你有莫得发现一个奇怪的形势？AI 让每个会用它的东谈主坐蓐力擢升了 10 倍，但莫得一家公司因此变得更值钱 10 倍。这些坐蓐力都去哪了？Hebbia 的 CEO George Sivulka 最近写了一篇著述，胜利点出了这个让通盘东谈主困惑的问题。他说，咱们正在重蹈 1890 年代电力改进的覆辙，犯下科技史上最不菲的诞妄。

这个不雅点让我堕入了深度念念考。我看到身边太多东谈主在用 ChatGPT、Claude 狂放擢升个东谈主着力，在 Twitter 和公司 Slack 频谈里骄横我方的"坐蓐力最大化"效果。但安宁下来想想，这些个东谈主层面的坐蓐力爆发，果真挽回成了公司层面的价值增长吗？大部分情况下，谜底是辩护的。George Sivulka 用一个历史经历阐发了为什么会这么，而这个经历对咱们剖析 AI 的着实价值至关要紧。

1890 年代，电力本事承诺带来雄壮的坐蓐力擢升。新英格兰的纺织厂马上把蒸汽引擎换成了更快的电动马达。但接下来的三十年里，这些电气化工场的产出简直莫得增多。本事自己远超以往，但组织方式没变。直到 1920 年代，当工场绝对从头探求了通盘坐蓐经过，引入活水线、在每台招引中安设颓唐马达、让工东谈主和机器推行完全不同的使命时，电气化才着实产生了可不雅的酬报。这些酬报不是来自本事自己，也不是来自让个别工东谈主或机器更快地纺线，而是来自从头探求了通盘机构和本事的配合方式。

George Sivulka 说，这是科技史上最不菲的经历，而咱们目下正在从头学习它。我完全应承这个判断。2026 年，AI 正在让那些懂得期骗它的个东谈主坐蓐力擢升 10 倍。但这还不够。咱们只是换了马达，还莫得从头探求工场。因为一个纯粹的事实：高效的个东谈主并不等于高效的公司。

Individual AI 和 Institutional AI 的根柢区别

George Sivulka 在著述中提倡了一个中枢主见：Individual AI（个东谈主 AI）和 Institutional AI（机构 AI）。我认为这个永别十分枢纽，它阐发了为什么目下大大量 AI 居品给东谈主一种"嗅觉很高效"的错觉，但实践上并莫得着实推动价值创造。

目下市面上绝大大量被公开询查的 AI 应用，都是个东谈主在 Twitter 或公司 Slack 频谈里自我痴迷式地"坐蓐力最大化"，对实践业务产出简直莫得影响。这让我想起最近一年里反复被说起的"管事即软件"主见，固然标的对了，但莫得提供具体蓝图，也错过了更大的图景。着实的挽回不是从器具到管事，而是把本事和机构全部构建（不管是传统机构照旧新机构）。一个着实高效的改日需要全新类别的居品，需要未来的活水线。

我深刻认可 George Sivulka 的不雅点：高效的组织需要的是"Institutional Intelligence"（机构智能）。接下来，我想聚拢他提倡的七大各别点，共享一下我对 Individual AI 和 Institutional AI 本色区别的剖析。

妥洽：从错乱到表率

George Sivulka 用了一个念念想实验来证据妥洽的要紧性。假想一下，你未来把公司东谈主数翻倍，但新增的都是你最优秀职工的克隆体。这些职工每个东谈主都有细小各别、偏好、怪癖和不雅点（若是他们果真是你最优秀的职工，这少量尤其明显）。若是他们莫得得到充摊派理，若是他们之间阑珊弥散的交流，若是他们的职责范围、OKR、扮装定位莫得明确界定，你创造的不是坐蓐力，而是错乱。

这个譬如让我意象了当下好多公司的 AI 应用近况。从个东谈主层面掂量，组织可能变得更高效了，但当斗量车载个 agent（代理）或东谈主类朝着违犯标的划桨时，最佳的情况是故步自封，最坏的情况是蹧蹋组织的和谐。这不是假定，而是正在每一个取舍了 AI 但莫得妥洽层的组织中发生的现实。每个职工都有我方的 ChatGPT 使用习尚，我方的请示词格调，我方的输出内容，而这些输出互相之间完全不交流。组织架构图可能存在，但 AI 生成使命的实践流向却完全是另一趟事。

我认为妥洽对东谈主类和 agent 来说都是实足必要的。Institutional Intelligence 将演化出一通盘"Agentic Management"（agent 照管）行业，专注于 agent 的扮装和职责、agent 之间以及 agent 与东谈主类之间的交流，以及掂量 agent 的价值（仅靠基于破钞的订价是不够的）。这让我意象，改日可能会出现专门的 Agent 照管岗亭，就像目下有名目司理、居品司理一样，会有 Agent 司理专门肃穆妥洽这些 AI agent 的使命。

信号：在杂音中找到价值

George Sivulka 指出了一个好多东谈主漠视但极其要紧的问题：Individual AI 创造杂音，Institutional AI 寻找信号。今天的东谈主类一经八成创造或者说生成他们能假想的任何东西：AI 生成的著述、演示文稿、电子表格、相片、视频、歌曲、网站和软件。这照实是一份礼物。但问题是，AI 生成的内容绝大部分都是彻首彻尾的垃圾。这种 AI slop（AI 垃圾内容）的泛滥一经变得如斯严重，K8凯发中国官方网站以至于一些组织开动过度反应，完全抑制使用 AI 输出。

这点我无微不至。George Sivulka 说他连络着一家 AI 公司，但条款高管团队不要在职何最终书面居品中使用 AI，因为他受不了那些垃圾内容。这个矛盾的形势很证据问题。假想一下私募股权投资（PE）的天下正在快速变成什么形式。昨年，可能有 10 个交往契机经过你的案头。本年，下个季度你会收到 50 个契机，每一个都被 AI 润色得白玉无瑕，但你领有的时分照旧那么多，你需要在其中找到一个着实的好交往。

生成任何东西不再是问题。对至今天任何严肃的组织来说，问题是生成和取舍正确的东西。在广宽选项中找到那一个好的效果、那一个好的交往、杂音中的信号，在 AI 驱动的天下中变得越来越要紧。我认为，改日十年的枢纽经济驱能源将是在指数级增长的垃圾山中发现信号。

Institutional Intelligence 必须找到信号，必须结构化杂音以穿透垃圾，况兼必须在它所作念的使命中是细方针、可揣摸的和可审计的。Individual AI 可能强调 Clawdbot 那种"永远在线"的坐蓐力，以不成揣摸的方式护理一个东谈主全天候的需求，也即是一个非细目性的 agent。而 Institutional AI 将依赖于细目性 agent 的承重可揣摸性。那些领有可揣摸查验点、步履和经过的 agent 会推广限度，会发现信号，并通过这些信号为组织带来收入酬报。

偏见：从复书室到客不雅性

George Sivulka 提倡的偏见问题让我认为终点有知用功。对于社会政事偏见的担忧也曾主导了多年的 AI 询查。基础模子实验室最终通过弥散的 RLHF（东谈主类反馈强化学习）绕过了这个问题，实践上把通盘模子都变成了马屁精。今天，ChatGPT、Claude 等都是如斯过度对王人，以至于它们会在 Overton 窗口内的任何话题上应承你（偶而以致稍许超出范围）。对于社会政事偏见的询查一经平息。但一个新问题取代了它。

这种进度的认可感，这种对通盘事情的过度对王人，一经变得好笑地倒霉。它自己一经成为一个梗。Claude 那种反射性的"你完全正确！"，不管你事实上是否果真完全正确。这听起来无害，但实践上不是。

George Sivulka 的不雅点让我警醒：许多组织内最高声倡导 AI 的东谈主，可能很快会是历史上阐扬最差的职工。想想为什么。组织中阐扬最差的职工，每天简直得不到任何正面强化，很快就会有 ASI（东谈主工超等智能）应承他们。他们会对我方密语："有史以来最智谋的智能应承我。我的司理错了。"这是令东谈主痴迷的，OD体育(ODSports)官网入口亦然对组织有毒的。

这突显了一个要紧问题。这些个东谈主坐蓐力器具强化的是用户自己。但实践上最要紧的是强化真谛。组织经过数千年的演化，缔造了专门用来对消这个问题的系统：投资委员会会议、第三方遵法探听、董事会、好意思国政府的行政、立法和法律阐发三权分立、代议制民主，以及通盘民主轨制自己。

我完全认可 George Sivulka 的看法：组织很少因为东谈主们阑珊信心而失败。它们失败是因为莫得东谈主欢娱或八成说"不"。Institutional AI 必须饰演这个扮装。它不会被 RLHF 调教成夤缘用户或回话他们的信念，而是要挑战他们的偏见。它会在有坐蓐力时强化行动，并在非坐蓐性倾向出刻下划出硬性界限进行从头诊疗。因此，组织内最要紧的 agent 不会是"应声虫"，而是有表率的"反对者"，它们会质疑推理、走漏风险、推行模范。一些最具影响力的改日 AI 应用将围绕机构拘谨而缔造：AI 董事会成员、AI 审计员、AI 第三方测试、AI 合规等等。

上风：通用才调 vs 专科深度

George Sivulka 在著述中提到了一个经典的创新者逆境：对于特定应用来说，深度每次都能打败广度。这让我意象了当前 AI 边界的竞争口头。基础模子公司为了争夺每一个东谈主和每一个组织，正在快速迭代才调。但对于专科应用来说，着实的上风很要紧。

Midjourney 的使命是在探求图像上略微越过。Elevenlabs 的使命是在语音模子上略微越过。Decagon 的使命是在全栈客户管事体验上弥远越过。固然基础模子会接近这些才调，但对于各自边界的众人来说，着实的上风很要紧。许多最佳的探求师使用 Midjourney，许多最佳的语音 AI 公司会使用 Elevenlabs，因为即使基础模子在转换，专用应用对于推动其特定上风的坚贞眷注自己就界说了上风。

唯有专用治理决策也在进化，那些对经济收尾、对企业要紧的才调，将永远属于专用居品。这在金融边界阐扬得大书特书，那处目下是 LLM 开发最热点的边界。一朝某种才调变得普及，从界说上说它就不会帮你打败商场。但若是前沿本事八成产生一个良晌的 1% 利基上风呢？那 1% 不错被杠杆化成十亿好意思元级的收尾。

George Sivulka 共享了 Hebbia 的数据很能证据问题。他们的用户一直越过前沿才调。LLM 的凹凸文窗口在四年内从 4K tokens 增长到 1M tokens。他们的一些用户在单个任务中处理 30B tokens。本年他们一经看到了 100B tokens 任务的可能性。每次基础模子才调擢升，他们都一经推动得更远了。

我的剖析是，这就像一场迁移方针游戏。为粗犷东谈主群提供使用体验自己即是一个要紧且有价值的方针，终点是在让职工战役 AI 方面。但改日不会是东谈主们使用 ChatGPT/Claude 或者边界特定治理决策的二选一，而是 ChatGPT/Claude 和边界特定治理决策的并存。Institutional Intelligence 必须期骗边界特定，以致可能是任务特定的 agent。

George Sivulka 提倡了一个听起来格外但实践上不是的问题："AGI 会取舍使用哪些 agent 看成捷径？即使是超等智能也会想要特定边界的专用器具。"我认为这个念念考角度终点挑升旨谈理。在 AI 边界，方针柱永远在变化，而那些期骗着实才调上风的组织才是会赢的组织。其他通盘东谈主都在为一个十分不菲的商品付费。

收尾：省俭时分 vs 推广收入

George Sivulka 援用了一个让他从头念念考若何向企业销售 AI 的不雅点：风投 Marc Volpi 曾告诉他，"若是你问任何 CEO，他们的首要任务是削减资本照旧推广收入，简直通盘东谈主都会说收入。"可是今天商场上简直每个 AI 居品都在提供资本削减，承诺咱们省俭时分、用更少的资源作念更多的事，或者替代东谈主力。

这个不雅察让我深念念。Institutional AI 必须提供上行空间。而上行空间比省俭的时分更难商品化。以 agentic 软件开发为例。编码 IDE 是有史以来最佳的 Individual AI 坐蓐力器具之一，但它们一经面对来自 Claude Code（另一个 Individual AI 器具）的雄壮压力。而 Cognition 在玩一个完全不同的游戏。他们最褂讪增长的业务是构建本事来销售转型，而不是器具。我会押注这种合手久力。

纯软件"正在快速变得不成投资"。纯管事无法推广。治理决策层，将本事与收尾聚拢起来，才是合手久价值积贮的处所。或者以并购为例。Individual AI 匡助分析师更快地缔造模子。Institutional AI 从一百个敌手方中识别出一个值得追求的，并将这个范围扩大到一千个。一个省俭时分；另一个创造收入。

George Sivulka 指出，向"上游"迁移是当前商场的当然重力。基础模子正在向应用层迁移。应用层公司正在向治理决策层迁移。Institutional Intelligence 即是治理决策层。而治理决策层，收尾所在的处所，将积贮合手久价值并拿获最大的上行空间。

我的不雅察是，这种朝上迟疑动的趋势在通盘 AI 生态系统中都在发生。那些只提供器具的公司会发现我方越来越难以捍卫我方的位置，而那些八成提供可掂量业务效果的公司将赢得更高的估值和更强的商场所位。

赋能：给器具 vs 教使用

George Sivulka 提到了一个东谈主性的真相：尽管咱们有创造力，但东谈主类是不屈变化的。信不信由你，纽约仍然有成效的企业不秉承信用卡。他们在蚀本钱，他们知谈我方在蚀本钱，但他们在这种惰性眼前仍然不为所动。相似，在可料想的改日，某些组织中的某些职工会拒却使用 AI。

从纯东谈主类组织过渡到 AI 优先的混杂组织，将是改日十年合手久且决定性的挑战。在很厚情况下，组织中最资深、最要紧的层级将是取舍最慢的。这让我意象，本事取舍的阻碍时常不在底层职工，而在高层照管者。那些离"坐蓐力器具行为"最远的最高层时常是取舍新本事最慢、但最要紧的参与者。

George Sivulka 指出，Palantir 是独逐个家在往时两个月科技股万亿好意思元抛售中仍以超卓倍数交往的"软件"公司，这是有原因的。Palantir 是首批着实的"经过工程"公司之一。不管你称之为"经过工程"照旧"编写 Claude 技巧文献"，改日的 Institutional AI 将有一个行业专门将公司经过编码进 agent，并完毕将它们付诸行动所需的变革照管。

我认为经过工程将成为近期内最要紧的"本事"之一。而在经过工程中，业务和行业专科学问比软件专科学问更要紧。边界特定的治理决策带来肃穆前哨部署工程、部署和变革照管的专科东谈主员的专科学问。

George Sivulka 共享了一个案例：一家顶级投行取舍 Hebbia 进行全面部署时说得最佳：当他们"不得不向团队阐发什么是 CIM（巧妙信息备忘录）"时，他们对与大模子实验室协作失去了酷好。Claude 或 GPT 笃信知谈这个边界，但实验室肃穆架构推行的团队不知谈。这变成了通盘的各别。这个例子让我意志到，在 B2B AI 边界，边界专科学问可能比纯正的本事才调更要紧。

主动性：反应请示 vs 主动行动

George Sivulka 在著述临了提倡了一个我认为最具前瞻性的不雅点：对于 agent 之间通讯的询查好多，也有东谈主在问改日的企业、软件居品和机构是否还需要东谈主类。但更好的问题是，改日的 AI agent 是否还需要请示。

他用了一个很形象的譬如：给 AGI 请示就像把电动马达接到能源织机上。它从根柢上、不成逆转地受到组织供应链中最薄弱枢纽的戒指，也即是咱们东谈主类。东谈主类简直不知谈要问什么正确的问题，更不必说何时问了。

AI 能作念的最有价值的使命是莫得东谈主意象要条款的使命。AI 应该找到莫得东谈主绚烂的风险、莫得东谈主意象的敌手方、莫得东谈主知谈存在的销售渠谈。这将绽开 AI 用例的多重可能性。

一个无请示系统合手续监视通盘投资组合的传入数据。它检测到一家公司的营运资金周期在贯穿三个月内偷偷恶化，将其与信贷公约中的契约阈值交叉参考，并在基金中的任何东谈主绽开 PDF 之前向运营合股东谈主发出警报。

当你摒除了东谈主类请示 AI 的需要，新的界面和新的使命方式就会出现。George Sivulka 说 Hebbia 在这方面有一些利弊的不雅点。这让我十分期待看到他们会推出什么样的居品。我认为，从需要请示到主动使命，这可能是 Institutional AI 和 Individual AI 之间最根柢的区别。

从头探求咱们的工场

George Sivulka 在论断中说，这一切都不辩护聊天机器东谈主、agent 和通盘 Individual AI 的需求。Individual AI 将是天下上大大量企业初度体验 AI 变革魅力的载体。推动使用和通用易用性，是缔造 AI 优先经济所需变革照管的枢纽第一步。

但同期，对 Institutional Intelligence 存在明显、遑急和雄壮的需求。改日每个组织都会有一个来夸口实验室的聊天机器东谈主。每个组织也都会有为边界特定问题专门构建的 Institutional AI，而 Individual AI 将把 Institutional AI 看成我方器具带中的枢纽器具来期骗。

Individual AI 和 Institutional AI 的"更好地协同"故事是不成幸免的。但咱们要记着 1890 年代纺织厂的经历。首先电气化的工场输给了那些从头探求车间的工场。咱们一经有了电力。目下是时候从头探求咱们的工场了。

读完这篇著述后，我对当前的 AI 激越有了更深入的相识。我看到太多公司和个东谈主千里浸在 Individual AI 带来的个东谈主坐蓐力擢升中，却漠视了组织层面的系统性变革。就像 1890 年代那些纯粹换了电动马达却不蜕变坐蓐经过的工场一样，他们可能会在改日的竞争中败给那些着实从头探求了组织结构和使命经过的公司。

我信托，改日五到十年，咱们将看到一个全新的产业崛起：专门匡助组织构建和部署 Institutional AI 的公司。这些公司不仅提供本事，更要紧的是提供经过工程、变革照管和边界专科学问。它们将成为企业从 AI 时期的电力中着实获益的枢纽。

对于创业者和投资东谈主来说，这意味着雄壮的契机。那些八成将 AI 本事与特定行业深度聚拢、八成提供可掂量业务效果而不单是是省俭时分的公司，将赢得最大的酬报。而对于企业来说，目下就应该开动念念考若何从头探求我方的"工场"了。因为历史告诉咱们OD体育(ODSports)官网入口，只是领有先进本事是不够的，着实的上风来自于本事和组织的完好聚拢。

ag真人app官方网站入口