
公司的进化
一家拥有300名员工的传统软件公司可能需要3000平方米的办公空间,而同等规模的无人软件公司仅需1~2台体积不超过1立方米的服务器。所有由AI驱动的程序员都“居住”在这个形似黑盒子的服务器内。传统软件公司必须设置流程、确定里程碑、举行评审会议等,以确保在项目周期内持续进行PDCA(Plan-Do-Check-Act,计划—实施—检查—改进)的管理循环。无人软件公司仅需设定目标,随后由AI驱动的虚拟角色便会在服务器内完成所有软件开发工作。当然,这种与传统软件公司截然不同的运作模式也带来了诸多新的挑战。
高铁、汽车都比马车速度快,但如果没有铁路、公路,它们适应复杂地形的能力其实是不如马车的。无人公司也类似,越是深度运营,你就会发现,为了发挥它的威力,它也需要搭配自己的“铁路”和“公路”。
无人公司像人一样决策,也像人一样犯错。这会引发权责问题,它决策失误赔了500万元,谁对决策的失误负责呢?
它的大脑核心依赖AI大模型的智能水平,以及别人向它提供了什么样的信息。数据越完整、准确且及时,AI大模型越有进展,它的能力也就越强。这会引发数据质量与数据成本相关的问题。怎么才能在合适的成本下保证数据的可靠性呢?
在彻底无人化之前,人和AI智能体是需要分工协作的。这会引发人和AI智能体的边界设在哪里更合适的问题。哪些部分的工作由人来做,哪些部分的工作由AI来做呢?
它知道人类的所有事,从工作方法到工作成果,从沟通细节到复杂决策,并且绝不健忘,让每个人时时刻刻生活在一种真正的事事可溯源和可跟进的状态下。这会引发深刻的文化问题。现实中的企业里可以没有灰度吗?
当我们和无人公司协同合作时,上面这些问题层出不穷,比给高铁或汽车配上铁路、公路麻烦多了,必须每个问题都解决,无人公司才能真正发挥作用。
为什么会这样呢?
因为除了人类,我们从来没有和其他高智能生命体打交道的经验。无人公司的出现很像你突然有一天回家后,你家的猫不是围着你喵喵叫、要吃要喝,而是突然站起来说:“老李,你回来了,今天辛苦了啊!”然后你再养它的时候,肯定和之前都不一样了。
我们不是创建了一个传统意义的公司,而是创造了一个有智能的类生命体,所以它相当复杂。
它能自我感知世界、做价值判断、采取行动。传统公司是静态的,现在的无人公司则是动态的,并且很多方面“智商”比你高。它全心全意为你服务,但你得维持它的运行,否则它可能就像你那生重病却得不到救治的宠物猫,没几天就死了。
有了这个视角后,我们再去审视周边的传统公司就会发现,这根本不是什么科幻。垂直领域很早就有了一些成功的应用案例,如网约车司机、外卖小哥,他们早就活在了类似无人公司大脑的算法里。有些老旧的系统(如沃尔玛的配送系统),甚至可以追溯到近50年前互联网还没有大流行的时候。
只不过,过去充当大脑的那部分算法智能不够。这种约束让无人公司的实现程度在漫长的时间里一直远低于预期。如果说我们描述的无人公司是动画片里的哆啦A梦,那么在过去,无人公司的技术更多体现在智能音箱领域,二者的能力天差地远。
从传统公司到无人公司的这条进化道路,实际上和生物进化过程很类似。我们可以按照AI大模型的介入以及起作用的程度把它们排列在时间轴上。
早期的公司很像砖瓦、石块这些无机物,你定义了什么章程,它就是什么样子,没有任何生机,自己也不会有任何行动。这时候没有算法的介入,全部依赖人类的组织和协调。
逐步导入各种算法的公司开始有应激反应,如果你输入不合格的东西,公司的系统就会拒绝你。这时算法更多是程序员编写的规则而不是我们现在常说的神经网络。
当发展到电商这类由算法主导的公司时,它就有点家里宠物的感觉了,有一定智商,能做很多判断,但行为模式很单一,可能只会担保交易、大数据推广等几个职能。
到了我们设想的无人软件公司阶段,其核心依赖于AI大模型的进展。AI大模型在分析判断能力上的优秀表现引发了质变,让原来大量的必须由人参与决策判断的工作可以由AI承担,最终才会出现我们上面设想的无人公司。
不同的公司复杂度不一样,当前的AI也没有那么智能,所以要想把所有公司都变成无人公司,还需要走很长的一段路,但这并不妨碍无人公司一旦在某个领域出世就会迅速崛起的势头。