00:00:00.000公司的很多组织层级
00:00:01.480在AI眼里可能只是在干一件事
00:00:03.400搬运context
00:00:04.320这句话越想越可怕
00:00:05.400因为如果AI能够自己获得context
00:00:07.320它真正要重写的
00:00:08.320可能根本不只是几个岗位
00:00:09.760而是公司为什么需要这么多层级
00:00:11.480最近DataBricks的CEO联合创始人
00:00:13.680Elli Godessy
00:00:14.440做了一场非常长的访谈
00:00:15.760他不仅创办了DataBricks
00:00:17.000还是ApacheSpark的共同创造者之一
00:00:19.040长期站在企业数据和AI落地的最前线
00:00:21.680而这次访谈里
00:00:22.440他讲了几个
00:00:23.000我觉得非常值得记住的新概念
00:00:24.720第一个就是前段时间爆火的
00:00:26.160本体论
00:00:27.280不过在企业AI里
00:00:28.360更准确的说叫企业本体
00:00:29.920什么叫企业本体
00:00:30.760举个很容易理解的例子
00:00:31.920两个人能力差不多
00:00:32.920一个今天刚入职
00:00:33.920一个在公司干了5年
00:00:35.000为什么后者做事情快得多
00:00:36.560不是因为他更聪明
00:00:37.600而是他脑子里
00:00:38.440多了一张公司的隐形地图
00:00:39.840什么事情该找谁
00:00:40.920谁名义上负责
00:00:41.880但实际上推不动
00:00:42.840哪些流程制度上这么写
00:00:44.440真正运行起来却是另一回事
00:00:45.960哪些项目为什么被砍
00:00:47.320老板真正关心什么
00:00:48.480这些东西组织架构图里没有
00:00:50.080数据库里也没有
00:00:50.920但他们决定了
00:00:51.640这家公司实际上是怎么运转的
00:00:53.280企业本体就是把这些人
00:00:54.880项目 目标 决策 流程之间的关系
00:00:57.080变成AI能够理解的结构
00:00:58.520你可以把它理解成
00:00:59.320把这家公司到底怎么运转
00:01:00.640变成一张AI能够理解的关系地图
00:01:02.480数据告诉AI
00:01:03.360发生了什么
00:01:04.000企业本体告诉AI
00:01:05.120这些事情之间到底是什么关系
00:01:06.640所以今天企业AI
00:01:07.720有一个很荒谬的状态
00:01:08.840AI拥有全世界的知识
00:01:10.320却没有你公司的常识
00:01:11.520它智商可能180
00:01:12.600但功领明天
00:01:13.640A力的判断更激进
00:01:14.880对很多企业来说
00:01:15.880今天的模型已经够聪明了
00:01:17.360真正缺的
00:01:18.000不是再等一个更强的GPT
00:01:19.400而是把会议 决策 项目 关系
00:01:21.240人的经验
00:01:21.800都变成AI可以理解的context
00:01:23.560再组织成企业自己的知识结构
00:01:25.360而一旦这件事完成
00:01:26.400真正大的变化才开始
00:01:27.640今天一个问题
00:01:28.320怎么到CEO 员工报经理
00:01:29.880经理补背景
00:01:30.600再报总监
00:01:31.280总监再压缩一次
00:01:32.280最后到VP 到CEO
00:01:33.640决策做完再一层层传回来
00:01:35.120你仔细看
00:01:35.720大量管理工作
00:01:36.480其实都在做三件事
00:01:37.640收集context
00:01:38.520压缩context
00:01:39.280搬运context
00:01:40.040所以现代公司的很多组织成绩
00:01:41.800本质上就是一套
00:01:42.600用人搭出来的信息压缩和路由系统
00:01:44.600过去必须这么干
00:01:45.440因为任何一个人的context
00:01:46.640窗口都是有限的
00:01:47.520但如果AI知道整个公司的会议
00:01:49.160项目人员 数字和历史决策
00:01:50.680那一个问题
00:01:51.240为什么还必须经过五成汇报
00:01:52.760才能获得完整context
00:01:54.040所以AI真正压缩的
00:01:55.200可能首先不是员工数量
00:01:56.480而是组织的信息距离
00:01:57.760过去职位越高
00:01:58.520往往意味着你知道的更多
00:01:59.920但如果未来context
00:02:01.040变成基础设施
00:02:01.960我知道发生了什么
00:02:02.880本身会迅速贬值
00:02:03.960真正升值的是判断
00:02:05.240取舍
00:02:05.720责任
00:02:06.160所以AI对组织真正生产的冲击
00:02:08.160不是替代几个岗位
00:02:09.120而是开始追问
00:02:09.960这些层级为什么还要存在
00:02:11.360A里接下来又讲了
00:02:12.320第二个很火的概念
00:02:13.320RSI
00:02:13.800中文叫地归自我改进
00:02:15.120简单说就是AI
00:02:16.040帮助制造下一代更强的AI
00:02:17.680下一代再制造更强的一代
00:02:19.040最后形成所谓的智能爆炸
00:02:20.600现在很多人看到AI开始写代码
00:02:22.480开始帮助训练AI
00:02:23.640就说RSI已经来了
00:02:24.880A里直接泼了一盆冷水
00:02:26.120别把AI写AI
00:02:27.000就叫RSI
00:02:27.720Databricks现在超过90%的软件代码
00:02:29.920已经由AI生成
00:02:30.880但真正的RSI
00:02:31.920至少要同时满足四件事
00:02:33.320下一代模型
00:02:34.000用更少的GPU
00:02:35.000训练时间更短
00:02:36.000智能更强
00:02:36.680而且这三件事
00:02:37.560还能一轮一轮重复
00:02:38.800真正值得盯的
00:02:39.720不是AI有没有参与制造AI
00:02:41.200而是制造下一单位智能的成本
00:02:42.920有没有开始地归下降
00:02:44.320所以别把自动化加速误判成智能爆炸
00:02:46.880而说到AI风险
00:02:47.840A里还有一个更反共识的判断
00:02:49.600Superintelligence风险很远
00:02:51.040但Cyberrisk非常近
00:02:52.400也就是超级智能的风险还很远
00:02:54.200网络安全风险却已经到了眼前
00:02:55.800原因不是AI突然有了恶意
00:02:57.280而是攻击能力
00:02:58.080第一次可以大规模复制过去
00:02:59.680你不可能找一万个安全研究员
00:03:01.320同时攻击一个系统一个月
00:03:02.640今天一万个agent
00:03:03.680理论上可以同时启动
00:03:04.840所以真正危险的攻势
00:03:05.920可能不是超级智能乘以恶意
00:03:07.640而是普通智能乘以10万份复制
00:03:09.520这已经足够改变整个网络攻防
00:03:11.240AI真正已经发生的安全拐点
00:03:12.960不是机器产生恶意
00:03:13.960而是攻击能力开始规模化复制
00:03:15.720未来很可能变成agent攻击agent
00:03:17.840agent防守agent
00:03:18.760而人在最实时的攻防里
00:03:20.000反而越来越慢
00:03:20.760最后还有一个词
00:03:21.560所有做AI产品的人
00:03:22.520都应该开始关注Harness
00:03:23.920你可以把它简单理解成
00:03:25.160AI的执行框架模型
00:03:26.360负责提供智能
00:03:27.120Harness负责
00:03:27.880怎么给context
00:03:28.680怎么调用工具
00:03:29.360怎么安排步骤
00:03:30.120失败
00:03:31.040什么时候换模型
00:03:31.920而Databricks发现了一件
00:03:33.120很夸张的事情
00:03:34.000完全相同的模型
00:03:35.000完全相同的版本
00:03:36.000只是Harness不同时期成本
00:03:37.400就能相差接近两倍
00:03:38.560模型没变 智能没变
00:03:39.840只是执行方式变了
00:03:41.040账单已经差了一倍
00:03:42.080所以这里有一句话
00:03:43.000我觉得非常重要
00:03:43.960模型决定你买到了多少智能
00:03:45.720Harness决定这些智能被怎么花掉
00:03:47.720过去大家一直问
00:03:48.520GPT还是Cloud
00:03:49.560哪个模型更强
00:03:50.400但未来更重要的问题
00:03:51.680可能不是你用了谁的智能
00:03:53.160而是你怎么组织智能
00:03:54.560复杂任务给最强模型
00:03:55.840简单任务给便宜模型
00:03:57.080专业任务给专家模型
00:03:58.360再让Router和Harness
00:03:59.480决定谁在什么时候做什么
00:04:00.960所以把Ali这几个观点串起来
00:04:02.440你会发现AI下一阶段的竞争
00:04:04.040已经开始变了
00:04:04.720过去大家真的是模型智商
00:04:06.200下一阶段真的可能是组织智能
00:04:08.120企业本体决定
00:04:09.120AI懂不懂你的公司
00:04:10.400Harness决定AI会不会真正工作
00:04:12.360网络安全决定
00:04:13.240智能能不能安全地规模化复制
00:04:14.840RSI真正回答的是智能生产方式
00:04:17.240有没有发生质变
00:04:18.040而最值得警惕的一件事是
00:04:19.360模型越强靠信息差获得的组织价值
00:04:21.400反而越危险
00:04:22.120过去职位高
00:04:22.760一个重要原因是
00:04:23.640你知道的更多过去很多中间层
00:04:25.400一个重要价值是
00:04:26.280把下面的信息搬上来
00:04:27.400再把上面的决定搬下去
00:04:28.680但当AI拥有整个组织的context
00:04:30.600这个逻辑会第一次被真正挑战
00:04:32.320所以AI最先压缩的可能不是岗位
00:04:34.200而是层级
00:04:35.200最先被重新定价的
00:04:36.240可能也不是人的执行力
00:04:37.560而是组织里的信息权
00:04:38.960未来真正强的企业
00:04:40.040可能既不是人最多的企业
00:04:41.360也不是拥有最强模型的企业
00:04:42.760而是
00:04:43.160最先把自己的经验关系
00:04:44.440流程 决策和知识
00:04:45.600变成机器可以理解
00:04:46.520可以调用
00:04:47.000可以执行的企业
00:04:47.720过去我们数字化的是
00:04:48.800业务
00:04:49.120下一步我们要数字化的
00:04:50.280可能是组织本身
00:04:51.480当组织开始变得可计算
00:04:52.760AI改变的就不再只是生产力
00:04:54.440它开始改变
00:04:55.120公司为什么还要这样被组织