Diálogo | Zhang Peng

Quando todos correm para desenvolver "funcionários digitais" e "ferramentas Agent", e se envolvem em competição desenfreada em cenários específicos, qual é verdadeiramente a vantagem competitiva do empreendedorismo em IA?

Recentemente, Zhang Peng, fundador e presidente da Geek Park, e Liu Ye, fundador da VisionFlow, realizaram uma discussão de projeção para frente após o surgimento do OpenClaw. Como um dos primeiros programadores chineses nascidos em 1979, Liu Ye passou por todo o ciclo, desde hardware de baixo nível até software, e de integração corporativa (B2B) até educação online (internet industrial). Após meses de isolamento e conversas abrangentes com pesquisadores das principais empresas de IA globais e empreendedores de ponta no país, ele chegou a uma conclusão fria: tratar a IA como um “funcionário digital” para substituir tarefas individuais é uma simplificação excessiva da engenharia em relação aos negócios reais.

Nesta conversa, Liu Ye apresentou uma série de conceitos e estruturas altamente inspiradores, como "exposição progressiva" e "matriz de dimensões de tarefas". Durante a discussão, uma possibilidade futura tornou-se clara: o próximo passo da IA não será uma proliferação de ferramentas genéricas, mas a construção de uma "organização digital" com mecanismos de colaboração, relatório e reflexão. Quando a cultura empresarial não for mais necessária e o trabalho de baixa dimensão for totalmente eliminado, o futuro CEO talvez não seja mais um "Chief Executive Officer", mas sim um "produtor" com estética extrema.

Este é um exercício de exploração sobre a forma organizacional na era da IA, barreiras comerciais e o ecossistema de empreendedores da nova geração. Espera-se estimular discussões mais aprofundadas sobre o futuro dos empreendedores.

A seguir, a versão editada da conversa compilada pelo GeekPark:

A batalha de 01 milhão de A já começou, há muito a fazer,

Mas o que é mais importante fazer

Zhang Peng: Desde a caixa de tarefas até hoje, tão entusiasmado em explorar as mudanças trazidas pelo OpenClaw, você mesmo passou por alguma mudança?

Liu Ye: Sou um dos primeiros programadores da China, comecei a aprender programação desde criança. Testemunhei a evolução desde o BASIC até o DOS, depois o Windows e a era atual do Mac, além de presenciar o surgimento das três grandes portais. Trabalhei com informatização empresarial, com o sonho de criar a IBM da China; posteriormente, migrei para a Zuohezi, participando profundamente da educação online. A educação online é uma indústria profundamente significativa, a forma mais elevada da internet industrial e também o "último trem". Essa experiência me fez compreender profundamente que o núcleo da internet industrial não é a tecnologia, mas sim a própria indústria — o negócio. A lógica da internet industrial é: primeiro, fazer a intermediação de informações; depois, produtos padronizados; em seguida, cadeia de suprimentos; e, por fim, serviços complexos não padronizados. Quanto mais avançado for o estágio, maior será a margem de lucro, mas também mais difícil será executar.

Então, quando a onda de IA chegou, a primeira coisa que fiz foi passar quase seis meses fazendo nada, mandando o RH conversar com todos que podiam ser conversados. Desde os cientistas-chefe de startups estreladas até os algoritmos centrais, engenheiros e pesquisadores das grandes empresas de modelos básicos, além de empreendedores de IA emergentes — conversei com todos. Acumulei cerca de mil horas de intensa troca. Até que ponto? Cheguei ao ponto de saber exatamente a próxima frase da pessoa antes mesmo que ela a terminasse; o consenso entre todos já era praticamente idêntico.

Após uma rodada de conversas, a conclusão foi surpreendentemente consistente: todos estão fazendo a mesma coisa — funcionários digitais. Isso me lembrou quando um grande especialista fez um erro estratégico sobre computação em nuvem, dizendo que a Alibaba fazer nuvem era, no fundo, só um disco online. Usar um framework antigo para entender coisas novas significa que você sempre verá apenas a camada mais superficial.

Hoje, todos acham que ser um funcionário digital e criar um “vendedor digital” ou “atendente digital” com o Claude tem qual barreira tecnológica? Qual vantagem competitiva? Quando alguém gastar centenas de milhões de TOKEN por dia se torna normal, isso se parece mais com manufatura e nunca decolará. Por isso, faço a mesma pergunta a cada empreendedor: Por que você? O que te torna capaz? Você é mais jovem? Mais inteligente? Mais capaz de ficar acordado? Competir em uma única dimensão é apenas a diferença entre “69 segundos” e “70 segundos”.

Zhang Peng: Hmm, há muito que pode ser feito hoje, mas o que fazer é o mais importante. Você tem alguma reflexão sobre isso?

02 Os dez anos da internet industrial serão repetidos hoje

Liu Ye: A IA é muito diferente, mas acredito que ainda haverá pontos em comum com os padrões da internet industrial. No início, ferramentas; no meio, negócios; por fim, consultoria. Quando a tecnologia ainda não está madura, os primeiros a entrarem são certamente engenheiros, que têm a habilidade de sobreabstrair o mundo — por exemplo, o "cálculo de caixa" do Baidu, que considerava tudo como uma caixa. Mas a segunda metade da internet móvel é sobre conteúdo e serviços, não caixas.

Pessoas com formação em engenharia frequentemente simplificam excessivamente a visão do negócio. Observe as três grandes portais da primeira geração da internet: os que chegaram mais longe e tiveram melhor desempenho foram o Tencent e o Alibaba, que estão um pouco mais distantes da tecnologia, mas muito próximos da indústria. Hoje é o mesmo: a tecnologia está se tornando cada vez menos importante.

Zhang Peng: Este grupo de estudantes de humanidades está bastante feliz; parece que não saber programar também não importa. Mas, a longo prazo, quais são as exigências da era da IA para as pessoas? O que mudou?

Liu Ye: Na estrutura de talentos da China, identifiquei um problema. Os primeiros programadores chineses eram também produtores de produtos, pois na época não existia o cargo de produtor de produtos. O cargo de produtor de produtos tornou-se amplamente reconhecido por volta de 2010, após Steve Jobs lançar o iPhone 4 e Zhang Xiaolong apresentar sua filosofia de produto, quando surgiu a expressão “todos são produtores de produtos”. Antes disso, os programadores desempenhavam simultaneamente as funções de produtores de produtos — primeiro vieram os programadores, depois os produtores de produtos —, portanto, os primeiros programadores eram todos produtores de produtos. Os primeiros programadores aprenderam codificação não para trabalhar, mas por interesse; eles se dedicaram a isso por paixão. São exatamente essas pessoas não definidas e que saíram do convencional que se destacaram mais.

Mas os programadores da segunda geração, juntamente com a internet industrial dos últimos dez anos, transformaram os programadores em “trabalhadores de código”, enquanto os gerentes de produto se tornaram arquitetos; os trabalhadores de código foram domesticados a não pensar nos negócios. Hoje, com a chegada da IA, a parte “código” foi eliminada — sem evoluir, eles realmente restam apenas como “agricultores”. Esses jovens são muito talentosos, mas seu entendimento da indústria é vazio. Por isso, a atual “guerra dos 10.000 A” é, em essência, ainda uma superlotação no nível de ferramentas.

No estágio posterior da internet industrial, empresas como Alibaba e Meituan padrão utilizam profissionais com formação nas principais consultorias (MBB) para análise comercial e para orientar os produtores de produtos nos processos de negócio, pois os produtores de produtos de internet naturalmente não possuem uma mentalidade sistêmica. Feishu foi criado exatamente dessa forma. Embora ByteDance seja puramente uma empresa de internet, ela também utiliza amplamente consultorias para construir seus processos internos. Na era da IA, essa tendência só se fortalecerá, não diminuirá.

03 Problemas de empresa nunca são problemas de funcionários, mas sim problemas organizacionais

Zhang Peng: Então, você acha que focar no "funcionário digital" não tem muito sentido.

Liu Ye: Esta é a minha avaliação mais central: o funcionário digital não é o ponto final, a organização digital é. Se os funcionários digitais se tornarem comuns a ponto de nem mesmo a função de recrutamento existir mais, e todos puderem ter bons funcionários digitais, e daí? Será que todas as empresas conseguirão lucrar e ter sucesso? Na verdade, todos os problemas das empresas são problemas de estratégia e de organização, nunca problemas de funcionários.

Então, hoje o agente ainda está trabalhando para as pessoas, e não tomando decisões por elas. Nós reformulamos internamente o OpenClaw e criamos algo chamado MetaOrg. Ele é, essencialmente, um núcleo capaz de gerar equipes de agentes. Quando resolvemos qualquer tarefa, não enviamos um único funcionário, mas sim criamos uma "organização" para resolvê-la. Essa organização possui relações de colaboração, hierarquia, missão, objetivos e formas de ação.

Zhang Peng: Mas, no futuro, é possível que uma pessoa seja um departamento? Ou até mesmo uma empresa?

Liu Ye: Essa é uma ótima pergunta. Vamos voltar ao nível da tarefa, como usar IA para criar um curto vídeo ou escrever um documento — isso exige múltiplas rodadas de diálogo. Você diz uma coisa, ele responde, e você dá feedback. É esse tipo de uso como uma ferramenta; ele é apenas muito inteligente.

O conceito de pessoa e departamento não se trata de quantidade, mas de nível. Ao descrever um JD para uma posição sênior, geralmente dizemos: primeiro, ser capaz de executar tarefas e realizar diversos tipos de trabalho; ser capaz de utilizar diversas ferramentas. Uma posição sênior é aquela que consegue compreender a intenção, planejar proativamente o caminho, executar de forma autônoma, entregar resultados, relatar regularmente, refletir e resumir os resultados entregues, e ajustar dinamicamente as estratégias com base nos desvios dos resultados. É isso que constitui uma habilidade avançada.

Zhang Peng: Um departamento qualificado deve ser como "autonomia de nível 4".

Liu Ye: Sim. Quando você dá a ele uma habilidade, ele pode realizar tarefas complexas; quando você lhe fornece um sistema de habilidades, ele pode realizar tarefas complexas e integradas; quando há um conjunto de agentes orquestrados, ele pode realizar coisas ainda mais complexas, como produzir um curta-metragem. Costumo dizer aos meus funcionários em reuniões: quando usarem o MetaOrg, não se vejam como gestores, vejam-se como presidentes. Esforcem-se para testar seus limites.

No futuro, jovens empreendedores terão, em vez de 500 mil unidades monetárias fornecidas pela família, um orçamento em TOKENs para experimentar. O quanto você está disposto a gastar em TOKENs determina o nível do cargo que poderá ocupar. Quanto mais avançado o cargo, mais longa será a cadeia de raciocínio e mais será necessário experimentar, iterar e resumir.

Zhang Peng: Voltando à pergunta anterior, se houver um grupo de agentes que possa ser dividido em unidades mais finas, ou seja, uma decomposição semelhante a cargos e habilidades, quando formam uma equipe para enfrentar tarefas centrais, a qualidade individual de cada talento determina o sucesso ou fracasso. Isso retorna à lógica da competição organizacional da era anterior: densidade de talentos — ou seja, quando a qualidade dos talentos é alta, as tarefas centrais da organização se tornam mais fáceis de realizar e superar.

O ponto central disso é que, se no futuro todos os IA forem oniscientes e todos nós pudermos acessar o melhor IA, além das organizações comerciais criarem valor ao fornecer serviços mais eficientes em diferentes segmentos, talvez também seja necessário voltar à dimensão da “densidade de talentos” — ou seja, quanto mais altas forem as capacidades dos seus agentes e bots, decompostas em níveis atômicos nesse sistema, maior será a “densidade de talentos”, e em tarefas complexas, os resultados, a eficiência e até a inovação serão melhores. Não sei se essa é uma inferência correta.

Liu Ye: Concordo com esse ponto de vista. Dentro das empresas, existe um departamento que, em grandes corporações, geralmente é chamado de OD, ou Desenvolvimento Organizacional. A maneira típica de avaliar se uma organização pode vencer uma batalha é comparar todos os talentos da concorrência, analisando a correspondência entre pessoa e cargo, bem como a força das competências em relação ao cargo, para prever o resultado do conflito. Portanto, em geral, as empresas vencem por meio de sua capacidade organizacional, e não apenas por estratégias de negócios. O exemplo mais clássico é o Alibaba. O Alibaba dá grande ênfase à construção organizacional, o que lhe permitiu experimentar uma “segunda juventude”. Pois a equipe fundadora envelhece, mas a organização pode ser eternamente renovável. Em essência, se um dia nós dois foremos concorrentes e ambos usarmos IA, eu criei uma organização de IA poderosa, com forte capacidade de desenvolvimento organizacional em IA. Como construir essa organização? Eu abriria um por um os sistemas de habilidades dos agentes da concorrência, analisando seus códigos de habilidades. Em seguida, dentro do meu próprio sistema, desenvolveria habilidades superiores e até complementaria funções que eles deixam de lado. Por exemplo, tenho um departamento de estratégia; primeiro realizaria observação e análise.

A Huawei possui uma metodologia chamada "Cinco Visões e Três Definições". Brinquei com um amigo que, se usássemos apenas essa abordagem em nosso empreendimento, conseguiríamos superar 99% dos concorrentes. As "cinco visões" referem-se a analisar as tendências do setor, o mercado e os clientes, os concorrentes, as próprias capacidades e as oportunidades estratégicas; as "três definições" são definir os pontos de controle, os objetivos e as estratégias. Essa metodologia é suficiente para filtrar a maioria dos concorrentes, pois a maioria das pessoas joga xadrez de forma aleatória, confiando no pensamento rápido, enquanto os especialistas operam automaticamente no modo de pensamento profundo e raciocínio. A primeira reação deve ser: como líder, como devo pensar sobre como fazer isso?

Zhang Peng: O chamado "cinco observações e três definições" essencialmente significa não ter uma "reação de estresse", mas sim consolidar um processo de raciocínio prolongado.

Liu Ye: Os especialistas são modelos de deep research combinados com pensamento crítico; sabem primeiro analisar as melhores práticas e informações globais, depois sintetizar, analisar e refletir profundamente antes de fornecer uma resposta — e ao agir, acertam no ponto vital.

Então acho que o núcleo da competição futura será apenas uma coisa: modelar os negócios das indústrias tradicionais, abstraí-los em capacidades sistêmicas capazes de orquestrar agentes. Essa é a nova capacidade de desenvolvimento organizacional (OD), que será aprimorada para AIOD — a única competência central do futuro.

A vantagem central da Alibaba está na construção de organizações; após a organização ser bem estabelecida, ela pode competir contra qualquer adversário e em qualquer negócio. Além disso, Jack Ma já disse que o objetivo de uma batalha não é necessariamente conquistar um determinado campo, mas sim usar a batalha para promover o crescimento da organização. A Alibaba avalia se uma batalha vale a pena ser travada com base no crescimento organizacional como critério principal — esse é um modo de pensar de alto nível. Jack Ma atua como um superhub de informações, viajando 200 vezes por ano para obter diversos tipos de informações, que depois são usadas para aprimorar a construção organizacional. Ele é verdadeiramente um presidente, e não apenas um CEO.

Esta é a forma mais avançada de organização que já vimos — capaz de atravessar várias gerações, abranger diferentes setores, conseguir sucessos contínuos e, mesmo após um período de declínio, se adaptar e se recuperar. Em geral, uma empresa que nomeia incorretamente seu CEO por uma década tem grande probabilidade de entrar em declínio. Portanto, olhando para a história e adotando uma perspectiva de nível superior para analisar o desenvolvimento atual, mesmo fazer ajustes e otimizações no modelo existente é muito mais eficiente do que construir do zero.

Agora, qualquer pessoa pode facilmente criar um agente, com barreira de entrada extremamente baixa para funcionários, e com o apoio da comunidade de código aberto, o setor já não tem muitos segredos. A competição no nível das ferramentas nunca poderá superar a comunidade de código aberto. Então, o que é que a comunidade de código aberto não possui e não consegue replicar como vantagem competitiva central?

04 Física das organizações de IA: por que a "exposição progressiva" é essencial?

Zhang Peng: Na era passada, ao discutir organizações, enfatizava-se uma série de elementos, como cultura organizacional, valores, KPIs etc. Ao passarmos da gestão organizacional da era passada para a nova era das organizações de agentes de IA, quais elementos podem ser totalmente descartados e quais podem ser mantidos, mas precisam ser transformados?

Liu Ye: A razão principal pela qual a Anthropic lançou skills é o conceito de "exposição progressiva" no campo da codificação por IA — se a IA receber uma grande quantidade de informações desordenadas, ocorrerá degradação do contexto e confusão devido à falta de atenção; apenas a exposição progressiva permite que a IA mantenha boa atenção e produza resultados de alta qualidade. Se a exposição progressiva for realizada manualmente, isso equivale essencialmente a uma conversa totalmente manual, com baixa eficiência. Portanto, o valor central das skills é decompor tarefas complexas em camadas, permitindo a exposição progressiva da IA.

Isso está alinhado com a lógica de gestão corporativa: o conselho foca em questões estratégicas, o CEO em questões táticas e na gestão da alta diretoria, enquanto os funcionários lidam com tarefas simples. Se 300 pessoas participarem simultaneamente da mesma reunião, essa reunião simplesmente não poderá ser realizada. O propósito central da organização é realizar o processamento hierárquico da informação, assim como as três formas normais de banco de dados aumentam a eficiência por meio da compressão e hierarquização da informação. Problemas complexos devem ser decompostos em camadas e expostos progressivamente, e não por meio da entrada simultânea de grande volume de contexto — essa é exatamente a lógica central da estrutura organizacional tradicional, pois a capacidade de processamento em um determinado momento é limitada.

Zhang Peng: O modelo precisa consumir imensa potência de processamento para criar do zero a cada vez, o que é muito ineficiente.

Liu Ye: Não é possível alcançar; o núcleo ainda depende da exposição progressiva por camadas — os recursos necessários devem ser chamados, o que é determinado pelos limites de capacidade dos modelos de IA. Além disso, outra razão pela qual a Anthropic lançou skills é que tarefas complexas já ultrapassaram os teoremas da física básica; os skills permitem decompor tarefas complexas em uma série de tarefas simples de baixa dimensão. A dimensão principal de distinção das tarefas não é a dificuldade, mas sim o grau de complexidade — existem diferentes tipos, como dificuldade de baixa dimensão, dificuldade de alta dimensão, etc. Por exemplo, programação e resolução de problemas matemáticos são tarefas de baixa dimensão, mas de alta dificuldade.

Yu Kai da Linha de Horizonte propôs um modelo clássico: todos os cargos podem ser classificados em quatro quadrantes com base no “nível de competição” e “altura da dimensão”, ou seja, alta dimensão e alta competição, baixa dimensão e baixa competição, baixa dimensão e alta competição, e alta dimensão e baixa competição. Vendas e engenheiros pertencem à categoria de baixa dimensão e alta competição; produtos e CEOs pertencem à categoria de alta dimensão e alta competição; cientistas pertencem à categoria de alta dimensão e baixa competição — esses tópicos podem ter apenas uma única pessoa no mundo estudando-os, com baixa competição, mas dimensão extremamente elevada. Tarefas de alta dimensão e alta competição, como novelas curtas de qualidade e bons romances, ainda não podem ser realizadas pela IA; já tarefas de baixa dimensão e alta competição, como otimização de código, a IA já consegue desempenhar muito bem. Quanto mais elevada a dimensão da tarefa, menor a quantidade de fontes de dados, mas maior a quantidade de dados necessária para treinar o modelo — essa é também a razão central pela qual modelos de texto surgiram primeiro, seguidos por modelos de imagens e vídeos, e por que modelos de vídeos curtos são difíceis de implementar. Essa contradição entre oferta e demanda de tarefas de alta dimensão e dados de alta dimensão só pode ser compensada por meio da decomposição de habilidades nas tarefas, assim como, quando empresas não encontram profissionais para cargos avançados, elas os dividem em três cargos básicos; apenas cargos de alta dimensão, como CEO, são irremplacáveis.

Zhang Peng: Tarefas de baixa dimensão e alta concorrência têm alta probabilidade de serem totalmente substituídas por IA.

Liu Ye: Será substituído 100%, e essa substituição já ocorreu.

Zhang Peng: De fato, portanto, todos os problemas de baixa dimensão e alta competição devem ser resolvidos o mais rápido possível com IA, podendo ser decompostos em habilidades e implementados por meio de agentes, sem necessidade de intervenção humana nesse processo.

Liu Ye: Tenho uma ideia preliminar. A IBM e a Accenture, como as duas maiores empresas de consultoria globais, têm como negócio central a extração das melhores práticas da indústria e sua alinhamento com a digitalização, vendendo processos, e não ferramentas. Quando empresas adquirem processos de risco ou propriedade intelectual, sempre recorrem a consultorias para implementação. Nosso trabalho principal atual é construir clusters de habilidades, identificar especialistas de ponta em cada área, extrair suas competências e alinhá-las para formar conjuntos de habilidades padronizados. Isso é semelhante ao modelo da ZuoYe Hezi — a ZuoYe Hezi colabora com professores do Colégio No. 4 de Pequim, do Colégio Fudan, do grupo de elaboração de provas do ENEM e da Xueersi para extrair métodos essenciais como criação de questões, explicação e correção, e depois se associa a engenheiros de algoritmo do Baidu para construir o sistema, o que também é essencialmente um alinhamento das melhores práticas. A capacidade organizacional central é compor equipes multidisciplinares de alta qualidade, que compreendam a indústria e a engenharia, consigam coordenar especialistas de ponta em diversos setores, e possuam habilidades comerciais, de recrutamento e gestão de talentos — este é o componente central das novas empresas de IA SaaS.

Zhang Peng: Ao avançar ainda mais, o futuro deve reverter a partir das dimensões de negócios para inferir a forma organizacional necessária. A organização, em essência, é uma estrutura de coordenação, semelhante a um sistema operacional de negócios — ao colocar pessoas como unidades de produtividade em organizações bem adaptadas, maximiza-se seu valor; caso contrário, a organização não opera de forma eficiente. Os fatores de produtividade atuais já foram substituídos: passou-se da dependência de mão de obra para a IA, que pode ser fornecida em quantidade ilimitada e continua a se expandir desde que forme um ciclo positivo. A cultura organizacional do passado pode agora ser transformada em objetivos e contexto, sem mais necessidade de slogans, reuniões de "três golpes" ou atividades de quebra-gelo.

Liu Ye: A cultura é uma intenção de gestão, não uma intenção de negócios. Na era anterior, a estratégia começava com a visão, a visão determinava o valor, a organização subordinava-se à estratégia, os negócios validavam tudo, e a cultura era apenas um meio de governar a organização, não servindo diretamente à estratégia, podendo até ser apenas uma preferência pessoal do fundador.

Zhang Peng: No processo de implementação da estratégia de serviço, existiram muitas lacunas. A IA está eliminando essas lacunas?

Liu Ye: Sim, a cultura já não é mais importante na era da IA. A cultura é a parte de crenças da organização humana, mas a IA não precisa disso. A IA não possui corpo físico e não requer impulso cultural. A necessidade central da IA é o poder de processamento.

Zhang Peng: Você quer dizer que a IA precisa de objetivos e princípios. Um único documento é suficiente para definir claramente objetivos e princípios, permitindo que todas as unidades de produtividade se sincronizem imediatamente e executem fielmente, sem desvios. Uma grande parte da fricção nas organizações humanas desaparece.

Liu Ye: Sim. A organização original: estratégia → cultura → talento → execução; a organização atual de IA: objetivo → princípios → habilidades → orquestração. A cadeia de gestão foi reduzida pela metade.

05 A última barreira: estética e coreografia

Zhang Peng: Qual é a nova barreira empresarial? A qualidade da mão de obra foi substituída por Skill Set; desde que eu tenha senso estético, posso acessar as melhores Skills do mundo inteiro. E acima disso, há a “orquestração” (Orchestration), correto? O que mudará com isso?

Liu Ye: Assim como na Huaqiangbei é possível comprar todos os componentes eletrônicos, por que nem todos conseguem criar a Apple? A biografia de Jobs define claramente o que é estética: ter visto suficientes coisas boas no mundo e ser capaz de distinguir o bom do ruim é estética. Se nunca se viu produtos bons, processos bons ou organizações boas, não é possível produzir resultados de qualidade.

Zhang Peng: A visão é pré-requisito para o gosto.

Liu Ye: Apenas experiência mais talento.

Zhang Peng: A estética se manifesta de duas maneiras: uma é o design e a organização ativos; a outra é identificar e selecionar, no caos, os objetos de qualidade que emergem. Essas duas abordagens não são conflitantes.

Liu Ye: Realmente não há conflito. Parte dos resultados da Apple é desenvolvida internamente, parte é adquirida de terceiros; o essencial é possuir senso estético — não é necessário reinventar a roda, basta desenvolver internamente quando necessário.

Zhang Peng: O ponto central é permitir que o agente execute o caminho dentro do módulo definido antes de confirmar, realizando um orquestramento emergente; ou definir todos os caminhos antecipadamente, realizando um orquestramento projetado?

Liu Ye: A emergência é não manipulável; é necessário primeiro definir regras e princípios sementes, o que reflete o gosto de uma pessoa. Assim como um engenheiro excelente consegue criar um Openclaw funcional com 500 ou 5.000 linhas de código, enquanto um engenheiro inadequado não consegue alcançar o mesmo resultado mesmo com 50.000 linhas de código — as regras semente subjacentes ainda precisam ser definidas por humanos.

Zhang Peng: Então, não se pode esperar que algo surja no caos, pois isso exigiria um tempo extremamente longo; o planejamento ainda é essencial. Esse planejamento pode vir apenas do fundador, ou seria mais como um “produtor”?

Liu Ye: Acho que essa definição de produtor é excelente. De fato, mesmo com emergência e efeitos de escala, ainda são necessários rótulos de dados, limpeza de dados e alinhamento contínuo dos algoritmos para evitar crescimento desordenado.

A organização depende da complexidade do negócio — uma pessoa não consegue realizar negócios complexos, como a produção de curtas-metragens ou a escrita de prompts; na prática, enfrentam-se muitas dificuldades. O conceito de “empresa de uma pessoa” é mal utilizado; o mundo não pode ser infinitamente simplificado. Embora um computador possa ser operado por uma única pessoa, é difícil para alguém dominar todas as habilidades de alta dimensão. Pessoas excepcionais como Elon Musk e Fei-Fei Li, capazes de dominar múltiplos campos e assumir qualquer cargo, são extremamente raras.

Zhang Peng: Se pudéssemos acessar o sistema global mais avançado de agentes e habilidades, como um roteirista excelente, teoricamente seria possível usar esses recursos para produzir um filme de sucesso e lucrativo em todo o mundo? Embora o roteirista tenha um ponto central forte (um bom roteiro), não pode realizar todos os estágios — esse闭环 de “ponto central forte + recursos globais” é viável?

Liu Ye: Isso é essencialmente um problema de dados — existe ou não dados que armazenem informações de maior dimensão. Por exemplo, ao treinar habilidades de CEO, atualmente não há dados suficientes para sustentar isso: os artigos extensos de Ren Zhengfei ou as declarações orais de Jack Ma não conseguem apresentar integralmente suas cognições de alta dimensão; mesmo coletando todos os relatórios financeiros das empresas globais e todas as declarações dos CEOs, não é possível treinar um modelo capaz de desempenhar o papel de CEO, pois a capacidade central de um CEO é conhecimento tácito, que não pode ser totalmente exposto por meio de texto.

Zhang Peng: Ou seja, as habilidades centrais do CEO ainda não podem ser vetorializadas. Isso limita a ideia ideal de uma "empresa de uma pessoa" — mesmo que cada indivíduo possa aproveitar vantagens em uma única dimensão e combinar recursos globais de ponta, ainda falta o coordenador central, o que é essencialmente um problema de capacidade de coordenação. Em última análise, ter os melhores "componentes" ainda exige uma forte capacidade de coordenação.

Liu Ye: O mesmo vale para o gerente de produto, cujo conhecimento tácito não pode ser totalmente transformado em texto. Essa é também a razão fundamental pela qual os companheiros de IA e os conteúdos gerados por IA ainda não são suficientemente "vivos" — falta suporte de dados de conhecimento tácito de alta dimensão. Quando há poucos dados, o foco deve ser em habilidades; quando há muitos dados, então pode-se construir modelos. Os robôs atualmente não conseguem ser implementados, e o núcleo do problema é a falta de dados suficientes.

Zhang Peng: Disso se deduz que, no futuro, o ponto decisivo da competição entre empresas não será mais o acesso a modelos de ponta — os recursos iniciais de IA parecem ser iguais, e a capacidade de processamento está relacionada ao capital e à capacidade de fechar o ciclo de negócios; no final, as diferenças ainda voltarão ao próprio “produtor”, ou seja, sua habilidade de organizar e a inovação e significado de seus objetivos, que constituem a vantagem competitiva central da empresa.

Liu Ye: Um ex-sócio da McKinsey me disse que o negócio principal da McKinsey é extrair as melhores práticas, criar modelos e ajudar as empresas a implementá-las uma a uma. Por exemplo, ao prestar consultoria a fabricantes chineses de automóveis, consultam colegas japoneses sobre as práticas da Toyota — essencialmente, copiar e implementar as melhores práticas.

O caso de Mi Meng com dramatizações curtas é muito relevante. Ela é formada em língua chinesa, mas sua equipe central é composta por profissionais dos cursos de matemática e ciência da computação de Tsinghua e Peking, dedicados a desmontar a lógica dos vídeos curtos virais, conseguindo finalmente uma taxa extremamente alta de sucessos. Essa abordagem, em essência, modela a engenharia social da indústria; mesmo que exista o risco de superajuste, a direção do modelo está correta.

IBM, Accenture e McKinsey fazem esse tipo de coisa — a primeira geração da McKinsey modelou as melhores práticas nos parceiros, enquanto a IBM a transformou em processos digitais; essencialmente, ambas vendem "gestão e processos".

Zhang Peng: O núcleo é extrair as melhores práticas e validar repetidamente sua implementação — esse é o fator decisivo para o futuro das organizações comerciais. Somente ao decompor adequadamente é possível alcançar um planejamento eficiente. Portanto, sua próxima direção principal é avançar seguindo essa abordagem?

Liu Ye: Nos últimos três anos, nos concentramos principalmente em negócios de IA para consumidores, reconstruindo todo o sistema de ensino e pesquisa com o método MetaOrg. Esta não é uma simples história de “usar IA para aumentar a eficiência”. Construímos um conjunto completo de organização agente de pesquisa educacional, com equipes virtuais rodando por trás: a equipe de pesquisa em aprendizado de idiomas rastreia as teorias mais recentes em aquisição de segunda língua, a equipe de coleta de corpora verticais captura expressões naturais de contextos reais, a equipe de avaliação de diálogos estabelece padrões multidimensionais para avaliar a competência oral, a equipe de design de diálogos transforma metodologias pedagógicas em interações homem-máquina naturais, a equipe de design de recipientes de questões resolve problemas de adequação entre formato e conteúdo dos exercícios, e a equipe de análise de dados extrai sinais reais de eficácia do aprendizado a partir do comportamento dos usuários. Cada equipe possui suas próprias habilidades, fluxos de trabalho e critérios de avaliação. Atualmente, cerca de 80% das tarefas — como rotulagem de dados didáticos, monitoramento e avaliação, insights dos usuários e iteração do produto — são realizadas por IA.

Nosso caminho de desenvolvimento passa de "IA como funcionalidade" para "IA como capacidade organizacional". O cargo de professor de inglês possui complexidade média; já o abstraímos e geramos outros cargos por meio do MetaOrg; ao combinar com a arquitetura de habilidades mais recente, é possível construir cargos ainda mais avançados.

Atualmente, concluímos a construção completa do AI tutor, incluindo a abstração e a implementação engenharia das capacidades de orquestração. Futuramente, é muito provável que evoluamos do Meta tutor para um Meta organismo — cuja unidade mínima é o cargo, e não o funcionário, com foco central na colaboração e gestão entre cargos. Nosso foco atual é conectar-nos aos CEOs mais renomados de cada setor, pois são os CEOs os verdadeiros "produtores" centrais.

Zhang Peng: Então o que vocês lançaram é mais como um departamento escalável?

Liu Ye: O objetivo é avançar na direção de uma "empresa". Uma grande empresa, por sua natureza, é composta por várias pequenas empresas, e a unidade mínima é o cargo. É necessário prestar atenção à escolha estratégica de toda a indústria, mas também começar pelos cargos para impulsionar a iteração do produto — se os cargos não forem bem executados, mesmo gestores competentes não conseguirão formar uma organização eficiente.

Zhang Peng: Para gerir bem um departamento, primeiro é necessário decompor as competências e cargos relacionados ao departamento, depois decompor as habilidades correspondentes a cada cargo, e buscar alcançar o nível SOTA para essas habilidades.

Liu Ye: Há apenas um método fundamental: co-criar com as empresas mais顶尖 de serviço. As habilidades desenvolvidas precisam ser avaliadas por empresas de ponta para verificar se atendem às necessidades, assim como um plano escrito por um subordinado precisa ser revisado pelo superior — não se pode apenas se autocelebrar. Por exemplo, ao criar modelos para dramas curtos, é necessário obter o reconhecimento das instituições mais顶尖 do setor; caso contrário, não se pode considerar verdadeiramente顶尖. Tudo precisa ser avaliado e medido.

O Midjourney consegue gerar imagens de alta qualidade porque sua equipe é composta por fotógrafos e engenheiros com um excelente senso estético para imagens; a LV treinou seu modelo de imagem com o Stable Diffusion, obtendo resultados muito superiores aos modelos comuns, pois possui os melhores senso estético e dados do mundo. Isso demonstra que a capacidade de avaliação é o núcleo. Para se tornar uma empresa de IA, é preciso agir como IBM e Huawei — após atender as principais montadoras, a IBM dominou as melhores práticas de fabricação de carros e as transmitiu; a Huawei investiu 4 bilhões de dólares na aquisição do processo IPD, utilizou-o internamente e também o ofereceu externamente — esse é o verdadeiro diferencial competitivo.

Zhang Peng: Essencialmente, trata-se de decompor habilidades conforme as melhores práticas, alcançar o SOTA para cada habilidade, aprimorá-las para se tornarem o SOTA do cargo e do departamento, e finalmente integrá-las como o SOTA do negócio — esse é o caminho claro para alcançar a excelência no negócio. Há ainda uma questão fundamental: como manter as habilidades atualizadas? Assim como a mutação no ecossistema terrestre, o SOTA de cada era pode ser substituído na próxima — como lidar com essa mudança?

Liu Ye: O princípio central é consistente com a evolução humana e biológica, ou seja, percepção, planejamento, ação e reflexão. Mantenha alta densidade de talento e a natureza interdisciplinar da organização: uma ponta conectada às fronteiras tecnológicas (pesquisadores), outra estudando modelos de negócio, enquanto colabora simultaneamente com clientes líderes do setor para co-criar e avaliar e otimizar continuamente em cenários reais — este é o único método.

Zhang Peng: Por inversão, o sistema formado pelas melhores práticas das empresas de ponta pode ajudar empresas de nível médio a alcançar avanços significativos, mas é provável que apenas empresas com recursos e capital suficientes possam acessar esses sistemas, tornando-os inacessíveis para pequenas e médias empresas e empreendedores jovens. O setor de consultoria já evoluiu de serviços tradicionais para produtos baseados em ferramentas. Será que as oportunidades para a nova geração estão restritas apenas ao nível de habilidades? Como alcançar inovação disruptiva no nível de habilidades, evitando que o setor entre em um “círculo de elite”?

Liu Ye: Na geração anterior da indústria SaaS, empresas como Salesforce, Palantir, Notion e Slack — algumas atuando como ferramentas gerais e outras como serviços integrados — provaram que jovens empreendedores ainda têm oportunidades: afaste-se de negócios nos quais não tenha vantagem competitiva, concentre-se em habilidades gerais e encontre o ecossistema adequado. A Notion é um exemplo típico: não envolve processos de negócios específicos, apenas abstrai a função de anotação textual, tornando-se uma ferramenta universal. O mundo finalmente será composto por inúmeros agentes trabalhando em colaboração especializada; jovens devem primeiro identificar seu ecossistema adequado e, em seguida, aproveitar suas próprias vantagens, ancorando-se nas tendências futuras e evitando tornar-se inimigo do tempo. Nos últimos dez anos, os primeiros empreendedores da internet eram majoritariamente retornados do exterior (com vantagem cognitiva), os segundos eram principalmente programadores (com impulso de ferramentas), e os terceiros da internet industrial eram em grande parte empreendedores de segunda geração — a lógica é clara; jovens precisam compreender o meio-termo e suas próprias vantagens.

Zhang Peng: Então você acha que inovações e otimizações locais no nível de habilidade têm um impacto limitado? A maior oportunidade para a nova geração pode estar na inovação de objetivos — identificar novos objetivos que emergem na era, combinar esses objetivos com habilidades de alta qualidade e evoluir continuamente, para construir novos sistemas sobre esses novos objetivos e alcançar uma ruptura.

Liu Ye: A competição em habilidades é muito sutil. Embora as habilidades atuais estejam em alta, se alguém alinhar-se a especialistas humanos ainda mais avançados e criar habilidades superiores, as habilidades atuais serão substituídas. Isso retorna à questão da vantagem competitiva: os primeiros a entrarem não necessariamente serão os últimos a vencerem; muito provavelmente se tornarão o "nutriente do solo" para adversários de nível superior.

Zhang Peng: O medo é se tornar um "carregador", apenas ajudando adversários de dimensões superiores a estabelecer a base. Se apenas se otimizar a eficiência sobre objetivos existentes, não faz sentido, pois a vantagem de eficiência será eventualmente anulada. Portanto, para alcançar uma ruptura, as novas gerações devem criar diferenças fundamentais nos objetivos.

Liu Ye: Correto, não crescer como força central apenas nutre adversários de dimensões superiores. A essência do negócio é simples: identificar claramente quem é o cliente, como atendê-lo e como torná-lo incapaz de viver sem você. Qualquer jovem que não consiga entender quem é seu cliente não conseguirá realizar otimizações.

Zhang Peng: É importante também focar nos mercados incrementais, pois a competição nos mercados existentes é extremamente difícil. Se o seu negócio for bem-sucedido, ele elevará as empresas desse setor para o mesmo nível avançado; essas empresas já possuem riqueza e conhecimento, e é muito difícil para jovens competir contra elas no mercado existente.

Liu Ye: Na geração anterior da indústria de SaaS, o sucesso de empresas como Notion e Slack baseou-se principalmente na diferenciação de objetivo.

No estágio inicial do desenvolvimento da anterior geração de SaaS, os fundos chineses tendiam a investir em cientistas. Posteriormente, perceberam que cientistas são mais adequados para colaboração e intercâmbio, e não para empreender — os campos de alta dimensão e baixa competição em que os cientistas atuam diferem da lógica de alta dimensão e alta competição do mundo empresarial. Quanto maior a dimensão do campo, maior a dificuldade de transição para um novo campo, pois os modelos de pensamento fundamentais são completamente diferentes. Em qualquer campo, no início, a competição é tecnológica (baixa dimensão, alta competição, tecnologia imatura); após a maturação da tecnologia, a competição passa a ser comercial (alta dimensão, alta competição, dominada por profissionais da indústria, produtores de produtos e operadores de negócios). Por exemplo, quando o iPhone foi lançado pela primeira vez, a maioria dos aplicativos na lista de classificação era desenvolvida por programadores; alguns anos depois, com o surgimento da internet industrial, todos os produtos liderados por programadores na lista de classificação foram substituídos.

Se a era da IA seguir a lógica da internet móvel, o núcleo de poder da Silicon Valley ainda será composto por profissionais experientes, assim como a internet industrial na China é predominantemente liderada por empreendedores de segunda geração. A oportunidade para os jovens ainda reside em encontrar objetivos diferenciados.