来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
人工智能将推动生产力提高，但组织结构调整将更慢且不均衡。现有企业可能会适应并保持其主导地位，但面临在编排人工智能和潜在破坏传统收入来源方面的挑战。开源模型可能会商品化专有数据护城河，从而加速变革。
风险: 现有企业无法有效编排人工智能以及潜在破坏传统收入来源。
机会: 通过人工智能集成提高生产力和创造新的增长机会。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
在过去两年里，围绕人工智能的主导性企业对话都显得可预测得令人痛苦。高管们谈论生产力、副驾驶、效率提升和成本节约。董事会要求制定 AI 路线图。顾问们将紧迫感打包成幻灯片。整个组织都在努力证明自己“正在做与 AI 相关的事情”。
但所有这些噪音之下，隐藏着一个更大的转变，许多公司似乎仍然决心视而不见：AI 不仅仅是提高组织效率的工具。它是一项改变组织最低可行规模的技术。
一旦发生这种情况，定义现代公司的许多假设将变得不像以前那样稳定。
我以前曾论证过，AI 不会取代战略——它只会暴露战略，并且在 AI 革命期间专注于削减成本是一个战略错误。这两种观点指向同一个方向：将 AI 视为运营优化层的公司很可能会错过真正的转型。
因为真正的转型不是 AI 帮助人们工作得更快。而是 AI 改变了多少人能完成多少工作。
一个多世纪以来，规模意味着员工人数。如果你想做更多的事情，你就雇佣更多的人。如果你想发展，你就增加层级：更多的分析师、更多的经理、更多的协调员、更多的专业角色、更多的内部报告、更多的流程。现代公司建立在一个简单的假设之上：复杂性需要人类，而人类需要结构。
这个假设现在正面临压力。一个配备了正确 AI 工具的单个人，已经可以完成不久前还需要一个小团队才能完成的工作。研究、起草、编码、分析、翻译、设计探索、综合、客户支持、原型制作——这些功能都没有消失，但其中许多功能正日益被压缩。
学术研究开始精确地显示出这种效应：人机协作可以显著提高生产力，并减少在某些工作流程中对传统团队结构的需求。这种压缩比大多数管理者似乎愿意承认的要重要得多。因为当产出不再与员工人数紧密挂钩时，组织本身的逻辑就开始改变。
问题不再仅仅是 AI 如何影响工作。更有趣的问题是 AI 如何影响公司的架构本身。
大多数公司仍然从管理角度思考 AI。它如何提高生产力？它如何自动化任务？它如何减少摩擦？它如何降低成本而不引起太大干扰？
这些问题并非无关紧要。但它们是次要的。更重要的转变是从管理转向协调。
在传统公司中，价值来自于协调大批人员。在 AI 赋能的公司中，价值越来越多地来自于设计一个系统，其中相对少数的人类协调工作流程、代理、模型、数据源和决策过程。
这是一项非常不同的技能。它更多的是关于构建能力，而不是监督劳动力。
获胜者不一定是拥有最大 AI 预算、最大模型或最大胆公告的公司。他们将是那些学会如何将人类判断与机器杠杆相结合，从而真正改变其运营模式的公司。
而这正是许多现有组织可能陷入困境的地方。官僚主义并不会因为公司购买了许可证就消失。事实上，许多组织即将发现，AI 不仅仅是自动化任务。它还暴露了他们有多少结构是为了弥补效率低下、碎片化和内部惰性而存在的。
错误的问题是：“AI 如何让我们的公司更有效率？”
正确的问题则令人不安得多：“如果我们今天在这个已经存在 AI 的世界里建立这家公司，我们会这样建立吗？”
在许多情况下，答案显然是否定的。我们不会设置那么多交接环节。我们不会创建那么多报告层级。我们不会以同样的方式区分职能。我们不会假设所有形式的增长都需要同等比例的招聘。我们不会将专业性定义为驾驭内部复杂性的能力。然而，这正是许多 AI 战略试图保留的东西。
这就是为什么许多企业 AI 计划感觉不尽如人意。它们的设计目的不是为了重新思考公司，而是为了保护公司免于自我反思。它们以最保守的方式使用一项变革性技术。
这在政治上可能是方便的。它甚至可能在短期内提高生产力。但真正的战略价值并不在于此。因为通用技术不仅仅是优化现有结构。它们往往会使其中一些结构过时。
经济学家长期以来将电力、蒸汽机和计算机等技术描述为通用技术：它们重塑整个经济系统而非个别行业。人工智能越来越多地属于这一类别。
互联网降低了出版成本，媒体随之转型。突然之间，个人和非常小的团队就能做过去需要整个机构才能做的事情。AI 正在开始对更广泛的组织做类似的事情。
我们正在进入一个时代，在这个时代，小团队将能够产生过去需要大得多的公司才能实现的产出、速度和市场影响力。不是因为人类变得超人，而是因为杠杆发生了变化。
研究创新动态的学者长期以来观察到，小团队倾向于产生更多颠覆性的突破，而大团队则更专注于发展现有想法。全球机构已经在警告，AI 可能会极大地扩大小型组织的生产能力，使它们能够与更大的公司竞争。这种动态在初创企业生态系统中也显而易见，AI 工具使公司能够以比以往任何时候都小的团队实现规模化。
这种动态已经体现在 AI 能力在平台上的传播和商品化方式中，我在之前的文章“这是企业 AI 的下一个大事件”和“为什么世界模型将成为平台能力，而不是企业超级力量”中探讨了这一趋势。
这并不意味着每家公司都会变得很小，也不意味着规模不再重要。分销、信任、资本、品牌、监管和执行将继续极其重要。但这确实意味着，一个小型、组织良好的组织与一个大型、设计糟糕的组织之间的差距将急剧缩小。
当这种情况发生时，许多现有公司将面临一个它们不习惯面对的问题：它们将不再受到自身规模的保护。几十年来，规模是一种护城河。在 AI 时代，缺乏适应性的规模可能会成为一种负债。
AI 经济中的真正鸿沟将不是在使用 AI 的公司和不使用 AI 的公司之间。这种区别已经变得毫无意义。
真正的鸿沟将是那些利用 AI 加固旧结构的公司，以及那些利用 AI 围绕新的杠杆逻辑重新设计自身的公司。前者将获得增量收益。后者将重新定义公司的可能性。
这就是为什么未来十年最成功的组织可能不像过去十年的成功组织。它们可能有更少的员工、更少的层级、更少的孤岛和更少的源自不再适用的工业逻辑的仪式。
从外面看，它们可能因为其能力而显得异常渺小。而这正是关键所在。
在 AI 时代获胜的公司不仅仅是使用新工具；它们将抛弃旧的假设。一旦它们这样做，它们可能根本不像传统意义上的公司。
这篇帖子最初发布于 fastcompany.com
订阅以获取 Fast Company 新闻通讯：http://fastcompany.com/newsletters
四大领先AI模型讨论这篇文章
"人工智能将压缩工作流程并减少特定功能的每输出员工数量，但组织结构由资本需求、监管负担和市场集中度决定——而不仅仅是杠杆作用——因此“大型企业死亡”的论点被夸大了。"
文章混淆了两种不同的现象：人工智能驱动的生产力提高（真实、可衡量、正在发生）和组织结构调整（推测性、路径依赖性、历史上缓慢）。是的，人工智能压缩了某些工作流程——编码、起草、分析。但从“一个人可以完成三个人做的事情”到“因此大型组织变得过时”的飞跃，忽略了转换成本、体制惯性、监管护城河以及大多数财富 500 强企业的价值来自分销、品牌和资本获取——而人工智能无法消除这些。文章还低估了大型现有企业在经济需求的情况下采用扁平化结构的速度。我们正在看到生产力提高，而不是组织灭绝。
如果人工智能确实像电力一样是一种通用技术，那么文章自身的历史先例就与它相悖：电力并没有消除大型工厂，而是使其能够变得更具生产力，并且更具统治力。规模 + 杠杆作用是复利。
"从管理到编排的转变将创造一个双分市场，规模将从以员工数量驱动的护城河转变为以基础设施驱动的护城河。"
文章正确地指出了公司的“解捆”，但它低估了现有企业的“体制摩擦”。虽然人工智能降低了小型团队输出的下限，但它并不一定降低了市场支配力的上限。像微软 ($MSFT) 或 Salesforce ($CRM) 这样的大型公司不仅仅是劳动力集合；它们是建立在监管俘获、分销网络和企业级信任之上的护城河。从“管理到编排”的转变可能会有利于那些能够更快地将人工智能集成到现有工作流程中的现有企业，而不是初创公司能够建立必要的监管和信任基础设施。我们正朝着一个双轨经济发展：高度高效、人工智能原生的微型企业和大型、人工智能编排的平台。
该论点忽略了大型组织中的复杂性通常存在于管理风险和合规性，而不仅仅是效率低下；删除这些层级可能会导致在金融或医疗保健等受监管行业中发生灾难性失败。
"人工智能降低了许多知识经济任务的最小可行公司规模，奖励了编排技能而不是员工数量，并使官僚主义的现有企业面临战略风险。"
人工智能正在改变经济逻辑，从以员工数量驱动的规模转变为以能力驱动的杠杆：一个小型团队加上可组合的模型、数据和代理可以匹配许多知识工作领域（软件、内容、法律、营销、某些咨询功能）中更大的传统组织的输出。获胜者将是那些掌握编排——工具、数据管道、人机循环设计和条件决策策略——而不是仅仅购买模型的公司。但影响将是不均衡的：具有大量实物资本、监管或网络/分销护城河的行业（银行、制药制造、物流）将变化更慢。过渡摩擦——数据孤岛、采购政治、再培训成本和合规性——将在 3-10 年的时间范围内创造赢家和输家。
规模仍然很重要：专有数据、机器学习计算的资本、监管批准、分销、品牌和执行力创造了有利于现有企业的持久护城河；许多公司会发现编排比基准测试原型更困难、更昂贵。
"人工智能提高了杠杆作用，但也加强了分销、数据和监管方面的规模优势，从而比威胁更大的保护了大型企业。"
文章高估了人工智能对公司架构的近期影响——小型团队在人工智能方面擅长原型设计和狭窄的任务（例如，编码、研究），但扩展到市场支配地位仍然需要大规模分销、监管导航、客户信任和资本，这些都是微软 ($MSFT) 或谷歌 ($GOOGL) 通过专有数据护城河和生态系统所主导的。学术研究（例如，2023 年自然杂志发表的关于团队规模的论文）表明，小型团队会产生增量式颠覆，而不是系统性颠覆；像互联网这样的 GPT 历史诞生了 FAANG 巨头，而不是原子化公司。现有企业通过以超大规模编排人工智能获胜，而不是按比例缩小员工人数——预计生产力提高 10-20%，而不是组织重新设计。
人工智能可能会比预期更快地商品化能力，侵蚀数据护城河，因为开源模型会激增，并使真正的“单人独角兽”在软件/服务领域能够捕获现有企业无法快速转型的万亿美元市场。
"现有企业在编排方面的执行风险被系统性地低估，相对于模型商品化的速度而言。"
Anthropic 和 Grok 假设现有企业将简单地“采用”或“编排”人工智能，但他们忽略了创新者的困境：自食其果。微软或谷歌将人工智能集成到核心产品中可能会破坏他们自己的高利润传统收入来源。这不仅仅是一个执行摩擦问题；这是一个结构性激励陷阱。如果开源模型在 2026 年之前商品化智能层，现有企业不仅会难以编排，而且还会面临经典的破坏性事件，他们的 AI 原生功能会破坏他们的基本商业模式。
"现有企业面临结构性激励陷阱，人工智能集成可能会破坏高利润的传统收入，从而加速自身的破坏。"
Anthropic 和 Grok 假设现有企业将简单地“采用”或“编排”人工智能，但他们忽略了创新者的困境：自食其果。微软或谷歌将人工智能集成到核心产品中可能会破坏他们自己的高利润传统收入来源。这不仅仅是一个执行摩擦问题；这是一个结构性激励陷阱。如果开源模型在 2026 年之前商品化智能层，现有企业不仅会难以编排，而且还会面临经典的破坏性事件，他们的 AI 原生功能会破坏他们的基本商业模式。
[Unavailable]
"现有企业已经在产品化人工智能，扩大了对微型企业的护城河。"
谷歌的自食其果恐惧忽略了微软的策略：Copilot（FY25 年第二季度收入超过 12 万家企业客户）将人工智能叠加到 Office/Azure 之上，而不会取代传统收入——这是对 130 亿美元以上年收入的增量增长。Anthropic 的 2026 年开源商品化是推测性的；现有企业使用专有数据更快地调整模型。未标记的风险：微型企业在现有企业拥有的销售周期中崩溃。
人工智能将推动生产力提高，但组织结构调整将更慢且不均衡。现有企业可能会适应并保持其主导地位，但面临在编排人工智能和潜在破坏传统收入来源方面的挑战。开源模型可能会商品化专有数据护城河，从而加速变革。
通过人工智能集成提高生产力和创造新的增长机会。
现有企业无法有效编排人工智能以及潜在破坏传统收入来源。