彭博社：人工智慧將如何顛覆企業的組織管道

文章來源：AI先鋒官

Image source: Generated by AI

在人類大部分歷史中，要雇傭十幾比特擁有博士學位的專家，往往需要龐大的預算和長達數月的準備時間。 如今，只需在聊天機器人中輸入幾個關鍵字，就能瞬間獲得這些“大腦”的智慧。

當智慧的成本變得更低、速度變得更快，支撐我們社會制度的基本假設——“人類洞察力稀缺且昂貴”——將不復存在
。當我們可以隨時調用十幾個專家的見解，公司組織結構會如何變化？ 我們的創新管道會如何演進？ 我們每個人又該如何對待學習與決策？ 擺在個人與企業面前的問題是：當智慧本身隨處可得且幾乎不需成本時，你將如何行動？

智慧“降價”的歷史行程

歷史上，我們曾不止一次見證知識成本大幅下降、傳播途徑急速擴張的過程。
15世紀中葉印刷機的出現，就極大降低了書面資料的傳播成本。 在此之前，文字往往由僧侶等專業人士手工謄寫，既費錢又費時。

當這道瓶頸被打破後，歐洲迎來了深刻的社會變革：新教改革在宗教層面引發了巨大衝擊； 識字率迅速上升（為普及初等教育奠定了基礎）； 科學研究借助印刷出版品蓬勃發展。 荷蘭和英國等商業導向的國家囙此獲益匪淺，荷蘭進入“黃金時代”，而英國則在隨後的數個世紀繼續在全球舞臺上扮演重要角色。

隨著時間的推移，福斯識字與公共教育普及，讓社會總體智慧得以提升，這也為工業化打下了基礎。 工廠崗位日益專業化，更複雜的勞動分工推動了經濟增長。 18世紀末，男性識字率較高的國家率先實現工業化； 到了19世紀末，科技最發達的經濟體也往往是識字率最高的國家。 人們掌握新的技能，催生出更多專業崗位，從而形成延續至今的良性迴圈。

互聯網的出現更是把這一趨勢推向新高度。 童年時，如果我想研究一個新話題，需要帶著筆記去圖書館蒐索書目，光是這一步就能耗掉大半天。 那時，獲取知識既昂貴又不易。

而今，人工智慧接過了這條持續千年的“降低智慧成本”的接力棒，為我們的經濟與思維方式開啟了全新的篇章。

我與ChatGPT的“頓悟時刻”

我在2022年12月第一次使用ChatGPT時，就感到這是一個里程碑的產品。 起初，我只是用它做些“數位把戲”，比如讓AI“用Eminem的風格改寫《獨立宣言》”（它寫出的改編詞大概是“Yo，我們要大聲說出來，這裡的人絕不會被打倒”，諸如此類）。

事後回想，這就像讓一比特藍帶廚師為你烤芝士三明治，實在太過大材小用。 直到2023年1月的某個下午，我和12歲的女兒花了幾小時，借助ChatGPT一起設計了一款全新的桌面遊戲，才真正意識到這類工具的力量。

當時，我先告訴AI我們喜歡哪些桌遊、不喜歡哪些，並請它分析其中的共性。 它發現，我們喜歡能够“鋪設路徑”“管理資源”“收集卡牌”“製定戰畧”且“勝負懸念較大”的遊戲機制，同時不喜歡某些常見於《Risk》或《大富翁》的模式。

我要求它在這些元素的基礎上構思一些不那麼顯而易見、但又重要的遊戲創意，並希望有一定歷史背景。 ChatGPT便想出了一個名為“Elemental Discoveries”的遊戲：玩家扮演18~19世紀的化學研究者，通過收集和交易資源來進行實驗、獲得分數，並可相互干擾破壞。

然後，我讓它進一步細化資源、玩法、遊戲機制以及適合玩家扮演的角色。 它提出了“煉金術師”“破壞者”“商人”“科學家”等定位，還為他們匹配了歷史上的化學家形象，例如拉瓦錫、約瑟夫-路易·蓋-呂薩克、瑪麗·居裏、卡爾·威廉·舍勒等。

借助當時還比較“初級”的ChatGPT，我們僅用兩三小時就製作出了一款雖然粗糙但還算可玩的桌遊。 最後，我不得不停下來，一方面是時間不够，另一方面我也已經精疲力竭。 那次經歷讓我親身體會到，
AI“合作者”可以將原本需要數周的研發流程，壓縮到短短幾小時。
想想如果把它用於產品開發、市場分析，甚至企業戰略，會帶來多麼巨大的潜力？

在這個過程中，我看到的ChatGPT並不僅僅是在複讀或堆砌事實； 它的表現展現出類比和概念性思維能力，能够聯結點子與現實參攷，真正地在需求下輸出具有創造力的解決方案。

從“隨機鸚鵡”到“深度思考者”

一萬億這個數量級已經很驚人了。 支撐ChatGPT的大型語言模型動輒擁有數十億、數千億甚至上萬億個參數，其複雜程度令人咋舌。

我們至今也不完全明白這些模型為什麼、又是如何發揮作用。 當它們在過去七年屢屢取得突破時，有些理論學者堅持認為它們做不出真正的新東西——2021年，一些研究者甚至提出“隨機鸚鵡”（stochastic parrots）這一帶有貶義的說法。 因為大型語言模型基本是根據訓練數據的統計規律來預測文字，仿佛鸚鵡隨機重複話語。

然而，對於那些持續體驗並讚歎這些工具的人而言，很難相信它們只是在複讀。 尤其是在過去半年裏，這種觀點顯得更加站不住脚。

最初的大型語言模型，更像是“憑直覺發言”，既缺少“反省”能力，也無所謂“自我意識”。
用諾貝爾經濟學獎得主丹尼爾·卡尼曼的話來說，人類大多時候依靠系統1（直覺性、快速反應）的思維，但真正需要深入思考時，我們會切換到系統2（緩慢、謹慎且更不易出錯）。 前期版本的ChatGPT及其競品多數只具備類似於系統1的表現，沒有系統2的推理流程。

這種狀況在2024年9月時開始改變，OpenAI發佈了一個名為o1的推理模型，
它可以對多步的複雜邏輯問題進行分解、驗證中間結論（必要時還能回溯修正），從而更好地得出最後結果。
相較於傳統的大型語言模型僅能依賴記憶或表層模式匹配，新的推理模型逐步具備了折開問題、審慎推敲的能力。
有些測試顯示，這種推理模型在專門領域的測驗中已能與博士級專家相媲美，甚至更勝一籌。

自o1發佈後，短短六個月裏，AI又取得了驚人的進展。 現時最火熱的話題是如何將這些推理模型變成“自主研究助手”。 它們的表現真是令人驚豔。

最近，我讓一個研究機器人為我進行一項分析，主題是“對F1賽車、科切拉音樂節、迪士尼樂園、拉斯維加斯賭場、醫院、大型動物園等大型活動或運營項目進行綜合環境影響評估”。 AI花了73分鐘，查閱了29個獨立來源，並給出了詳細的結果表格和1916字的文字說明。 雖然質量仍有提升空間，大約相當於讓一比特研究生花幾天寫出的報告水準，但它卻為我節省了數日的時間。

僅在18個月前，我的AI系統只能為我解决一些半小時以內的小任務； 而現在，它已經足以應對更複雜、更耗時的研究工作。

認知“生產線”的出現

我們一直在見證與“知識使用”和“認知勞動”相關的一連串演變。 從最初寺廟和學者壟斷智慧，到印刷術讓知識變得可傳播，再到互聯網讓資訊本身變得觸手可得，問題也逐步轉向了“如何理解資訊”。 現在，那些我們曾認為稀缺且複雜的任務，也變得近在咫尺、且成本低廉。

不過，當我與大企業管理層溝通時，發現他們大多只在一些瑣碎領域使用AI，比如客服自動化來節約成本。
Salesforce的首席執行官曾在去年12月表示，他們每週36000條客戶支援諮詢中，有86%是由AI回答的； 瑞典金融科技公司Klarna則聲稱其三分之二的客服對話由AI處理，單是這一措施就為公司帶來了4000萬美元的利潤。 然而，純粹通過客服削减10%成本並不足以讓企業獲得質的飛躍，還沒有哪家偉大企業僅憑降低成本而取得成功。

囙此，大多數企業先從相對低端的任務著手，用AI處理每小時50美元的工作（如客服聊天），雖然有用，但遠非轉型。
可事實上，AI同樣勝任每小時“價值”高達5000美元的任務——比如研發、戰略規劃或者專業諮詢。 為什麼現時只有少數公司把AI投入到這些關鍵環節？

一個原因在於人們很難想像，“必須依靠資深管理者或頂尖專家”才能完成的工作，居然可以（或者部分可以）由機器來承擔。
正因為卓越人才稀缺，那些高價值任務才顯得格外珍貴。 我們的組織結構便是在“真正的高智商人才供給有限”這一認知下設計的。

以製藥行業為例，一款重磅新藥往往能左右企業成敗。 瓶頸在於把藥物推進到昂貴且耗時的審批流程中——通常需要10~15年的時間和超過10億美元的投入，而且往往幾千個候選分子裏只有一個最終上市。 與此同時，一家大型製藥公司裏，市場人員的數量可能比頂尖研發人員多好幾千倍，因為真正的資深研究專家極為稀缺。

現階段，大多數企業領導人仍處在“嘗試接受AI”而非“真正相信AI”的階段。 他們習慣於認為有些問題太難或太昂貴，能躲就躲。
可隨著AI的出現，約束不再是“我們是否能想出解決辦法”，而更是“我們能多快把好想法落地驗證”。

這一切都將帶來深遠影響。
當每個企業都能隨時調用數位“博士級AI專家”時，創新速度自然會大幅加快。
就像亨利·福特的汽車流水線讓生產過程能迅速反覆運算、改進一樣，AI可以讓思想和解決方案得到持續打磨更新，公司也能更快試錯、更快學習、迅速轉向。

當然，如果企業並沒有能力落實那些由AI“智囊團”提出的想法，那麼再高明的點子也無濟於事。 能否順暢地執行與集成，才是真正拉開差距的關鍵。

我與AI共處的日常

過去18個月，我逐漸建立起一個“AI生態系統”為我工作服務。 比如，在2024年6月某天，我一天裏調用這些AI系統38次，累計互動字數達到7.9萬字，用於研究。

到2025年1月，我已經不再去統計交流字數了。 但在沒有對方（真人）反對的情况下，我幾乎每次會議都會帶一個AI做會議記錄。 日常研究中，我也經常使用好幾個不同的AI工具。 就在寫這篇文章的一周內，我向各種大型語言模型發出了至少144次査詢——這還不包括錄音轉寫（26次）和程式碼助理工具的使用。 我現在用新一代AI工具的次數，比用Google蒐索還要多。

令人意外的是，雖然我處理的工作量新增、速度更快，但我在電腦荧幕前耗費的時間卻比前幾年更少了，這對我來說是個非常開心的收穫。

當智慧的成本幾近於零時，真正的瓶頸已不再是“如何獲取大腦”，而是“我們如何善加利用”。 那些能提出好問題、客觀評估答案並果斷行動的個人和組織，將成為大贏家。
他們也需要思考：手裡的時間多了，該拿它來做什麼？

作者 
Azeem Azhar為 Exponential View[1] 專欄作者，同時也是初創企業投資人。

引用連結

[1]
 Exponential View: 
https://www.exponentialview.co/