蒸汽、鋼鐵與無限智能

撰文：Ivan Zhao，Notion CEO

編譯：AididiaoJP，Foresight NeWs

每個時代都由其獨特的科技原料所塑造。 鋼鐵鍛造了鍍金時代，半導體開啟了數字時代。 如今人工智能以無限智能的形態到來。 歷史告訴我們：誰掌握了原料，誰就定義了時代。

左圖：少年安德魯·卡內基和他的弟弟。 右圖：鍍金時代匹茲堡的鋼鐵廠。

19 世紀 50 年代，安德魯·卡內基還是個在匹茲堡泥濘街道上奔跑的電報員，那時十個美國人裡有六個是農民。 僅兩代人之後，卡內基和他的同行便鍛造了現代世界，馬匹讓位給鐵路，燭光讓位給電燈，鐵讓位給鋼。

從那以後，工作從工廠轉向辦公室。 如今我在舊金山經營一家軟件公司，為成千上萬的知識工作者打造工具。 在這座科技小鎮，人人都在談論通用人工智能（AGI），但二十億辦公室工作者中的大多數尚未感受到它的存在。 不久之後，知識工作會是什麼模樣？ 當組織結構中融入了永不休息的智能，又將發生什麼？

早期的電影常常像舞台劇，一台攝像機對著舞台拍攝。

未來常常難以預測，因為它總是偽裝成過去的樣子。 早期的通話像電報一樣簡短，早期的電影像錄下來的舞台劇。 正如馬歇爾·麥克盧漢所說：「我們總是通過後視鏡駛向未來。」

如今最普遍的人工智能，看起來還像過去的谷歌搜索。 引用麥克盧漢的話：「我們總是透過後視鏡駛向未來。」今天，我們看到的是模仿谷歌搜索框的 AI 聊天機器人。 我們正深陷於每一次技術變革中都會出現的那種令人不適的過渡期。

對於未來會怎樣，我也沒有全部答案。 但我喜歡借助幾個歷史隱喻，來思考人工智能如何在個人、組織乃至整個經濟的不同層面發揮作用。

個人：從自行車到汽車

最初的跡象，可以在知識工作的「高階實踐者」，程序員身上看到。

我的聯合創始人西蒙曾是一位「十倍程序員」，但近來他很少親手寫代碼了。 走過他的工位，你會看到他在同時調度三四個 AI 編程助手。 這些助手不僅打字更快，還會思考，讓他成了一名效率提升 30 至 40 倍的工程師。 他常在午餐前或睡前排好任務隊列，讓 AI 在他離開時繼續工作。 他已化身為無限智能的管理者。

1970 年代《科學美國人》一項關於運動效率的研究，啟發了史蒂夫·喬布斯提出「思想的自行車」這個著名比喻。 只是自那以後的幾十年，我們一直在信息高速公路上「蹬著自行車」。

1980 年代，史蒂夫·喬布斯稱個人電腦為「思想的自行車」。 十年後，我們鋪就了名為互聯網的「信息高速公路」。 但如今，大多數知識工作仍依賴人力。 這就像我們一直在高速公路上騎自行車。

有了 AI 助手，像西蒙這樣的人已經從騎自行車升級為開汽車。

其他類型的知識工作者何時才能「開上汽車」？ 有兩個問題必須解決。

與編程助手相比，為什麼 AI 輔助知識工作更難？ 因為知識工作更零散，也更難驗證。

首先是情境碎片化。 在編程中，工具和情境往往集中在一處：集成開發環境、代碼倉庫、終端。 但一般的知識工作分散在幾十種工具裡。 想像一個 AI 助手試圖起草產品簡介：它需要從 Slack 討論串、戰略文檔、儀錶盤中的上季度數據，以及只存在於某個人腦中的組織記憶裡提取信息。 目前人類是粘合劑，靠複製粘貼和在瀏覽器標籤頁之間切換來拼湊一切。 只要情境沒有整合，AI 助手就只能局限於狹窄的用途。

第二個缺失要素是可驗證性。 代碼有個神奇的特性：你可以通過測試和報錯來驗證它。 模型開發者利用這一點，通過強化學習等方式訓練 AI 更好地編程。 但你如何驗證一個項目管理得好不好，或一份戰略備忘錄是否出色？ 我們尚未找到改進通用知識工作模型的方法。 因此，人類仍需留在循環中監督、引導並示範什麼是「好」。

1865 年的《紅旗法案》要求汽車在街上行駛時，必須有一名持旗者在車前步行開道（該法於 1896 年廢除）。

今年的編程助手實踐告訴我們，「人在迴路」並不總是理想的。 這就像讓人在生產線上挨個檢查螺栓，或者在汽車前步行清道（見 1865 年《紅旗法案》）。 我們應當讓人站在更高處監督循環，而非置身其中。 一旦情境得以整合，工作變得可驗證，數十億工作者將從「蹬自行車」變為「開汽車」，再從「開車」走向「自動駕駛」。

組織：鋼鐵與蒸汽

公司是近代的發明，它們隨著規模擴大而效能遞減，終會觸及極限。

1855 年紐約與伊利鐵路公司的組織結構圖。 現代公司及其組織架構是隨著鐵路公司演進而來的，鐵路是最早需要遠距離協調數千人的企業。

幾百年前，大多數公司只是十幾人的作坊。 如今我們有了員工數十萬的跨國公司。 溝通基礎設施依靠會議和信息相連的人腦在指數級增長的負荷下不堪重負。 我們試圖用層級、流程和文檔來解決，但這無異於用木材建造摩天大樓，是用人類尺度的工具解決工業尺度的問題。

兩個歷史隱喻展現了，當組織擁有新的科技原料後，未來可能呈現怎樣的不同面貌。

鋼鐵的奇蹟：1913 年竣工的紐約伍爾沃斯大廈曾是世界最高建築。

第一個是鋼鐵。 在鋼鐵之前，19 世紀的建築高度被限制在六七層。 鐵雖然堅固，但脆而重；增加樓層，結構就會在自重下坍塌。 鋼鐵改變了一切。 它堅固且柔韌，框架可以更輕，牆壁可以更薄，建築陡然拔高至數十層，新型建築由此成為可能。

AI 就是組織的「鋼鐵」。 它有望在各工作流中保持情境連貫，在需要時呈現決策而無須噪音干擾。 人類溝通不必再充當承重牆。 每週兩小時的對齊會議可能變為五分鐘的異步复核；需要三層審批的高管決策或許幾分鐘就能完成。 公司能夠真正實現規模化，而避免我們曾視為必然的效能衰減。

依靠水車提供動力的磨坊。 水力強大但不穩定，且受地點和季節限制。

第二個故事關於蒸汽機。 工業革命初期，早期的紡織工廠依河而建，靠水車驅動。 蒸汽機出現後，廠主起初只是用水車替換成蒸汽機，其他一切照舊，生產力提升有限。

真正的突破發生在廠主意識到可以完全擺脫水源束縛之時。 他們在靠近工人、港口和原材料的地方建起更大的工廠，並圍繞蒸汽機重新設計佈局（後來電力普及，廠主進一步擺脫中央動力軸，將小型發動機分散到工廠各處為不同機器供電）。 生產力隨之爆發，第二次工業革命真正興起。

托馬斯·阿洛姆 1835 年的版畫，描繪了英國蘭開夏郡一家由蒸汽機驅動的紡織廠。

我們仍處於「替換水車」的階段。 將 AI 聊天機器人硬塞進為人類設計的工作流程中，我們尚未重新構想，當舊有約束消失、公司能夠依靠在你睡眠時仍工作的無限智能來運行時，組織會是什麼模樣。

在我的公司 Notion，我們一直在實驗。 除了 1000 名員工，如今還有 700 多個 AI 助手在處理重複性工作：記錄會議、回答問題以整合團隊知識、處理 IT 請求、記錄客戶反饋、幫助新員工熟悉福利、編寫每週狀態報告以免去人工複製粘貼……這只是蹣跚學步。 真正的潛力僅受限於我們的想像力與慣性。

經濟體：從佛羅倫薩到巨型城市

鋼鐵和蒸汽改變的不僅是建築和工廠，還有城市。

直到幾百年前，城市還是屬於人類尺度的。 你可以在四十分鐘內步行穿越佛羅倫薩，生活的節奏由人的步行距離和聲音傳播範圍決定。

隨後，鋼架結構讓摩天大樓成為可能；蒸汽機驅動的鐵路連接起城市中心與腹地；電梯、地鐵、高速公路接踵而來。 城市的規模與密度急劇膨脹——東京、重慶、達拉斯。

這些並非只是放大的佛羅倫薩，它們是全新的生活方式。 巨型城市令人迷失、匿名、難以駕馭。 這種「難以辨識」是規模的代價。 但它們也提供了更多機會、更多自由，支持更多人以更多樣的組合從事更多活動，這是人類尺度的文藝復興城市無法企及的。

我認為知識經濟即將經歷同樣的轉變。

如今，知識工作已占美國 GDP 近半數，但其運作大多仍停留在人類尺度：數十人的團隊、依賴會議和郵件節奏的工作流、人數過百就難以為繼的組織……我們一直在用石頭和木頭建造「佛羅倫薩」。

當 AI 助手大規模投入使用，我們將建造「東京」，由數千 AI 與人類共同構成的組織；跨時區持續運行、無須等待某人醒來再推進的工作流；在恰到好處的人類參與下合成的決策。

那會是不同的體驗：更快、槓桿效應更強，但起初也會更令人暈眩。 每週例會、季度規劃、年度評估的節奏可能不再適用，新的節奏將浮現。 我們會失去一些清晰度，但將贏得規模與速度。

超越水車

每一種科技材料都要求人們停止透過後視鏡看世界，轉而開始想像新世界。 卡內基凝視鋼鐵，看見了城市天際線；蘭開夏的廠主注視蒸汽機，看見了遠離河流的工廠車間。

我們仍處於 AI 的「水車階段」，把聊天機器人硬裝進為人類設計的工作流。 我們不應只滿足於讓 AI 充當副駕駛，而需去想像：當人類組織被鋼鐵強化，當瑣碎工作委託給永不休息的智能時，知識工作將呈現怎樣的圖景。

鋼鐵、蒸汽和無限智能。 下一片天際線就在前方，等待我們親手建造。