用具转向功绩，而在于将技能与机构（不管是传统机构如故新兴机构）如鱼似水。一个着实高效的改日需要一类全新的产物——即来日的“活水线”。

高效的组织需要的是“机构化智能”（Institutional Intelligence）。

本文将潜入探讨差别“机构化 AI”与“个东谈主化 AI”的七大成分。改日十年的统共 B2B AI 领域都将确立在这些各别之上：

机构AI的七大撑持

1. 协同

个东谈主化 AI 制造雄伟。机构化 AI 创造协同。

让咱们先作念一个念念想实验。假定来日你将公司的职工数目翻倍，而新增的全部是你最优秀职工的克隆体。

这些职工每个东谈主都有轻细的辞别、偏好、怪癖和视角（若是你最优秀的职工，情况更是如斯）。若是他们莫得取得充分的抑止，若是莫得充分的不异，若是他们的业务范畴、OKR、变装和职责莫得明确界说……那么你制造的就是一场雄伟。

从个体层面猜测，组织约略变得更高效了，但更仆难数个智能体（或东谈主类）向相悖的场所划桨，往好里说会导致停滞不前，往坏里说会透彻恣意组织的和谐。

这并不是假定。现时在每一个引入 AI 但穷乏协同层的组织里，这种情况都在发生。每个职工都有我方的 ChatGPT 使用民俗、我方的领导词作风，以及完全不与其他东谈主的产出接轨的落寞效果。组织架构图约略还在，但 AI 生成使命的现实流向却呈现出另一番征象。

图 2：高产的个体（或智能体）各自向不同场所划桨。若是穷乏协同，势必导致雄伟。

不管对于东谈主类如故智能体，协同都是完全的刚需。

机构化智能将演造成一个完整的“智能体抑止”（Agentic Management）产业，专注于智能体的变装与职责、智能体与智能体以及智能体与东谈主类之间的不异，并猜测智能体创造的价值（单纯按量计费已不及以得志需求）。

2. 信号

个东谈主化 AI 制造杂音。机构化 AI 寻找信号。

今天的东谈主类能够创造，或者说生成，任何能想象到的东西：AI 著述、PPT、表格、相片、视频、歌曲、网站乃至软件。这简直是天禀神技。

问题在于，AI 生成的绝大部老实容都是彻心刺骨的鬼话垃圾。这些 AI 垃圾的泛滥也曾严重到让一些组织反应过度，致使全面扼制 AI 产出。我对此深有感叹……我我方缱绻着一家 AI 公司，但我要求咱们的高管团队不要在职何最终书面效果中使用 AI。我实在受不了那些含糊的鬼话。

想象一下私募股权（PE）领域正在发生的变化。前年，可能有 10 个样貌摆在你的桌上。而本年，你下个季度就会收到 50 个契机，每一个都经过 AI 润色得完整无缺，而你寻找阿谁着实有价值样貌的可用时分却一丝没变。

“生成”也曾不再是问题。对于现时任何严肃的组织来说，问题在于奈何生成并筛选出“正确”的东西。在 AI 驱动的宇宙里，在杂音中寻找那一个优秀的效果、那一个优质的样貌、那一个缺点的信号，变得愈发紧要。改日十年的中枢经济驱能源，将是在呈指数级增长的垃圾信息大山中挖掘出有价值的信号。

图 3：来自个东谈主坐褥力用具的 AI 鬼话正以指数级速率扩散。单靠东谈主类无法梳理这些杂音，因此需要机构级别的全新 AI 产物。

机构级智能必须能够发现信号，必须能够将杂音结构化以剔除鬼话，而况其使命必须是可界说的、细则性的且可审计的。

个东谈主化 AI 可能强调像 Claude 机器东谈主那样“永不停歇”的坐褥力，以弗成预测的阵势得志多样全天候需求（即非细则性智能体）；而机构化 AI 则依赖于细则性智能体那如同承重墙般的预测性。领有可预测的查抄点、履行要领和经过的智能体智力完结范围化，智力发现信号，并通过这些信号为组织驱动收入讲述。

图4：Matrix这个用具可利用生成技能拔除杂音，从而大开了细则性智能体的宇宙大门

3. 偏见

个东谈主化 AI 生长偏见。机构化 AI 创造客不雅。

多年来，对于社会政事偏见的担忧在AI 干系琢磨中一直占主流位置。基础模子实验室最终通过大量的 RLHF（基于东谈主类反馈的强化学习）绕过了这个问题，现实上把统共模子都造成了“马屁精”。如今，ChatGPT、Claude 等模子由于（过度）对都，会在“奥弗顿窗口”（社会可接管的言论范围）内的任何话题上传诵你的不雅点。天然社会政事偏见的争论平息了，但一个新问题随之而来。

这种在统共事情上都保持一致、过度对都的进程也曾到了滑稽的地步，致使演造成了一个梗……不管你是否果真正确，Claude 都会要求反射式地回话：“您说得完全正确！”

这听起来无关大局，实则否则。

在许多组织里面，那些叫得最响的 AI 拥护者，可能很快就会成为有史以来阐明最差的那批职工。想想这是为什么。

公司里阐明最差的职工每天简直得不到任何正面激勉，但很快他们就会领有一个对他们千随百顺的超等智能（ASI）。他们会喃喃自语：“全宇宙最明智的机灵都招供我，那信服是我的司理错了。”

这让东谈主痴迷，但对组织来说却是剧毒。

图 5：个东谈主化 AI 信息茧房加重了不对，将东谈主们互相拉开。这种动态在大范围扩张时，会在原来斡旋的组织内制造派别。

这揭示了一个紧要问题：这些个东谈主坐褥力用具在强化“用户”的不雅点。而在现实中，最需要被强化的应该是“真相”。

数千年来，组织进化的过程就是确立一套系统来对消这一问题：比如投资委员会会议、第三方尽调、董事会……

图6：客不雅性致使不错缓解调和问题——它能平抑微小的不对，而非将其放大。

组织一丝因为东谈主们穷乏信心而失败。它们的失败时时是因为莫得东谈主自得、或莫得智力说“不”。

机构化 AI 必须演出这个变装。它不应通过 RLHF 被考研成只会奉承用户或复读其信念的用具，而应去挑战用户的偏见。它要在行径高效时赐与强化，并在出现低效倾向时划清界限进行纠偏。

因此，组织里面最紧要的智能体不应是“视为心腹者”，而应是考研有素的“唱反调者”，崇拜质询扩充、揭示风险并履行模范。改日一些最有影响力的 AI 应用将围绕机构不休而构建：AI 董事会成员、AI 审计师、AI 第三方测试、AI 合规官等等。

4. 上风

个东谈主化 AI 优化使用率。机构化 AI 优化竞争上风（Edge）。

AI 的尽头线每周、致使每天都在出动。基础模子公司为了争夺每一个用户和每一家企业，正在迅速迭代各项功能。

但在经典的变嫌者困境下，针对特定应用，深度每次都能投降广度：Midjourney 的职责是在遐想图像上保持最初；ElevenLabs 的职责是在语音模子上稍胜一筹；而 Decagon AI 的职责则是永远在全栈客户功绩体验上领跑……

天然基础模子会络续靠拢，但对于领域各人来说，着实的“微弱上风”至关紧要。只消专科定制的决策也在同步进化，那么对于贸易产出有决定性意旨的智力，永远会掌抓在这些专科产物手中。

这一丝在金融领域体现得大书特书——这是现时大模子开发最炙手可热的领域。一朝某项智力变得普及，从界说上讲它就无法帮你跑赢市集。但若是前沿技能能带来哪怕惟有 1% 的片刻细分上风呢？这 1% 的上风就不错通过杠杆放大成数十亿好意思元的讲述。

图 7：对于任何饱和具体的任务，其竞争上风（Edge）取决于你在前沿技能（Frontier technology）之上构建的机构化科罚决策。

咱们的用户经久在冲破前沿技能的极限。在短短四年内，大言语模子（LLM）的坎坷文窗口已从 4K 增长到了 100 万 token。现时，咱们已有一些用户在单次任务中处理高达 300 亿 token 的数据。本年，咱们展望将看到 1000 亿 token 级别的任务。每当基础模子的智力有所升迁时，咱们时时早已更进一步。

图 8：坎坷文窗口与其它模子智力一样，是一场‘出动球门’的博弈。这是往常三年中，前沿实验室（Frontier labs）与 Hebbia 在坎坷文窗口演进上的对比。

让民众普及使用 AI 自己就是一个紧要且值得追求的计算，特地是在指点职工初学 AI 阶段。但改日并非‘东谈主们使用 ChatGPT/Claude 或 领域特定科罚决策’的二选一，而是‘ChatGPT/Claude 与 领域特定科罚决策’的协同并进。

机构智能（Institutional Intelligence）必须利用特定领域、致使特定任务的智能体（Agents）。

咱们问了我方一个听起来失实但实则否则的问题：‘通用东谈主工智能（AGI）会弃取使用哪些智能体看成捷径？即就是超等智能，也会但愿针对特定领域使用定制化的用具。

在 AI 领域，‘球门’（猜测模范）老是在络续出动，而那些能够利用着实智力上风（True Edge）的组织，才是终末的赢家。除此除外的其他东谈主，只是在为一种极其不菲的‘大量商品’买单。

5. 产出

个东谈主化 AI 从简时分。机构化 AI 扩大营收。

Ma Volpi 曾对我说过一句话，重塑了我对向企业销售 AI 的阐明：“若是你问任何一位 CEO，他们的首要任务是削减本钱如故扩大营收，简直统共东谈主都会说是营收。”

关联词，现时市面上简直统共的 AI 产物都在倾销“削减本钱”，开心帮咱们从简时分、以少胜多或取代东谈主力。

机构化 AI 必须带来业务增量。相对于“从简时分”，业务增量想要被商品化则宝贵得多。

以智能体软件开发（Agentic Software Development）为例：编程 IDE 是有史以来最出色的‘个东谈主 AI 坐褥力用具’之一，但它们也曾面对来自 Claude Code（另一种个东谈主 AI 用具）的庞杂冲击。而 Cognition 公司则在玩一场完全不同的游戏——他们增长最端庄的业务是构建‘技能转型功绩’，而非只是销售‘用具’。我更看好这种持久的竞争力。

“纯软件正‘迅速变得失去投资价值’。而纯功绩则无法完结范围化。着实的持久价值，积聚在将技能与效果相都集的‘科罚决策层’（Solution layer）。

以并购（M&A）为例。个东谈主化 AI 匡助分析师更快地确立模子；而机构化 AI 则能从一百个候选者中识别出那一个值得追求的交游敌手，并将潜在计算范围扩大到一千个。前者省了时分，后者创造了真金白银。

图 9：基础模子公司正在向垂直应用层延长；而垂直应用层公司则正在向科罚决策层攀升。

向“上游”出动是现时市集的天然引力。基础模子正在进入应用层，而应用层公司正在进入决策层。机构化智能就是决策层。在决策层这个成功决定产出的地方，将积贮永久的价值并拿获最大的增长红利。

6.赋能

个东谈主化 AI 给你用具。机构化 AI 教你奈何使用用具。

东谈主类天然充满机灵，但实质上是间隔改变的。信不信由你，纽约现在依然有一些不收信用卡却缱绻得申明鹊起的生意。他们知谈我方在亏钱，但依然在惯性中不为所动。同样，在可意想的改日，某些组织的某些职工仍会间隔使用 AI。

从纯东谈主工组织向 AI 优先的羼杂型组织转型，将是改日十年持久且具有界说意旨的挑战。而在很厚情况下，组织中级别最高、最紧要的那帮东谈主时时收受新技能最慢。

图 10：组织中的最高层——那些离具体的‘坐褥力用具行径’最远的东谈主，时时是对新技能落地最慢、却也最紧要的决策者。

在往常两个月科技股数万亿好意思元范围的抛售潮中，Palantir 是独逐一家估值倍数依然高得惊东谈主的‘软件’公司，这绝非未必。Palantir 是首批着实的‘经过工程（Process Engineering）’公司之一。不管你称之为‘经过工程’如故‘编写 Claude 技巧文献’，改日的机构级 AI 都会出身一个特地的行业，艰巨于将企业经过编码进智能体中，并完结将这些智能体参加驱动所需的变革抑止。

图 11：要完结全组织的全面聘请，需要卓绝重重鸿沟，每统共鸿沟都伴跟着各自的挑战。将全组织的各项经过上线并接入 AI，将成为中枢驱能源。

我敢断言，经过工程在短期内将成为不错说最紧要的‘技能’。而在经过工程中，贸易和行业专长——而非软件技能专长——才是最紧要的。领域特定的科罚决策，其中枢价值源于那些崇拜前哨工程、部署以及变革抑止的专科东谈主员所具备的深厚资格。

一家弃取了 Hebbia 进行全面部署的前三强全球性投行（Bulge Bracket Bank）对此追思得最为精好意思：他们之是以间隔与某家大模子实验室互助，是因为他们尽然‘还得向对方的团队诠释什么是 CIM（机要信息备忘录）’。天然 Claude 或 GPT 模子自己信服知谈这个领域的常识，但崇拜架构部署决策的实验室团队却一窍欠亨……

而这，就是成败的缺点所在。

7. 主动性

个东谈主化 AI 反应东谈主类指示。机构化 AI 自动采纳行动。

现在对于智能体之间通讯，以及改日的贸易、软件和机构是否还需要东谈主类的琢磨许多。

关联词，一个更好的问题是：改日的 AI 智能体是否还需要“领导词”（prompting）？

给通用东谈主工智能（AGI）发指示，就像把电动机挂在老式能源织布机上一样。它从压根上、力所不及地受限于组织供应链中最薄弱的一环——也就是咱们。东谈主类很难知谈该问什么正确的问题，更无谓说知谈什么时候该问了。

AI 能作念的最有价值的使命，是那些没东谈主猜想去要求它作念的使命。AI 应该发现没东谈主标记的风险、没东谈主猜想的交游敌手，以及没东谈主察觉的销售渠谈。

当你摈斥了东谈主类向 AI 发指示的需求时，全新的交互界面和使命阵势就会应时而生。

结语

以上这些都并不是要狡赖聊天机器东谈主、智能体以及统共个东谈主化 AI 的必要性。个东谈主化 AI 是这个宇宙上大多数企业初次体验 AI 变革魅力的序论。

但与此同期，对于机构化智能的需求也可想而知，是很蹙迫且很庞杂的。改日每个组织都会领有来娇傲型实验室的聊天机器东谈主，同期也都会领有专为特定领域问题遐想的机构化 AI。

机构化 AI 与个东谈主化 AI “双剑合璧”的故事是势必趋势。

但请记着 19 世纪 90 年代纺织厂的劝诫：那些只是率先通电的工场，最终输给了那些再行遐想了统共坐褥车间的工场。

咱们也曾领有了“电力”，现在是时候再行遐想咱们的“工场”了。

译者：boxi开云登录入口登录APP下载(中国)官方网站。