系統智能：真正的AI下半場

AI的應用形態確實在發生一種本質性變化。（此前好像有人說過AI下半場，但和我這里的應該不是一個事。）

一堆新詞與此有關，比如：AIfirst（智能優先），Agentic Enterprise，AI Native(智能原生），System Intelligence（系統智能），無人公司（Zero-Person Company）。

這些詞更像是橫看成嶺側成峰的結果，其實大家嘗試表述的是一個事（未來之物）。

這種AI生效范圍從一般工具場景到系統整體的躍遷，我覺得叫下半場可能更合適。因為倆階段性質完全不一樣。一個是工具智能，一個是系統智能。

這事剛開始，還需要模型再迭代個1~2次，但說起來也就1年左右的事，一點也不遙遠。

注：無人公司這事現在看有倆人吆喝：一個是鄙人，影響力實在不大；一個是奧特曼，這個就太大了，它管這個叫Zero-Personcompany。但我確實不是抄襲他的說法，我寫書比他早一點，屬于原創，巧合而已。

從 工具智能 到 系統智能

前兩年我們其實被“工具智能”所環繞。

無論是撰寫郵件、生成圖像的chatGPT，還是創造視頻的Sora，每當他們升級，我們就很高興。

但現在大家發現沒，至少OpenAI在狂補它的體系性，最近發布的產品好多都不是單點的升級。

這些單點能力無論多么強大，其本質仍是被調用的工具。

然而，盡管AI工具層出不窮，許多企業卻發現AI并未帶來預期的革命性效率，AI“不好用”的抱怨普遍存在。

參見：

這一點也不難理解。

這種“工具智能”的瓶頸不止在于技術比如模型精度不行，還在于其“不自由”。

它就像一個被縛的巨人，空有智慧，卻無感知和行動的自主權。

它無法主動感知企業運營的全域信息（數據不自由），也無法自主執行閉環的復雜任務（工具不自由）。

它的智能是“瞬時”的、“被動”的、“非連續”的。

要打破這一桎梏，就需要“系統智能”——一種能夠自主感知、決策、執行、反饋的閉環智能體體系。

而實現這一躍遷的前提，是賦予AI兩大核心自由（前提是模型得好使，但這點太顯然了，并且注定會越來越好使，我后面就不說了，但不是說不關鍵）：

1. AI的數據自由： 這不僅指AI有權訪問數據庫，更是指它有權實時感知組織內部（如ERP、CRM、OA）和外部（如市場、供應鏈、輿情）的一切結構化與非結構化數據流。它必須像神經系統一樣，無延遲地觸達組織的每一個末梢。（老板機密藏起來一部分那種是不太靈的，需要別的高級藏法...）

其實再深挖一層會發現，非結構化的原始數據重于結構化數據。

結構化數據更像個標簽系統，其實是有損提取。

2. AI的工具自由： 這即是隨時可以調度自己需要調度的東西。AI必須擁有絕對的“執行權”，能夠自主調用任何API、執行任何軟件、調配任何資源（如生產線、物流、預算），以完成它所決策的任務。

然而，為什么實現雙重自由如此之難？

因為過去的所有系統是給人用的。

馬車道跑不了火車，所以不稀奇。

專業點說法是：數據第一性，本質上不是技術議題，而是組織議題。

幾十年來，企業信息化的核心難題——數據孤島——從來都不是技術無法打通，而是組織不愿打通。ERP會比電商產品技術難度高么！

數據是組織結構的屬性，是權力邊界的映射。

在馬克斯·韋伯（Max Weber）所定義的經典科層制（Bureaucracy）組織中，信息的不對稱是權力存在的基礎。部門墻、審批流、數據權限，這些設計的初衷就是為了控制信息的流動，以匹配金字塔式的權力分配。

數據就是領地，數據就是籌碼和權力。

（數據背后是信息和知識）

過去數據問題為什么解決不了，你用技術解決權力問題你也解決不了。

因此，要求為AI實現徹底的“數據自由”，無異于一場“政治革命”。它等于要求傳統的各層管理者交出他們最核心的權力——信息裁決權和資源調配權。

正是在這一點上，前沿的人工智能與經典的組織行為學產生了最激烈的交匯。

所以說：從現在開始，AI好用的關鍵是組織，不是技術。

AI進化的天花板，不是算法或算力，而是由法約爾和韋伯在一個世紀前奠定的、以“控制”為核心的組織形態。

不打破這層組織天花板，“系統智能”便無從談起。

關于這部分，我略郁悶的一點是：

我寫《無人公司》實在是覺得自己對這部分有點心得，但有些同學似乎被一人公司等等給帶歪了，覺得不能馬上學個工具發家致富都是瞎扯。這種可別買書了。

參見：

AI First （智能優先） 的真正含義 等于 構建 A g e n t i c E n t e r p r i s e

如果說僵化的組織結構是“問題”，那么“AI First”（智能優先）就是解決方案。

但我們必須重新定義“AI First”。它不是指多買幾個AI工具，并且不用不行；也不是指成立一個AI創新部來點綴門面。

這些最多有點發燒上降溫貼的意思。

這些淺層的應用，只是在舊的組織結構上裱糊一層智能的外衣，并未觸及根本，也無法讓AI真正好用起來。

“AI First”的真正含義是：一種組織設計原則。

它要求企業在設計每一個業務流程、數據架構和權責分配時，必須優先考慮AI（而非人類）的需求。人類的介入應該被視為例外，而非默認。

這真的是反過來的，我整到現在才算弄清楚為啥智能原生原生不好理解，就是因為這需要站在AI視角看問題。原因是它反人類，是一個AI視角。

比如讓黑猩猩按照人類優先原則理解人類社會，那困難大概是一樣的。

當一個組織開始嚴肅地踐行“AI First”原則時，它的唯一目標，就是系統性地、不可逆轉地為AI掃清障礙，確保其在第一部分中所論述的“數據自由”和“工具自由”。

這一過程必然會帶來組織“形態遷躍。

1. 數據壁壘必須被打碎： 為了讓AI“感知”一切，所有數據源必須實時匯入一個無差別的“數據中樞”。也許物理上不是一個地兒，但AI要用的時候要能訪問到。

2. 業務流程必須被API化： 為了讓AI“執行”一切，所有業務功能（從下單、排產到支付、客服）都必須被重構為AI可調用的“服務”或“工具”。當然命令行也行，或者有個環境，讓AI能自己做工具，然后測試把活干了，也行。

3. 人類職能必須被重定義： 人類的角色不再是流程的“執行者”或“審批者”，而是AI系統的“設計者”、“監督者”和“維護者”。

當這個過程完成后，傳統的組織金字塔便宣告解體。取而代之的，是一個由無數AI Agent（智能體）作為基礎節點、通過實時數據流相互連接的“智能體網絡”。

這，就是“智能原生企業”（Agentic Enterprise）。

（AI First幾乎必然“反人類”...）

在智能原生企業中：

● Agent是基本單元： 公司的員工不再是人類崗位，而是一個個職能明確的AI Agent（如財務Agent、營銷Agent、代碼Agent、客服Agent）。

● 數據流驅動業務流： 業務的觸發不再依賴“上級指令”或“跨部門會議”。而是由數據驅動：一個“市場Agent”感知到競品降價，便立即自主觸發“定價Agent”調整策略，并同時通知“營銷Agent”更新廣告文案。數據流背后當然是AI，也就是通用智能的決策能力。

● 組織即平臺： 公司（或CEO）的核心價值，不再是“管理”，而是“運營平臺”。即為海量的AI Agent提供運行所需的算力、工具集、安全合規框架，并為其設定一個總目標（例如：利潤最大化或市場占有率第一）。

“智能原生企業”是“AI First”的必然產物，它為AI提供了夢寐以求的“雙重自由”。但它還不是終點，它只是為最終的“質變”搭建了完美的舞臺。

這不是簡單的數字孿生，而是行為也要以AI為原動力進行驅動。

沒有這個憑啥是智能原生。

參見：

系統智能的螺旋遞歸與無人公司

在智能原生企業的初期，人類仍然扮演著“最終決策者”的角色（Human-in-the-loop）。我們監督Agent的工作，我們為高風險決策設置“審批”節點。

但一個不可逆轉的趨勢正在發生：AI的判斷水平正在系統性地超越人類。

隨著大模型在推理、歸納和多模態理解力上的指數級發展，在絕大多數商業決策上——無論是廣告投流、供應鏈管理、風險定價還是研發方向——AI基于全域數據得出的結論，將比人類管理者基于“經驗”和“直覺”的判斷更加精準。

此時，“奇點”到來了。

人類的“干預”和“審批”，不再是系統安全的“保障”，反而可能是系統效率的“瓶頸”和“噪聲”。

人類指導AlphaGo下棋，絕對是減分項。

我每次看到大家分享用AI改善效率，心里都嘀咕，這絕對是自己在為顛覆自己而鋪平道路。

一旦越過這個臨界點，智能原生企業內部將啟動一種不可阻擋的自我進化機制。

這個過程可以被拆解為以下幾個步驟：

1. 循環 1（執行與學習）： AI Agent網絡（系統智能）基于已獲得的“雙重自由”，自主運行業務（例如：完成一次產品迭代和市場推廣）。

2. 循環 2（自我反饋）： AI立即捕捉并分析該業務產生的所有新數據（用戶行為、銷售額、成本、輿情反饋）。

3. 循環 3（模型優化）： AI利用這些實時反饋，即時優化自己的業務決策模型（例如：調整用戶畫像、改進定價策略）。這是標準的機器學習。不一定上來就優化模型。

4. 循環 4（組織優化）：【這是關鍵一步】 AI在分析中發現，流程中某個“人類審批節點”（例如：法務部門對廣告文案的常規審核）是多余的，或其判斷的準確率低于AI。該節點已成為系統效率的瓶頸。

5. 遞歸（Recursion）： 系統智能自動發起“組織結構變更”提案（例如：“建議將此常規審核權完全移交給AI合規Agent，人類僅在AI風險評分 > 0.95 時介入”）?；凇癆I First”的最高效率原則，該提案被（人類設計者或AI治理系統）批準。

6. 螺旋（Spiral）： AI的“工具自由”或“數據自由”的邊界進一步擴大。它帶著更強的能力和更大的自主權，返回（循環1）執行下一項任務。

這個“執行-反饋-優化-擴權”的循環，就是“螺旋遞歸”。

它是一個不斷自我強化的正反饋。AI通過一次次循環，遞歸地優化掉組織中所有“不必要”的人類節點，從而“螺旋式”地提升自身智能和權限的邊界。

不要以為是瞎說，2022年chatGPT以來，人們各種對AI應用的嘗試，基本在這個框架下。

大家可以對照《無人公司》然后記住上面這個過程，再去聽很多實踐的分享，然后你就發現，人類的各種努力不過是在為這個過程自覺不自覺的準備條件。

那么，這個螺旋遞歸的終點是什么？

答案是“無人公司”（Zero-Person Company）。也對應AI的Level5 Organization。

隨著上述循環的不斷加速，人類的崗位，無論是體力勞動（如物流、制造）還是腦力勞動（如財務、營銷、管理），都將被AI Agent系統性地優化掉。

最終，公司演變為一個僅由最高目標（如股東價值最大化）和外部規則（如法律合規）所驅動，由“系統智能”100%自主運行的經濟實體。它沒有人類員工，只有AI Agent在實時數據流中自主協同、自我進化。

在這個終極形態中，人類只存在于公司的外部：作為資本的所有者（設定目標）、作為社會的監管者（設定規則）、以及作為產品的最終消費者。

不要問我社會形態是啥了，真感興趣可以看哲學筆記。假如每個人都有一個或多個無人公司，這有什么不好！

當然也可以看下面這個視頻：

從管理組織到設計智能

AI從“工具智能”到“系統智能”的進化史，注定是一部組織形態的變革史。

我一直覺得整個組織行為學教材要重寫，不過我也寫不動就是了。

也就是我們開頭說的：從現在開始，AI好用的關鍵是組織，不是技術。

“數據自由”是這場變革的引爆點，它像一個試金石，將真正擁抱未來的企業和那些葉公好龍的企業區分開來。

那些試圖在舊的科層制“酒瓶”里裝AI“新酒”的企業，會發現AI永遠也“不好用”。

記住不是現在不好用，而是永遠不好用。下半場就這意思。

但過于激進也不行，超出AI能力邊界會死的透透的。

這就是我們這個時代的領導者的新命題。

20世紀的企業家和CEO，其核心工作是管理員工；而21世紀的企業家，其核心工作將是設計智能。

他們的職責不再是發布指令和監督執行，而是成為一個“智能系統架構師”：

他們必須設計一個能讓AI實現“雙重自由”的組織； 他們必須為這個“智能原生企業”設定清晰、可量化的總目標； 最后，他們必須有足夠的遠見和勇氣，在“螺旋遞歸”啟動后，主動“讓開道路”，允許系統自我進化。

還記得這個老頭的是誰么？他的名字是架構師!

入群或加入AI碰撞局：shuixiu2024

參見：