彭博社：人工智能將如何顛覆企業的組織方式？

圖片來源：由無界AI生成

在人類大部分歷史中，要僱傭十幾位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詞，就能瞬間獲得這些“大腦”的智慧。

當智能的成本變得更低、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？我們的創新方式會如何演進？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：當智能本身隨處可得且幾乎不需成本時，你將如何行動？

智慧“降價”的歷史進程

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，文本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沖擊；識字率迅速上升（為普及初等教育奠定了基礎）；科學研究藉助印刷出版物蓬勃發展。荷蘭和英國等商業導向的國家因此獲益匪淺，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，大眾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，更復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，技術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循環。

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搜索書目，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，人工智能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“數字把戲”，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，這就像讓一位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，藉助 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，我們喜歡能夠“鋪設路徑”“管理資源”“收集卡牌”“制定戰略”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“鍊金術師”“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·居里、卡爾·威廉·舍勒等。

藉助當時還比較“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，一方面是時間不夠，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”可以將原本需要數週的研發流程，壓縮到短短几小時。想想如果把它用於產品開發、市場分析，甚至企業戰略，會帶來多麼巨大的潛力？

在這個過程中，我看到的 ChatGPT 並不僅僅是在復讀或堆砌事實；它的表現展現出類比和概念性思維能力，能夠聯結點子與現實參考，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本，彷彿鸚鵡隨機重複話語。

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復讀。尤其是在過去半年裡，這種觀點顯得更加站不住腳。

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拆解問題、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，短短六個月裡，AI 又取得了驚人的進展。目前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 1,916 字的文字說明。雖然質量仍有提升空間，大約相當於讓一位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 系統只能為我解決一些半小時以內的小任務；而現在，它已經足以應對更復雜、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，再到互聯網讓信息本身變得觸手可得，問題也逐步轉向了“如何理解信息”。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，發現他們大多隻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 36,000 條客戶支持諮詢中，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 4,000 萬美元的利潤。然而，純粹通過客服削減 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。

因此，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 5,000 美元的任務——比如研發、戰略規劃或者專業諮詢。為什麼目前只有少數公司把 AI 投入到這些關鍵環節？

一個原因在於人們很難想象，“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裡只有一個最終上市。與此同時，一家大型製藥公司裡，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迭代、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，我一天裡調用這些 AI 系統 38 次，累計交互字數達到 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）反對的情況下，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週內，我向各種大型語言模型發出了至少 144 次查詢——這還不包括錄音轉寫（26 次）和代碼助理工具的使用。我現在用新一代 AI 工具的次數，比用 Google 搜索還要多。

令人意外的是，雖然我處理的工作量增加、速度更快，但我在電腦屏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？