聊下智能组织
看了今年的百度世界大会，其主题是「下一幕，智能组织」，看完了依旧帅气带有一点播音腔的李彦宏老板的演讲。有一些自己的想法或理解吧。
从一个公司老板的角度来看，讨论智能组织，最终讨论的是：在 AI 让执行环节变得便宜、竞争对手也都能用上之后，企业要怎么重新设计分工、流程和激励，让持续增长的 AI 投入转化成收入和利润，同时把员工脑子里的经验沉淀成别人「抄不走、挖不动、买不来」的组织能力和资产。
在演讲中，用工业时代做类比：只换了电机，没有重新设计工厂。这是当前大部分企业的现况。也是大部分企业所描述的：「为什么我的 Token 花费越来越多，但是我的收入和利润不见涨？」的原因。
演讲中也对这个问题给了答案：打破岗位边界、沉淀隐性知识、设计流程闭环。
这个答案和上面我们所说最终讨论的结论是一样的，只是更细化和结构化一些了。
智能组织的边界
先要分清「用了 AI 的组织」和智能组织。给员工开了 WorkBuddy/Codex，在 IM 里接问答机器人，让 Agent 写周报、整理会议纪要，这些做法能帮个人省时间。但审批还是那几级，需求还是从产品传到研发、测试、运维，每个环节照旧排队。个人快了，整条链路没变快，省下的时间被摩擦和等待吃掉了。Agent 数量、Token 消耗量、使用覆盖率，只能说明工具铺得有多广，单看这些数字判断不了一个组织是不是智能组织。
一个智能组织应该有 4 个方面出现结构性的变化。
分工上，工作的基本单位从岗位变成任务，一个需求从提出到上线的跨人交接次数会明显下降。人与人之间的摩擦明显减少。
资产上，组织知识能被 Agent 调用，新人或新 Agent 接手任务时，大部分上下文能从平台直接拿到，不需要找人问。大部分企业这一环是存在缺失的，并且这也是一个细活。
流程上，核心流程有客观、能自动采集的评估标准，可以交给 Loop 反复优化。
激励上，知识贡献能在绩效里体现出来，每个 Agent 产出的结果背后也都有一个签字负责的人。只满足前两条的组织会更高效，但不会自己进化。
智能组织内部也有边界。战略选择这类没法客观衡量的决策，签合同、动生产数据这类不可逆的动作，大客户销售这类依赖信任的工作，都进不了 Loop，仍然以人为核心，Agent 只做辅助。这两部分各占多少，和行业、业务形态直接相关。研发、客服、运营进入闭环的比例会高一些，战略投资、大客户销售会低很多。
回到老板关心的问题：AI 投入有没有变成收入和利润。落到能统计的层面，有两个指标比 Agent 数量更有说服力：单位已验收任务的综合成本（Token 费用 + 人工评审时间 + 返工成本），以及关键路径上的交付周期。但这两个指标难采集。
人和 Agent 怎么分工
Agent 把执行成本压下来以后，人手里能留下三个东西（这也只是当前，将来不好说）：定义任务、判断结果、承担责任。定义任务，就是把目标、上下文和验收标准写清楚。任务描述得含糊，Agent 跑得越快，返工就越多。判断结果，是因为 Agent 的产出一多，瓶颈就从「写」挪到了「审」，谁能快速判断好坏，谁就决定了整条链路的速度。承担责任，是因为 Agent 没法被追责，出了问题，总得有人签字。
人和 Agent 的协作方式也不是一刀切的。可衡量、可回滚的环节，人可以退到「环上」，只做抽检、处理异常。不可逆的环节，人必须留在「环内」，每一项都要确认。分清楚这两类，既不会因为不放心而处处卡人，也不会为了追求自动化率，把该有的关卡省掉。
在演讲中有提到，岗位以后会收敛成 Builder 和 Seller 两类。我的理解是，Builder 的价值不在于自己写了多少代码，而在于把任务拆清楚、把验收标准写明白，让 Agent 一次就跑对。Seller 的价值在于建立信任，Agent 可以帮他准备资料、整理客户历史，但客户最后信任的，还是坐在对面的那个人。两类人有一个共同点：做的都是 Agent 做不了的那部分。
一把手现在该做点什么
智能组织是一个一把手工程。会涉及很多的利益和部门协调的工作，靠下面的人自发推动是推不动的，得一把手来抓：
换指标。别再把 Agent 数和调用量这些过程指标当成绩，改看单位已验收任务成本和关键路径交付周期。数据要先打通，指标才算得出来。
管资产。沉淀下来的 Workspace、Style 要有人维护，也要有人淘汰。没人管的知识很快就会过期，最后变成误导 Agent 的噪音。
定责任。每个 Agent 都要有明确的负责人，权限按最小范围分配，高风险动作保留人工签字。几万个 Agent 跑起来以后，这一条就是底线。
改激励。这一点演讲里没展开，而它恰恰是最难的一环。
激励之所以难，是因为员工把经验交出来，等于主动降低了自己的不可替代性。绩效体系不认这份贡献，就没人愿意交，「沉淀隐性知识」也就只能停在口号上。比较可行的做法是把知识被调用的次数、带来的效果算进绩效：谁写的 Style 被用得多、让返工变少了，就给谁记功。分工和流程，很多企业花点时间都能学会。激励机制要和自家的知识体系咬合在一起，这一块最难抄。
个人的位置
对普通员工，尤其是我很熟悉的程序员来说，其实当下大家是很焦虑的。因为 Agent 写代码比人快，人还剩多少位置？最新的 fable 5.2 出来后用了一下，说实话，相对于它来说，我就是个小垃圾。
我们当前还有一点用的是：把任务定义清楚，快速判断结果对不对，有 Agent 学不到的领域经验。
与其卷执行速度，不如想清楚自己在哪个环节。是定义任务的那个人，判断结果的那个人，还是签字负责的那个人？
以前看到过一个小故事。
两个人在森林里突然遇到了一头大熊。其中一个人赶紧蹲下来，开始认真地系鞋带。另一个人很疑惑，一边准备逃跑一边问：“你系鞋带有什么用？你怎么跑也跑不过熊啊！” 蹲下系鞋带的人淡定地回答：“我不需要跑过熊，我只需要跑过你就行了。”
当前我们所做的很多事情其实就是在这样一个限定场景：生存名额固定，只需要跑过身边的人。
如果限在这个逻辑里面，那只能卷了。
换个思路，扩大这个场景和边界呢？不再卷代码生成。更强的拆解，验收能力，处理线上异常，识别系统约束，需要业务理解，也需要更扎实的工程能力等等呢，要求我们理解系统如何工作。
最后
回到开头那句话。Agent 谁都能买到，模型竞争对手也一样能用，单靠工具拉不开差距。能拉开差距的，是重新设计过的分工、流程和激励，以及在这个过程中沉淀下来、只属于自己的组织知识。换电机很容易，难的是把工厂重新设计一遍，智能组织的下一幕也会从这里开始。