摘要
1) 一句话摘要 AI 作为新时代的“奇迹材料”，将彻底重塑知识工作与组织架构，推动企业从依赖人力沟通的传统模式，向由 AI 智能体驱动的自动化、规模化的高效形态转型。
2) 关键要点
- 历史隐喻与现状：AI 类似于钢铁和蒸汽机等重塑时代的“奇迹材料”。尽管目前有 20 亿伏案工作者，但大多数人尚未感受到 AGI 的真正影响。
- “后视镜”效应：当前 AI 的应用仍处于过渡期，主流 AI 聊天机器人只是在模仿过去的 Google 搜索框，未能发挥其真正潜力。
- 程序员的早期示范：通过同时管理 3 到 4 个 AI 编程智能体，顶尖程序员可以实现 30 到 40 倍的效率提升，从“写代码”转变为“管理 AI”。
- 组织架构的“钢铁”：AI 能够打破传统企业规模扩张时的沟通瓶颈，例如将两小时的对齐会议转化为五分钟的异步审查，使公司能够在不退化的情况下实现真正扩张。
- 重塑工作流：企业目前仍处于将 AI 生硬附加到现有工具上的“换水车”阶段，真正的生产力爆发需要围绕 AI 完全重新设计组织和工作流。
- Notion 的实践数据：Notion 目前在 1000 名人类员工之外，部署了 700 多个 AI 智能体来处理会议记录、IT 请求、新员工培训和状态报告等重复性工作。
- 知识经济的“大城市化”：未来的知识工作将从人类规模（如几十人的团队）转变为跨越时区、由数千个智能体和人类共同协作的庞大生态（如同从佛罗伦萨演变为东京）。
3) 风险与差距（基于原文明确提及）
- 上下文碎片化：一般知识工作分散在 Slack、文档和仪表板等多个工具中，在这些上下文被有效整合之前，AI 智能体只能受困于狭窄的用例中。
- 缺乏可验证性：与可以通过测试报错的代码不同，通用知识工作（如战略备忘录）难以客观验证，导致目前仍必须保持低效的“人在回路（human-in-the-loop）”监督模式。
- 规模化带来的复杂性：随着 AI 驱动的组织规模和速度呈爆炸式增长，工作环境初期会让人感到迷失方向，传统的管理节奏（如周会、年度审查）将失效，且会丧失部分可解读性。
- 思维惯性限制：如果人类仅仅将 AI 视为“副驾驶（copilot）”或生硬地将其附加到为人类设计的工作流上，将无法获得真正的生产力收益。
正文
每个时代都由其奇迹材料塑造。钢铁铸就了镀金时代。半导体开启了数字时代。现在，AI 作为无限的心智已经到来。如果历史教会了我们什么，那就是掌握材料的人定义了时代。
左图：青少年时期的安德鲁·卡内基（Andrew Carnegie）和他的弟弟。
右图：镀金时代匹兹堡的钢铁厂。
在 19 世纪 50 年代，安德鲁·卡内基作为一名电报男孩奔跑在泥泞的匹兹堡街道上。十分之六的美国人是农民。在两代人的时间里，卡内基和他的同龄人铸就了现代世界。马匹让位于铁路，烛光让位于电力，铁让位于钢。
从那时起，工作从工厂转移到了办公室。今天，我在旧金山经营一家软件公司，为数以百万计的知识工作者构建工具。在这座产业重镇，每个人都在谈论 AGI，但 20 亿伏案工作者中的大多数人还没有感受到它。知识工作很快会变成什么样？当组织架构图融入了永不眠息的心智时，会发生什么？
早期电影通常看起来像舞台剧，只有一台摄像机对准舞台。
这种未来通常很难预测，因为它总是伪装成过去的样子。早期的电话像电报一样简短。早期的电影看起来像被拍摄下来的戏剧。（这就是马歇尔·麦克卢汉（Marshall McLuhan）所说的“通过后视镜驶向未来”。）
今天最流行的 AI 形式看起来像过去的 Google 搜索。引用马歇尔·麦克卢汉的话：“我们总是通过后视镜驶向未来。”
今天，我们看到的模仿 Google 搜索框的 AI 聊天机器人就是如此。我们现在正身处那种伴随每一次新技术转变而来的、令人不适的过渡期。
对于接下来会发生什么，我无法给出全部答案。但我喜欢运用一些历史隐喻，来思考 AI 如何在从个人到组织再到整个经济体的不同规模上发挥作用。
我们可以从知识工作的大祭司——程序员身上，看到最初的端倪。
我的联合创始人 Simon 就是我们所说的 10 倍程序员，但他现在很少写代码了。走过他的办公桌，你会看到他同时指挥着三四个 AI 编程智能体（AI agents），它们不仅打字更快，而且会思考，这让他成为了一名 30 到 40 倍的工程师。他在午餐或睡觉前排好任务队列，让它们在他离开时工作。他已经成为了一名管理无限心智的管理者。
20 世纪 70 年代《科学美国人》上一项关于运动效率的研究，启发了史蒂夫·乔布斯（Steve Jobs）著名的“思想的自行车”隐喻。只不过从那以后的几十年里，我们一直在信息高速公路上蹬着自行车。
在 20 世纪 80 年代，史蒂夫·乔布斯将个人电脑称为“思想的自行车”。十年后，我们铺设了互联网这条“信息高速公路”。但今天，大多数知识工作仍然是人力驱动的。这就像我们一直在高速公路上蹬自行车一样。
有了 AI 智能体，像 Simon 这样的人已经完成了从骑自行车到开汽车的进化。
其他类型的知识工作者什么时候才能拥有汽车？必须解决两个问题。
与编程智能体相比，为什么 AI 更难协助知识工作？因为知识工作更加碎片化，且可验证性更低。
首先是上下文碎片化。对于编程来说，工具和上下文往往集中在一个地方：IDE、代码库、终端。但一般的知识工作分散在几十种工具中。想象一下，一个 AI 智能体试图起草一份产品简报：它需要从 Slack 的讨论帖、战略文档、仪表板中上个季度的指标，以及只存在于某人脑海中的组织记忆里提取信息。今天，人类就是粘合剂，通过复制粘贴和在浏览器标签页之间切换，将所有这些缝合在一起。在这些上下文被整合之前，智能体将一直受困于狭窄的用例中。
第二个缺失的要素是可验证性。代码有一种神奇的属性：你可以通过测试和报错来验证它。模型制造商利用这一点来训练 AI，使其在编程方面变得更好（例如强化学习）。但是，你如何验证一个项目是否管理得当，或者一份战略备忘录是否优秀？我们还没有找到改进通用知识工作模型的方法。因此，人类仍然需要保持“人在回路”（in the loop）进行监督、指导，并示范优秀标准。
1865 年的《红旗法案》要求在车辆驶过街道时，必须有一名旗手走在车辆前方（该法案于 1896 年废除）。这是一个不受欢迎的“人在回路”的例子。
今年的编程智能体教会了我们，拥有“人在回路（human-in-the-loop）”并不总是可取的。这就像让人亲自检查工厂流水线上的每一个螺栓，或者走在汽车前面清理道路（参见：1865 年的《红旗法案》）。我们希望人类从一个具有杠杆效应的高处来监督这些回路，而不是身处其中。一旦上下文被整合，工作变得可验证，数十亿工人将从蹬自行车变成开汽车，然后再从开汽车变成自动驾驶。
公司是一项近代的发明。它们在扩张规模和达到极限时会发生退化。
1855 年纽约和伊利铁路公司的组织架构图。现代公司和组织架构图是随着铁路公司发展起来的，铁路公司是第一批需要跨越远距离协调数千人的企业。
几百年前，大多数公司都是十几人的作坊。现在我们有了拥有数十万员工的跨国公司。通信基础设施（通过会议和消息连接起来的人脑）在指数级的负载下不堪重负。我们试图用层级、流程和文档来解决这个问题。但我们一直是用人类规模的工具来解决工业规模的问题，就像用木头建造摩天大楼一样。
两个历史隐喻展示了未来的组织在新的奇迹材料下会呈现出怎样不同的面貌。
钢铁的奇迹：伍尔沃斯大楼（Woolworth building）于 1913 年在纽约市落成时，是世界上最高的建筑。
第一个是钢铁。在钢铁出现之前，19 世纪的建筑极限是六七层。铁很坚固，但又脆又重；如果增加更多楼层，结构就会在自身重量下坍塌。钢铁改变了一切。它坚固且具有延展性。框架可以更轻，墙壁可以更薄，突然之间，建筑物可以拔地而起几十层。新型建筑成为了可能。
AI 就是组织的钢铁。它有潜力在跨工作流中保持上下文，并在需要时提供决策支持，而不会产生噪音。人类沟通不再必须是承重墙。每周两小时的对齐会议变成了五分钟的异步审查。需要三层审批的高管决策可能很快就会在几分钟内完成。公司可以扩张，真正地扩张，而不会出现我们曾经认为不可避免的退化。
一家以水车为动力运转的磨坊。水力很强大但不可靠，且使磨坊受限于特定地点和季节。
第二个故事是关于蒸汽机的。在工业革命初期，早期的纺织厂坐落在河流和溪水旁，由水车提供动力。当蒸汽机出现时，工厂主们最初只是用水车换成了蒸汽机，其他一切保持不变。生产力的提升微乎其微。
真正的突破发生在工厂主们意识到他们可以完全脱离水的时候。他们建造了更大的工厂，更靠近工人、港口和原材料。他们围绕蒸汽机重新设计了工厂（后来，当电力普及后，工厂主们进一步去中心化，摆脱了中央动力轴，在工厂各处为不同的机器安置了更小的电机。）生产力呈爆炸式增长，第二次工业革命真正腾飞了。
这幅由托马斯·阿洛姆（Thomas Allom）于 1835 年创作的版画，描绘了英国兰开夏郡的一家纺织厂。它由蒸汽机提供动力。
我们仍处于“换掉水车”的阶段。AI 聊天机器人被生硬地附加到现有的工具上。我们还没有重新想象，当旧的限制消除，你的公司可以依靠在你睡觉时仍在工作的无限心智来运转时，组织会是什么样子。
在我的公司 Notion，我们一直在进行实验。除了我们的 1000 名员工外，现在有 700 多个智能体在处理重复性工作。它们做会议记录并回答问题，以沉淀团队隐性知识。它们处理 IT 请求并记录客户反馈。它们帮助新员工熟悉员工福利。它们撰写每周状态报告，这样人们就不必复制粘贴了。而这仅仅是起步。真正的收益只受限于我们的想象力和惯性。
钢铁和蒸汽不仅改变了建筑和工厂。它们改变了城市。
直到几百年前，城市还是人类规模的。你可以在四十分钟内步行穿过佛罗伦萨。生活的节奏是由一个人能走多远、声音能传多远来决定的。
后来，钢框架让摩天大楼成为可能。蒸汽机为连接市中心和腹地的铁路提供了动力。电梯、地铁、高速公路紧随其后。城市的规模和密度呈爆炸式增长。东京。重庆。达拉斯。
这些不仅仅是更大版本的佛罗伦萨。它们是不同的生活方式。特大城市令人迷失方向、充满陌生感、路线错综复杂。这种难以解读的复杂性是规模的代价。但它们也提供了更多的机会、更多的自由。更多的人以更多的组合做着更多的事情，这是人类规模的文艺复兴城市所无法支撑的。
我认为知识经济即将经历同样的转变。
今天，知识工作占美国 GDP 的近一半。其中大部分仍以人类规模运作：几十人的团队，由会议和电子邮件控制节奏的工作流，超过几百人就会不堪重负的组织。我们用石头和木头建造了佛罗伦萨。
当 AI 智能体大规模上线时，我们将建造东京。跨越数千个智能体和人类的组织。跨越时区持续运行、无需等待某人醒来的工作流。在恰到好处的“人在回路”干预下综合做出的决策。
感觉会有所不同。更快、更具杠杆效应，但一开始也会更令人迷失方向。每周会议、季度规划周期和年度审查的节奏可能不再有意义。新的节奏将会出现。我们失去了一些可解读性。我们获得了规模和速度。
每一种奇迹材料都需要人们停止通过后视镜看世界，并开始想象新的世界。卡内基看着钢铁，看到了城市的天际线。兰开夏郡的磨坊主看着蒸汽机，看到了摆脱河流束缚的工厂车间。
我们仍处于 AI 的水车阶段，将聊天机器人生硬地附加到为人类设计的工作流上。我们需要停止仅仅要求 AI 做我们的副驾驶。我们需要想象，当人类组织被钢铁加固，当繁杂的工作被委托给永不眠息的心智时，知识工作会是什么样子。
钢铁。蒸汽。无限的心智。下一个天际线就在那里，等待着我们去建造。