微信公众平台

A |     琢磨事的群里，有人甩了这么一张截图：                              这简直太有意思了，正好接着这个说说AI应用的事。                   先说结论：没有组织的进化，就没有AI的深层落地。                   这就是AI深层应用的最大瓶颈。    核心阅读　　近年来，浙江省湖州市加强生态环境保护修复，积极探索生态产品价值实现路径，助力传统产业绿色升级，探索出一条绿色发展之路。

B | 　　安吉余村，竹林苍翠，民居错落有致；西塞山前，流水潺潺，青山连绵起伏；渔人码头，帆影点点，太湖烟波浩渺……行走在浙江省湖州市，可见一幅逐绿前行、因绿而兴的多彩画卷，正在徐徐铺展。　　系统施治，强化修复保护　　水清岸绿，满目苍翠。                   今天，AI名义下的各种锤子四处飞舞，但砸的往往都不是钉子。                   阻碍AI发挥颠覆性价值的，不是技术本身，而是我们陈旧的组织形态和管理思维。

C |                    让我排的话，这个排在技术前面。                   技术的事我个人觉得大致是定的（哪有什么AI瓶颈）。湖州长兴县，碧水清流让人赏心悦目。

D |                    这种冲突直接表现为社会对AI认知的巨大撕裂，典型的非共识时刻：                    一极是站在云端的科学家、理论家和紧随其后的媒体，在他们的宏大叙事中，AI是开启新纪元的钥匙，是即将颠覆人类文明秩序的奇点引擎。                   另一极，则是深陷泥泞的产业一线，企业家和实践者们在现实的商业土壤中反复求索，却发现这件“神兵利器”处处掣肘、水土不服。                   这根本不是“乐观”与“悲观”的问题，而是“纯粹的生产力逻辑”与“固化的生产关系现实”之间的激烈碰撞。                   科学家们看到了AI在理想环境下的极限潜力；企业家们则一头撞上了自己尚未进化的组织壁垒。                   （把能算的事用来做主观判断，把能分析的事归结为态度是人类几大偷懒术之二）                    要打破这种僵局，我们要理解一个简单问题：AI在简单生产力升级工具之外，更是一面映照出现有组织模式是否过时的“镜子”，一个对生产关系进行重构的“扳机”。

E | 其实，过去，长兴也经历过水质发黑、天空灰蒙的时候。　　长兴河流的水质改善，得益于河长制的实施：在长兴县，县级、镇级、村级河长职责分明。每一条河流的河长，都是治理、保护河流的第一责任人。　　如今，湖州治水的举措，也在不断推陈出新——　　在湖州市吴兴区，无人船只搭载的水质监测传感器、高清摄像头等设备，可以对河水的溶解氧、总磷、氨氮等指标进行实时移动监测，助力精准治污；安吉县孝丰镇夏阳村与夏阳溪流域上游安徽省的3个村签订村级跨省流域生态保护补偿协议，现在，夏阳村水质好转，还发展起露营经济……数据显示，湖州入太湖断面水质连续16年保持Ⅲ类及以上。                   这正是“智能原生”乃至“无人公司”等文章里试图探讨的核心。　　在吴兴区飞英街道月漾苑小区垃圾分类投放驿站，智能机器人“小睿”能回答社区居民关于垃圾分类的提问。                   显然的突破口并非来自于对AI技术本身的盲目追逐，而是来自于一场由内而外的、以“组织”为核心的自我革命。分类投放时若是掺杂了其他垃圾，桶内的人工智能识别系统可以自动辨别，向居民和驿站督导员发出提醒。

F | 　　目前，这套装备正在湖州全市普及安装。                   这还真是人事。湖州的城乡生活垃圾分类处理率已达86%。截至2023年底，湖州居民小区设置的3000余个分类投放驿站，60%以上完成智能化升级。

G |                    当生产力逻辑忽略了组织容器，叙事就必然悬浮                    科学家群体，尤其是AI研究的先驱者，他们从第一性原理出发，洞察了这项技术的革命性本质。                   大型语言模型（LLM）系列技术的突破，标志着机器获得了前所未有的理解、生成和推理能力，这是一种范式级别的变革。

H | 　　生态环境持续向好，为各类动植物提供了理想的栖息地。国家一级重点保护野生动物中华秋沙鸭已经成为安吉赋石水库的“常客”，每年都会飞抵这里越冬。                   在科学家们的理论模型和实验室环境中，数据是洁净的，算力是充沛的，目标是明确的。长兴成立扬子鳄保护区，安吉成立小鲵护卫队，德清打造朱鹮人工繁育种源基地……湖州积极健全保护机制，全面加强栖息地保护，让众多濒危野生物种得到保护。

I | （公网数据成本极低啊）                    AI在这样的“纯粹环境”中，展现出指数级的成长潜力和解决复杂问题的惊人能力。                   比如OpenAI前任首席科学家Ilya就说：人类能做的，AI终将能做。                   媒体作为这一视角的天然盟友和放大器，将这种潜力转化为激动人心且充满戏剧性的“奇点”叙事。　　生态赋能，促进价值转化　　溪水潺潺，翠竹满山。今年清明假期，安吉县章村镇河垓村的木田峪露营基地，独特的梯田和水系景观，吸引了大批游客。从“颠覆所有行业”到“AGI威胁论”，媒体的报道成功地将AI推向了公众注意力的中心。　　曾经的抛荒地，为何游客越来越多？原来，基地所在的黄浦江源石门坑生态清洁小流域河垓区块先后实施了竹林抚育、坡面水系治理、水生态修复等水土流失预防和治理措施，面貌为之一新。　　在湖州市南浔区和孚镇荻港村，已延续千年的桑基鱼塘系统实现种桑养蚕同池塘养鱼相结合。如今，当地系统整合生态资源，衍生出桑叶茶、桑葚汁等特色生态食品，创新发展“稻—渔”“稻—虾”等生态循环种养模式，以生态资源的转化推进共同富裕。                   然后故事性就上来了，逼近科幻小说的特征。                   这不能说是坏事，它为技术发展提供了想象力的牵引，也为社会变革进行了预热。　　从探索开展竹林碳汇交易，到水土保持生态产品价值转化交易，湖州把需集中保护开发的耕地、园地、林地、湿地以及可供集中经营的村落、集镇等资源资产，经摸底、确权、评估后整合推向市场，持续探索生态产品价值实现路径。　　湖州市是全国建设绿色矿业发展示范区。吴兴区按照“禁采区关停、限采区收缩、开采区集聚”的思路对矿山进行治理，矿山数量从建区之初的63家减少至6家，矿山实际平均年开采规模从2015年的178.2万吨提高到2023年的238.17万吨。　　如今，多处废弃矿山迎来新生。                   但是，这个宏大叙事的致命缺陷在于它的“悬浮性”。                   它没有脚！                    它几乎完全在生产力的维度上进行推演，却系统性地忽略了任何生产力都必须依存于特定生产关系这一基本前提。                   它描绘了“AI能做什么”的璀璨蓝图，却没有回答一个更根本的问题：                    什么样的“组织容器”，才能装得下如此强大的新生产力？                    就像我们无法在马车道的路网上去运行高速列车一样，我们同样无法在传统的组织架构上去运行智能时代的AI。10多年前的吴兴区埭溪镇，采矿时碎石横飞、漫天粉尘。如今，10余座废弃矿山被打造成美妆小镇，吸引了化妆品全产业链各类企业。2023年，美妆小镇实现工业总产值86.67亿元。　　废弃矿坑变身网红咖啡馆，垃圾房改造成小酒馆，废弃民居成为网红民宿……这是安吉乡村闲置空间的美丽蝶变。

J |                              （参考阅读：《马上，OpenAI就会成为最大的无人公司》）                    组织之“体”对AI之“用”的系统性排异                    当企业家们听着宏大叙事，产生了美好憧憬，然后开始比划的时候，基本百分百会遭遇挫折。                   遭遇的挫败，本质上是可以看成一场陈旧组织形态对新生生产力的系统性排异反应。正如标题所言，没有组织的进化，就没有AI的深层落地。绿色赋能，正让生态价值转化为高质量发展的强劲势能。                   那些看似具体的数据、流程、ROI等问题，都只是这场深层排异反应的表层症状。“要完整、准确、全面贯彻新发展理念，以高水平保护促进高质量发展。                   1. 所有数据问题都是组织问题                    人们常说“AI的燃料是数据”，并因此将问题归咎于数据质量差、数据孤岛等技术层面。”湖州市人大常委会主任孙贤龙说。但这完全是本末倒置。

K | 　　产业升级，助力绿色发展　　在吴兴区的久立特材生产车间，工作人员打开手机程序，企业碳排放总量、碳效值、碳中和率等各项数值一目了然。

L | 汇集监测碳排放强度、用能结构等39类数据，湖州创新融合碳效评价体系，探索建立企业“碳效码”，指导企业节能降耗。　　绿色低碳、科技赋能，是企业高质量发展的关键词。

M |                    所有数据问题都是组织问题。                   （复购率算谁的！）                    有点绝对，但我确实就这意思。

N | 截至2023年底，湖州累计创建国家级绿色工厂66家。                   数字化的时候类似问题屡见不鲜。                   比如一家大型传统零售商，希望上线一个AI驱动的“千人千面”推荐系统。这个项目很快就会陷入泥潭。

o | 　　从一家企业，到一个产业，湖州的绿色转型由点及面。政府补助助力企业车间引进设备和技术，实现固体废物源头减量；整合千余家低小散作坊，集中建设环保生态园区；园区集中建设污水、废气处理设施，降低污染物排放……吴兴区织里镇改造提升童装产业，助力转型升级。　　良好的自然环境中，新兴产业也在持续发展。

p |                    市场部掌握着广告投放数据，但他们的数据结构是为了衡量曝光和点击；销售部掌握着交易数据，但只关心SKU和销售额；仓储物流部掌握着库存和配送数据，其核心KPI是周转率。　　西塞山前，湖光山色。                   每个部门都像一个“数据烟囱”，为了自身的KPI和利益而生产和守护着自己的“一亩三分地”。                   AI系统需要的是一个能将用户浏览、点击、购买、复购、甚至退货数据完整打通的用户画像，但这在部门墙林立的组织结构中几乎是不可能完成的任务。                   最终，AI项目要么因为吃进去的是割裂、矛盾的“垃圾数据”而产出无用结果，要么就因漫长而昂贵的数据治理而不了了之。与其说是AI需要数据治理，不如说是陈旧的组织模式在持续不断地“污染”着数据源头。                   2. 所有流程问题都来自系统整体性的缺失                    将AI工具“嵌入”现有流程，是另一个典型的失败路径。

q |                    比如： 一家工厂引入了一套先进的AI排产和库存管理系统，该系统基于实时销售预测、原材料价格波动和设备健康状况，给出了一个理论上最优的生产和采购计划。                   然后，就发现这个计划在现实中却寸步难行。                   生产主管凭借自己二十年的“老师傅经验”，认为AI的排产计划过于激进，无视了产线磨合的“默契”；采购部门则因为AI建议的“小批量、多批次”采购模式会破坏与长期供应商的“关系”和折扣而表示反对；质检部门则抱怨排产变动过于频繁导致品控标准难以统一。                   AI哪有力量搞定各路神仙！妥妥的现实版庙小妖风大，但不是人的问题，对人开战更会有灾难性后果。

r |                    在这里，AI作为一个追求“全局最优”的整体性大脑，与一个由无数“局部最优”构成的碎片化流程发生了激烈冲突。吴兴区西塞科学谷依托良好的自然环境和政策支持，引进一批科研院所和数字经济头部企业等，诗画美景地成为科技创新地。

s | 数据显示，2023年湖州战略性新兴产业、高新技术产业产值占规上工业比重分别达34.52%、64.09%。湖州还制定了“生态文明典范城市建设综合评价指标体系”，对各区县推进生态文明典范城市建设的工作绩效进行综合评价。

t |                    AI的建议触动了既有的权力结构、工作习惯和人情网络。此外，《湖州市生态文明典范城市建设促进条例》也将于今年5月1日起正式施行，护航生态文明建设。                   最终结果往往是，这套昂贵的AI系统被员工们以各种理由架空、忽略，变成了一个仅供参观的“形象工程”。

u |                    所以过去做大屏反倒是有市场，形象工程的市场也是市场！                    驾驭不了流程，根源在于缺乏一个能够俯瞰全局、统合所有流程的“整体性”组织视角。　　“接下来，我们将继续探索实践，在生态文明体制机制方面形成更多可学习、可复制、可推广的湖州经验。

v |                    3. 最终表现：不划算，没有用                    投入产出比（ROI）的困扰，是上述所有问题的最终体现。”湖州市委书记陈浩说。　　《 人民日报 》（ 2024年04月23日 14 版）。                   在碎片化的组织认知下，管理者习惯于用“孤立”和“线性”的思维去评估AI的价值。他们会问：“这个AI客服能帮我节省多少人力成本？”“那个推荐算法能提升多少点击率？”这种评估方式，完全忽视了AI作为“系统性工程”的真正价值，即其带来的乘数效应。                   一个真正有效的AI系统，其价值是系统性的，但回报却可能体现在其他部门的报表上，这在部门间利益独立的组织里是无法单维度被衡量和激励的。                   按结果交付是对的，但按结果交付就需要挑战各种整体性问题。                   隔壁吴老二要是中风了，整体性不协调，这么跑步啊。                   唯一也必须的突破口：以“组织革命”为核心的整体性重构                    既然问题的根源在于组织，那么唯一的突破口也必然始于组织。

w |                    我们必须放弃“AI赋能业务”的幻想，转向AI需要先重构组织的现实。                   （讲明白这个事非常痛苦和有挑战的）                    这一点上，特斯拉设想的“Unboxed”生产模式提供了一个极具启发性的范例。                   传统汽车制造业沿用福特发明的流水线模式长达百年，汽车在一个线性移动的传送带上被逐步组装。这是一个典型的、被流程固化的工业时代组织模式。                   而“Unboxed”模式则将其彻底颠覆：汽车不再被视为一个整体进行线性组装，而是被拆解成数个独立的模块（如前车身、后车身、电池包等），由高度自治的团队在不同区域进行并行、同步的组装，最后像拼乐高一样“合体”。                   您目前设备暂不支持播放                    这套方案的野心绝不仅仅是提升生产效率，它本质上是一场深刻的组织革命。                   为了实现这种并行生产，特斯拉必须从产品设计之初就将组织协同、供应链、机器人自动化等所有要素作为一个“整体”来考虑。                   传统的、按工序划分的线性部门被打破，取而代之的是围绕“模块”组织的、跨职能的、高度整合的团队。                   这种组织形态，天然就是为最大化机器人和AI的效率而生的。它消除了传统流水线的物理和组织瓶颈，让数据可以在各个模块间无缝流动，为AI进行全局调度和优化提供了完美的“温床”。                   结果还未知，但至少说明：Tesla认识到为了迎接AI和自动化带来的终极生产力，必须先重构生产组织本身。

x |                    （参见：《AI是中小企业最后的机会》）                    非典型的突破口                    如果说前面说的非共识是典型的，每当新技术来的时候都有，那么面对需要采取的措施则绝对是非典型的，和过去很不一样，比如：                    1. 从“整体性认知”出发，建立新的组织哲学。领导者必须率先完成从“管理者”到“系统架构师”的角色转变。他所要设计的，不再是一个分工明确的职能机器，而是一个能够自我学习、自我进化的“智能有机体”。

y |                    我们没有这么剧烈地干过这活，组织的事千年一系，变化真的不大，此前最大的也就是流水线。                   2. 从职能孤岛到任务导向的“积木式”组织。学习现代软件企业的组织模式，如Spotify的“部落（Tribe）”和“小队（Squad）”模型。每个小队都拥有一个端到端的业务模块（如音乐推荐、用户播放列表），团队成员包括了产品、开发、测试、数据分析等所有必要角色。这种组织方式，天然保证了“谁生产数据，谁使用数据，谁对数据质量负责”，从根本上解决了数据割裂问题。                   这就是数据和智能角度的阿米巴。                   3. 当组织就位，数据与流程自然“归顺”。当一个以“整体性”为核心的新式组织建立起来之后，我们才能真正“驾驭”数据和流程。

z | 此时，数据不再是需要费力去“治理”的对象，而是新组织形态下业务流程自然而然产生的“高质量血液”。流程也不再是需要AI去费力“适应”的障碍，而是被重新设计用来最大化数据采集效率和AI决策效率的“血管网络”。

|                    先有健康的“身体”（新组织），才会有流畅的“血液循环”（数据与流程），这是一个不可逆的因果关系。

|                    典型的非共识需要非典型的突破口                    当前社会对AI的巨大“非共识”，本质上是一场关于“范式”的冲突：                    究竟是应该让代表未来的生产力去削足适履，适应我们陈旧的组织模式；还是我们应该鼓起勇气，砸碎旧的组织枷锁，去创造一个能配得上未来生产力的新容器？                    答案是唯一的。                   为什么是唯一的，因为你不干他也干，那就终究会回到这里。                   依赖于修修补补、期望AI能奇迹般地在旧土壤里开出新花，是一种危险的“工具幻觉”。这只会让我们在无尽的试点和挣扎中耗尽资源和信心，最终得出“AI不过如此”的错误结论。                   真正的、非典型的突破口，掌握在那些敢于向自身开刀的变革者手中。

|                    他们明白，AI竞赛的终局，比拼的不是谁的算法更先进，而是谁的组织更具“整体性”和“智能原生性”。这不是一场技术革命，而是一场深刻的管理革命和认知革命。                   当我们不再将目光局限于AI本身，而是转向审视和重构我们自己时——就像特斯拉重新思考汽车制造的每一个环节那样——那扇通往智能时代的大门，才会真正为我们敞开。                   这场变革的阵痛是剧烈的，也很让人烦躁，但穿过阵痛，我们将迎来一个以全新的组织形态驾驭强大AI，从而实现价值指数级增长的真正黎明，而“无人公司”正是这场组织革命的终极形态。                   （参见：《AI和互联网的旷世冲突》）                    本文来自微信公众号：琢磨事，作者：李智勇。

|