Диалог | Чжан Пэн

Когда все массово занимаются разработкой «цифровых сотрудников» и «инструментов Agent» и бесконечно конкурируют в узких сценариях, где настоящая конкурентная защита для AI-стартапов?

Недавно основатель и президент Geek Park Чжан Пэн и основатель VisionFlow Лю Е провели дискуссию, направленную в будущее, после всплеска OpenClaw. Как один из первых китайских программистов, родившихся в 1979 году, Лю Е прошел полный цикл — от низкоуровневого оборудования до программного обеспечения, от корпоративных интеграций (B2B) до онлайн-образования (индустриальный интернет). После нескольких месяцев уединения и общения со всеми ведущими исследователями мировых AI-компаний и топовыми китайскими предпринимателями «все, что можно обсудить», он пришел к суровому выводу: рассматривать ИИ как «цифрового сотрудника» для замены отдельных задач — это чрезмерное упрощение реального бизнеса с инженерной точки зрения.

В этом диалоге Люй Е выдвинул ряд крайне вдохновляющих концепций и рамок, таких как «постепенное воздействие» и «матрица измерений задач». В ходе обсуждения постепенно прояснилась одна из будущих возможностей: следующий шаг ИИ — это не массовое появление инструментальных «роботов», а создание «цифровых организаций», обладающих механизмами сотрудничества, отчетности и рефлексии. Когда корпоративная культура перестанет быть необходимой, а низкоуровневая работа будет полностью устранена, будущий генеральный директор, возможно, больше не будет «главным исполнительным директором», а станет «продюсером» с исключительным эстетическим вкусом.

Это обсуждение и прогнозирование организационных структур, коммерческих барьеров и экологических ниш новых предпринимателей в эпоху ИИ. Надеемся, что это вызовет более глубокие дискуссии среди предпринимателей о будущем.

Ниже приведена сокращенная версия диалога, подготовленная GeekPark:

01万A大战已经开始，可做的太多，

Но что делать наиболее важно

Чжан Пэн: С момента работы в «Ящике для заданий» до сегодняшнего дня, будучи таким увлеченным изучением изменений, принесенных OpenClaw, какие изменения вы сами пережили?

Лю Ye: Я — один из первых программистов Китая, начал изучать программирование с детства. Пережил переход от BASIC к DOS, затем к Windows и сегодняшней эре Mac, а также стал свидетелем взлета трех крупнейших портальных сайтов. Я занимался корпоративной информатизацией, стремясь создать китайский IBM; позже переключился на проект «Коробка с домашними заданиями», активно участвуя в онлайн-образовании. Онлайн-образование — это глубоко значимая отрасль, высшая форма промышленного интернета и «последний поезд». Этот опыт научил меня, что суть промышленного интернета — не технологии, а сама отрасль, бизнес. Законы промышленного интернета таковы: сначала осуществляется информационное сопоставление, затем стандартизированные продукты, далее цепочка поставок, и наконец — сложные нестандартные услуги. Чем дальше, тем выше маржа, но и тем сложнее это сделать.

Поэтому, когда пришла волна ИИ, первое, что я сделал, — потратил почти шесть месяцев, ничего не делая, и заставил отдел кадров пообщаться со всеми, кто только может. От главных научных сотрудников звездных стартапов до ключевых алгоритмистов, инженеров и исследователей крупных компаний-разработчиков базовых моделей, а также новаторов в сфере ИИ — я пообщался со всеми, кто только мог, накопив около тысячи часов плотного общения. На каком уровне? Настолько глубоко, что, когда собеседник произносил первую половину фразы, я уже знал, что будет во второй. Согласие между всеми людьми уже стало практически одинаковым.

После обсуждения всех точек зрения вывод оказался удивительно единообразным: все делают одно и то же — цифровых сотрудников. Это напомнило мне, как когда-то один крупный эксперт неправильно оценил облачные вычисления, сказав, что Alibaba Cloud — это по сути просто облачное хранилище. Используя старые рамки для понимания новых вещей, вы всегда видите только самую поверхностную сторону.

Сегодня все считают, что создать цифрового сотрудника с помощью Claude — цифрового продавца или цифрового обслуживания клиентов — в чем заключается технологический барьер? Каковы преимущества? Когда человек тратит сотни миллионов токенов в день — это уже норма, это больше похоже на производство, и оно просто не может взлететь. Поэтому я задаю каждому предпринимателю один и тот же вопрос: Почему именно ты? На чем ты основываешь свои претензии? Ты моложе? Умнее? Лучше выдерживаешь бессонные ночи? Конкурировать в одном измерении — это разница между «69 за 10 секунд» и «70 за 10 секунд».

Чжан Пэн: Да, сегодня можно сделать слишком многое, но что именно делать — это самое важное. У вас есть какие-нибудь мысли на этот счет?

Десятилетие промышленного интернета сегодня повторится снова

Лю Ye: ИИ очень отличается, но я верю, что в нем все же есть сходства с закономерностями промышленного интернета: на ранней стадии — инструменты, на средней — бизнес, в конце — консалтинг. Когда технология еще не зрелая, первыми приходят инженеры, которые склонны чрезмерно абстрагировать мир — например, «вычисления в рамке» от Baidu, которые считали, что все есть рамка. Но вторая половина мобильного интернета — это контент и сервисы, а не рамки.

Люди с техническим бэкграундом часто слишком упрощенно представляют себе бизнес. Посмотрите на три крупнейших портала первого поколения интернета: в итоге наибольшего успеха достигли Tencent и Alibaba — они немного отдалились от технологий, но оказались ближе к отраслям. Сегодня то же самое: технологии становятся всё менее важными.

Чжан Пэн: Эта волна гуманитариев довольна — оказывается, не уметь писать код, кажется, не имеет значения. Но в долгосрочной перспективе, какие требования предъявляются к людям в эпоху ИИ? Что изменилось?

Лю Ye: В китайской структуре кадров я заметил одну проблему. Первое поколение китайских программистов было одновременно и продукт-менеджерами, потому что в то время должности продукт-менеджера просто не существовало. Должность продукт-менеджера стала широко известной примерно в 2010 году, после того как Джобс выпустил iPhone 4, а Чжан Сяолун сформулировал свою философию продукта, и появилась фраза «каждый может быть продукт-менеджером». До этого программисты одновременно выполняли функции продукт-менеджеров: сначала появились программисты, потом — продукт-менеджеры, поэтому первое поколение программистов было одновременно и продукт-менеджерами. Первое поколение программистов изучало код не ради работы, а из-за интереса — они вкладывались в это благодаря своей страсти. Именно эти неподдающиеся определению, выходящие за рамки нормы люди были самыми выдающимися.

Но за последние десять лет промышленный интернет превратил программистов второго поколения в «кодеров», продукт-менеджеров — в архитекторов, а «кодеров» приучили не думать о бизнесе. Сегодня пришла ИИ: часть «кода» устранена, и если они не будут развиваться, им останется только «земледелие». Эти молодые люди очень талантливы, но их понимание отрасли — пустота. Поэтому нынешняя «война десятков тысяч A» по сути — это перенасыщение на уровне инструментов.

В последующие этапы развития индустриального интернета компании, такие как Alibaba и Meituan, стандартно привлекают специалистов с опытом работы в ведущих консалтинговых компаниях (MBB) для проведения бизнес-анализа и привлекают консультантов для управления бизнес-процессами вместе с продукт-менеджерами, поскольку у интернет-продукт-менеджеров изначально отсутствует системное мышление. Feishu был создан именно таким образом. Даже ByteDance, будучи чисто интернет-компанией, активно использует консалтинговые компании для построения внутренних процессов. В эпоху ИИ эта закономерность только усилится, а не ослабнет.

Проблемы компании — это никогда не проблемы сотрудников, а проблемы организации

Чжан Пэн: Итак, ты считаешь, что фокусировка на «цифровых сотрудниках» не имеет большого значения.

Лю Ye: Это мой самый ключевой вывод: цифровые сотрудники — не конечная цель, конечная цель — цифровые организации. Если цифровые сотрудники станут повсеместными, и даже должности по подбору персонала исчезнут, и у всех появятся хорошие цифровые сотрудники, что дальше? Все компании сразу начнут зарабатывать и добиваться успеха? На самом деле все проблемы компаний — это проблемы стратегии и организации, а не сотрудников.

Таким образом, сегодня агенты по-прежнему выполняют работу за людей, а не принимают решения за них. Мы модернизировали OpenClaw и создали инструмент под названием MetaOrg. По сути, это ядро, способное генерировать команды агентов. При решении любой задачи мы не назначаем одного сотрудника — мы создаем «организацию» для решения проблемы. Эта организация имеет взаимодействия, иерархию отчетности, миссию, цели и способы действий.

Чжан Пэн: Но в будущем возможно ли, чтобы один человек был целым отделом? Даже целой компанией?

Лю Ye: Это отличный вопрос. Давайте рассмотрим это на примере задачи, например, создания короткого видео или написания документа с помощью ИИ — для этого требуется многократный диалог. Вы говорите что-то, он отвечает, вы даете обратную связь — это использование в роли инструмента, он просто очень умный.

Понятия человека и отдела — это не вопрос количества. При описании должностной инструкции для высокой должности мы обычно говорим: во-первых, способен выполнять работу, справляться с разными задачами, использовать различные инструменты. Высокая должность предполагает способность понимать намерения, самостоятельно планировать путь, инициативно выполнять задачи, обеспечивать доставку результатов, регулярно отчитываться, анализировать и обобщать достигнутые результаты, а также динамически корректировать стратегию на основе отклонений в результатах. Именно это и есть высокий уровень компетенций.

Чжан Пэн: Достойный отдел должен быть «автономным вождением уровня L4».

Лю Ye: Да. Когда вы даете ему навык, он может выполнять сложные задачи; когда вы даете ему систему навыков, он может выполнять сложные комплексные задачи; когда множество агентов организованы вместе, они могут выполнять еще более сложные задачи, например, снять короткометражный фильм. Я часто говорю сотрудникам на собраниях: когда вы используете MetaOrg, не воспринимайте себя как руководителя, воспринимайте себя как председателя. Старайтесь исследовать его границы.

В будущем молодые предприниматели будут получать не 500 000 от семьи для старта бизнеса, а, возможно, бюджет в виде TOKEN для экспериментов. Сколько TOKEN вы готовы потратить, определяет, на каком уровне позиции вы сможете работать. Чем выше позиция, тем длиннее цепочка рассуждений, и тем больше требуется экспериментов, итераций и анализа.

Чжан Пэн: Вернемся к предыдущему вопросу: если существует группа агентов, которую можно разбить на более мелкие единицы, например, по ролям и компетенциям, то при формировании команды для выполнения ключевой задачи качество каждого отдельного специалиста определяет успех или провал. Это снова возвращает нас к логике конкуренции бизнес-организаций прошлой эпохи: плотность талантов — чем выше качество персонала, тем легче организации достигать своих ключевых задач и опережать конкурентов.

Суть этого вопроса в том, что если в будущем все ИИ будут всесильными и мы сможем использовать лучшие ИИ, то, помимо того, что коммерческие организации смогут создавать ценность за счет более эффективного предоставления различных специализированных услуг, необходимо также рассмотреть еще один аспект — «плотность талантов». Речь идет о том, насколько высокоуровневыми являются способности ваших агентов и ботов в этой системе на атомарном уровне — чем выше «плотность талантов», тем лучше будут результаты, эффективность и даже инновации в сложных задачах. Не знаю, верно ли такое рассуждение?

Лю Ye: Я согласен с этой точкой зрения. В крупных компаниях обычно существует отдел, называемый OD — развитие организации. Стандартный способ оценить, сможет ли организация победить, — это вывести всех талантов противника на сравнение, проанализировать степень соответствия людей должностям и их компетенций требованиям позиций, чтобы предсказать исход сражения. Поэтому в бизнесе победа обычно зависит не от стратегии, а от организационной способности. Ярчайший пример — Alibaba. Alibaba уделяет огромное внимание развитию организации, благодаря чему сейчас переживает «второе рождение». Команды основателей стареют, но организация может жить вечно. По сути, если однажды мы станем конкурентами и оба будем использовать ИИ, я создам мощную ИИ-организацию с высоким потенциалом развития ИИ-организации. Как я построю эту организацию? Я открою и проанализирую систему навыков агентов всех моих конкурентов по одному, а затем в своей системе напишу более эффективные навыки и даже восполню недостающие функции. Например, у меня есть стратегический отдел — я начну с наблюдения и анализа.

У Huawei есть методология «пять взглядов, три определения». Я шучу с друзьями, что если мы применим эту систему при запуске стартапа, то сможем победить 99% конкурентов. Так называемые «пять взглядов» — это анализ тенденций отрасли, рынка и клиентов, конкурентов, собственных возможностей и стратегических возможностей; «три определения» — это определение контрольных точек, целей и стратегии. Эта методология способна отсеять подавляющее большинство конкурентов, потому что большинство людей играют в шахматы наугад, полагаясь на быстрые реакции, тогда как профессионалы по умолчанию используют режим глубокого мышления и логических рассуждений. Первая мысль должна быть: я должен думать как командующий, как правильно подойти к этой задаче.

Чжан Пэн: Суть так называемого «пять взглядов, три решения» заключается в том, чтобы избегать «реактивных реакций» и закрепить процесс длительного анализа.

Лю Ye: Эксперты используют модель глубокого исследования и аналитического мышления: сначала изучают лучшие глобальные практики и информацию, затем обобщают, анализируют и глубоко размышляют, прежде чем дать ответ — и их действия всегда оказываются решающими.

Поэтому я считаю, что единственной сутью будущей конкуренции будет моделирование бизнес-процессов традиционных отраслей, их абстрагирование в системные возможности, способные к оркестрации агентов. Это и есть новое поколение компетенций в области развития организаций (OD), которое будет эволюционировать в AIOD — единственное будущее конкурентное преимущество.

Основное преимущество Alibaba заключается в построении организации: как только организация налажена, она способна конкурировать с любыми соперниками и успешно развивать любые бизнесы. Кроме того, Ма Юнь когда-то сказал, что цель войны — не обязательно захватить какую-то сферу, а добиться роста организации через саму войну. Alibaba оценивает, стоит ли вступать в битву, исходя из того, способствует ли она росту организации — это высокий уровень мышления. Сам Ма Юнь действует как супер-информационный узел: ежегодно он совершает 200 перелетов, собирая разнообразную информацию, которую затем использует для совершенствования организации. Он — настоящий председатель совета директоров, а не просто генеральный директор.

Это и есть высшая форма организации, которую мы когда-либо видели — способная охватывать несколько поколений, различные отрасли, постоянно достигать успеха и восстанавливаться после спадов. Как правило, компания, нанявшая неправильного генерального директора в течение десяти лет, скорее всего, пойдет по пути упадка. Таким образом, опираясь на исторический опыт и рассматривая текущее развитие с более высокой точки зрения, даже незначительная корректировка и оптимизация существующей модели гораздо эффективнее, чем создание чего-то нового с нуля.

Сейчас любой может легко создать агента, порог входа для сотрудников чрезвычайно низок, а поддержка открытого сообщества делает отрасль практически лишенной секретов. Внутренняя конкуренция на уровне инструментов никогда не сможет конкурировать с открытым сообществом. Тогда что же является ключевым конкурентным преимуществом, которого у открытого сообщества нет и которое невозможно скопировать?

Физика организации 04 AI: почему «постепенное воздействие» ключевое?

Чжан Пэн: При обсуждении организаций в прошлую эпоху акцент делался на таких аспектах, как корпоративная культура, ценности, KPI и другие элементы. Когда мы переходим от управления организациями прошлой эпохи к новой эре организаций на основе AI-агентов, какие аспекты можно полностью отбросить, а какие можно сохранить, но необходимо трансформировать?

Лю Ye: Основная причина, по которой Anthropic внедрила skills, — это концепция «постепенного раскрытия» в области AI-программирования: если ИИ получает слишком много хаотичной информации, возникает деградация контекста и потеря внимания, приводящие к путанице; только постепенное раскрытие позволяет ИИ сохранять хорошее внимание и генерировать качественные результаты. Если постепенное раскрытие реализуется вручную, это по сути является полностью ручным диалогом, что крайне неэффективно. Таким образом, основная ценность skills заключается в том, чтобы разбить сложные задачи на уровни и обеспечить постепенное раскрытие для ИИ.

Это согласуется с логикой корпоративного управления: совет директоров сосредоточен на стратегических вопросах, генеральный директор — на тактических вопросах и управлении руководящим составом, а сотрудники решают простые задачи. Если 300 человек одновременно участвуют в одном совещании, это совещание невозможно провести. Основная цель организации — реализовать иерархическую обработку информации, подобно тому, как третья нормальная форма базы данных повышает эффективность за счет сжатия и иерархизации данных. Сложные проблемы необходимо разбивать на уровни и постепенно раскрывать, а не вводить огромный объем контекста сразу — именно это и является основной логикой традиционной корпоративной структуры, поскольку вычислительные мощности в любой момент времени ограничены.

Чжан Пэн: Модели каждый раз должны тратить огромные вычислительные ресурсы, чтобы создавать всё с нуля, это слишком неэффективно.

Лю Ye: Это невозможно реализовать; ключевым остается постепенное раскрытие по уровням — ресурсы, которые необходимо вызвать, должны быть вызваны, что определяется границами возможностей модели ИИ. Кроме того, другая причина, по которой Anthropic внедрила навыки, заключается в том, что сложные задачи вышли за рамки базовых физических законов: навыки позволяют разбивать сложные задачи на множество простых низкоразмерных задач. Основной критерий различия задач — не сложность, а степень сложности — существуют различные типы, такие как низкоразмерные сложные и высокоразмерные сложные задачи; например, программирование и решение математических задач относятся к низкоразмерным задачам высокой сложности.

Хуэй Кай из Horizon предложил классическую модель: все профессии можно разделить на четыре квадранта по уровню «конкуренции» и «измерения» — высокое измерение и высокая конкуренция, низкое измерение и низкая конкуренция, низкое измерение и высокая конкуренция, высокое измерение и низкая конкуренция. Продажи и инженеры относятся к низкому измерению и высокой конкуренции; продукт-менеджеры и генеральные директора — к высокому измерению и высокой конкуренции; ученые же относятся к высокому измерению и низкой конкуренции — такие темы могут изучаться лишь одним человеком во всем мире: конкуренция низкая, но измерение чрезвычайно высоко. Такие задачи высокого измерения и высокой конкуренции, как качественные короткие сериалы или хорошие романы, AI пока не в состоянии выполнить; а задачи низкого измерения и высокой конкуренции, такие как оптимизация кода, AI уже отлично справляется. Чем выше измерение задачи, тем меньше источников данных, но тем больше данных требуется для обучения модели — именно поэтому текстовые модели появились раньше, а модели изображений и видео — позже, и именно по этой причине модели коротких видео трудно внедрить. Это противоречие между спросом и предложением на задачи высокого измерения и данные высокого измерения можно компенсировать только путем декомпозиции задач на навыки: как в компаниях, когда не удается найти кандидатов на высокие должности, их разбивают на три базовые позиции — только должности типа генерального директора не поддаются замене.

Чжан Пэн: Задачи с низкой размерностью и высокой конкуренцией, скорее всего, будут полностью заменены ИИ.

Лю Ye: Это будет заменено на 100%, и такая замена уже произошла.

Чжан Пэн: Верно, поэтому все низкоразмерные и высококонкурентные задачи следует как можно скорее решить с помощью ИИ, разбив их на навыки, а затем организовав их реализацию с помощью агентов — в этом процессе участие человека не обязательно.

Лю Ye: У меня есть предварительная идея: IBM и Accenture, как две крупнейшие в мире консалтинговые компании, по сути занимаются выявлением лучших отраслевых практик и их согласованием с цифровизацией, продавая не инструменты, а процессы. Когда компании закупают процессы управления рисками или интеллектуальную собственность, они всегда привлекают консалтинговые компании для реализации. Наша текущая ключевая задача — создать кластеры навыков, найти ведущих экспертов в каждой области, выделить их компетенции и согласовать их, чтобы сформировать стандартизированный набор навыков. Это похоже на модель «Домашнего задания» — «Домашнее задание» сотрудничает с четвертой средней школой Пекина, лицейской школой Рэнмин, группой составителей экзаменов Гаокэо и преподавателями Xueersi, чтобы выделить ключевые методы составления заданий, объяснения и проверки, а затем совместно с инженерами-алгоритмистами Baidu создать систему — суть также в согласовании лучших практик. Ключевым элементом организационной способности является формирование качественной междисциплинарной команды: она должна понимать отрасль и инженерию, уметь взаимодействовать с ведущими экспертами в каждой нише, а также обладать навыками в бизнесе, подборе и управлении персоналом — именно это составляет основу новых поколений AI SaaS-компаний.

Чжан Пэн: Дальнейшее развитие предполагает, что в будущем необходимо исходить из бизнес-аспектов для определения необходимой организационной структуры. Организация по сути является структурой координации, подобной операционной системе бизнеса — размещая людей в качестве единиц производительности в подходящей организационной среде, можно максимально раскрыть их потенциал, в противном случае система не будет работать эффективно. Сегодня элементы производительности уже сменились: вместо зависимости от человеческих ресурсов мы имеем бесконечно доступный ИИ, который может масштабироваться непрерывно при наличии положительной обратной связи. Прошлые организационные культуры сегодня могут трансформироваться в цели и контекст, переставая требовать слоганов, встреч «три шага», ледоколов и подобных формальностей.

Лю Ye: Культура — это намерение управления, а не намерение бизнеса. В прошлую эпоху стратегия начиналась с видения, видение определяло ценность, организация подчинялась стратегии, бизнес подтверждал всё, а культура была лишь средством управления организацией, не служила напрямую стратегии и даже могла быть просто личной приверженностью основателя.

Чжан Пэн: В процессе реализации стратегии обслуживания людей существовало множество пробелов — устраняет ли ИИ эти пробелы?

Лю Ye: Да, культура в эпоху ИИ больше не важна. Культура — это вера, лежащая в основе человеческой организации, но ИИ в ней не нуждается. У ИИ нет плоти и крови, ему не нужна культурная ориентация. Основная потребность ИИ — вычислительная мощность.

Чжан Пэн: Вы имеете в виду, что ИИ нуждаются в целях и принципах. Один документ достаточно, чтобы четко определить цели и принципы, и все производственные единицы могут немедленно синхронизироваться и точно выполнять их, без отклонений. Большая часть трения в человеческих организациях исчезает.

Лю Ye: Да. Раньше: стратегия → культура → персонал → исполнение; сейчас: цель → принципы → навыки → оркестрация. Вся управленческая цепочка сократилась вдвое.

05 Последняя преграда: эстетика и композиция

Чжан Пэн: Каковы новые барьеры для предприятий? Качество персонала заменяется на набор навыков (Skill Set): если у меня есть вкус, я могу получить лучшие навыки со всего мира. А на следующем уровне — это «оркестровка» (Orchestration), верно? Что здесь изменится?

Лю Ye: Как в Хуацяньбэй можно купить все электронные компоненты, но почему не все могут создать Apple? В биографии Джобса определение эстетики очень четкое: увидев достаточно много хорошего в мире и умея различать качество, вы обладаете эстетикой. Если вы никогда не видели хороших продуктов, процессов или организаций, вы не сможете создать качественный результат.

Чжан Пэн: Опыт — это основа вкуса.

Лю Ye: Только опыт и талант.

Чжан Пэн: Эстетика проявляется двумя способами: во-первых, через активное проектирование и организацию; во-вторых, через выявление и выбор качественных вещей, возникающих в хаосе. Эти два способа не противоречат друг другу.

Лю Ye: Действительно, это не противоречит друг другу. Часть достижений Apple — это собственная разработка, часть — приобретение сторонних компаний; ключевое — обладание вкусом: не нужно изобретать колесо заново, достаточно самостоятельно разрабатывать при необходимости.

Чжан Пэн: Суть в том, чтобы сначала запустить агента внутри установленного модуля, а затем подтвердить путь для возникающей оркестровки, или же сразу задать все пути для конструктивной оркестровки?

Лю Ye: Появление не является манипулятивным; необходимо сначала задать семенные правила и принципы, именно это и проявляет эстетику человека. Как и отличный инженер может создать удобный Openclaw с помощью 500 или 5000 строк кода, тогда как несоответствующий инженер не сможет достичь того же эффекта даже при написании 50 000 строк кода — семенные правила на низком уровне все еще должны задаваться человеком.

Чжан Пэн: Таким образом, нельзя просто ждать появления в хаосе — на это уходит чрезвычайно много времени, и организация по-прежнему имеет решающее значение. Может ли такая организация в конечном итоге исходить только от основателя или же скорее напоминает «продюсера»?

Лю Ye: Я считаю, что это хорошее определение продюсера. Действительно, даже при наличии эффектов возникновения и масштаба необходимы аннотация данных, очистка данных и постоянная согласованность алгоритмов, чтобы избежать беспорядочного роста.

Организация зависит от сложности бизнеса — сложные бизнес-процессы не могут быть реализованы одним человеком, например, съемка коротких сериалов или написание промптов сопряжены с множеством трудностей. Концепция «одночеловеческой компании» чрезмерно используется, и мир не может быть бесконечно упрощен. Хотя компьютером может управлять один человек, невозможно овладеть всеми многомерными навыками в одиночку. Исключительно редки такие сверхталанты, как Илон Маск и Ли Фэйфэй, способные овладеть несколькими областями и взять на себя любую должность.

Чжан Пэн: Если мы сможем использовать глобальную систему самых передовых агентов и навыков, например, отличного сценариста, теоретически возможно ли с помощью этих ресурсов снять всемирно известный и прибыльный фильм? Хотя сценарист обладает ключевым преимуществом (хороший сценарий), он не может выполнить все этапы — является ли такая замкнутая система «ключевое преимущество + глобальные ресурсы» осуществимой?

Лю Ye: Это по сути проблема данных — существует ли данные, хранящие информацию высшего измерения. Например, для обучения навыкам генерального директора сейчас недостаточно данных: десятки тысяч слов Ван Чжэнфэя и устные высказывания Ма Юня не могут полностью передать их высокоразмерное мышление; даже собрав все финансовые отчеты компаний мира и все высказывания генеральных директоров, невозможно обучить модель, способную выполнять обязанности генерального директора, поскольку ключевые способности генерального директора — это скрытые знания, которые нельзя полностью раскрыть с помощью текста.

Чжан Пэн: То есть, ключевые компетенции генерального директора пока не могут быть векторизованы. Это ограничивает идею «компании из одного человека» — даже если каждый может реализовать свои преимущества в одном измерении и использовать глобальные顶尖 ресурсы, все еще отсутствует ключевой координатор; суть проблемы — в способности к координации. В конечном счете, даже обладая лучшими «компонентами», необходимы мощные навыки координации.

Лю Ye: То же самое и с продукт-менеджерами — их скрытые знания невозможно полностью зафиксировать в текстовой форме. Это и есть основная причина, по которой текущие AI-партнеры и AI-сгенерированный контент недостаточно «живые» — им не хватает данных, поддерживающих высокоразмерные скрытые знания. Когда данных мало, сосредоточьтесь на навыках; когда данных много — тогда стройте модели. Роботы пока не могут быть реализованы, и основная причина — недостаток достаточного объема данных.

Чжан Пэн: Из этого можно сделать вывод, что ключевым фактором будущей конкуренции между компаниями станет не возможность доступа к передовым моделям — первоначальные ресурсы ИИ кажутся одинаковыми, вычислительные мощности зависят от финансовых ресурсов и способности к созданию замкнутой бизнес-системы, и в конечном итоге различия снова сводятся к самому «продюсеру» — его способности к организации и инновационности, значимости целей, которые и составляют核心ную конкурентоспособность компании.

Лю Ye: Бывший партнер McKinsey как-то сказал мне, что основная деятельность McKinsey заключается в выявлении передовых практик, создании моделей и помощи компаниям в их поэтапной реализации. Например, консультируя китайские автопроизводители, мы обращались к японским коллегам, чтобы узнать, как поступает Toyota — суть в том, чтобы копировать и внедрять передовые практики.

Кейс Ми Мэн с созданием коротких сериалов очень применим. Она окончила факультет китайской филологии, но ее ключевая команда состоит из специалистов по математике и информатике из Циньхуа и Пекинского университета, которые специально анализируют логику вирусных коротких видео, что в итоге обеспечивает чрезвычайно высокий процент вирусных роликов. Этот подход по сути представляет собой моделирование социальной инженерии в отрасли; даже если существует риск переобучения, направление моделирования верно.

IBM, Accenture и McKinsey занимаются одним и тем же — первое поколение McKinsey моделировало лучшие практики на партнерах, IBM превратила их в цифровые процессы; суть в обоих случаях — «продажа управления и процессов».

Чжан Пэн: Суть в том, чтобы выделить лучшие практики и многократно проверять их реализацию — это ключ к победе будущих бизнес-организаций. Только детально разобрав все компоненты, можно достичь эффективной координации. Значит, ваша следующая ключевая задача — продвигаться в этом направлении?

Лю Ye: За последние три года мы сосредоточились на AI-бизнесе для конечных пользователей и с помощью подхода MetaOrg полностью перестроили всю учебно-методическую систему. Это не просто история о «применении ИИ для повышения эффективности». Мы создали целую агентную организацию для разработки учебных материалов, в которой работают виртуальные команды: команда исследований в области изучения языков отслеживает последние теории вторичного языкового освоения, команда сбора вертикальных корпусов извлекает естественные выражения из реальных контекстов, команда оценки диалогов разрабатывает многомерные критерии оценки устной речи, команда проектирования диалогов преобразует педагогические методики в естественные взаимодействия человек-машина, команда проектирования контейнеров заданий решает вопросы адаптации формы и содержания упражнений, а команда анализа данных извлекает реальные сигналы об эффективности обучения из поведения пользователей. Каждая команда обладает собственными навыками, рабочими процессами и критериями оценки. В настоящее время около 80% работы — от аннотирования учебных данных и мониторинга оценки до анализа пользователей и итераций продукта — выполняется ИИ.

Наш путь развития — от «ИИ как функции» к «ИИ как организационной способности». Должность учителя английского языка имеет среднюю сложность; мы уже абстрагировали её и с помощью MetaOrg сгенерировали другие должности; в сочетании с новейшей архитектурой навыков можно создать более продвинутые должности.

Сейчас мы завершили полный цикл создания AI-репетитора, включая абстракцию и инженерную реализацию возможностей оркестрации. В будущем, скорее всего, Meta tutor будет эволюционировать в Meta-организацию, минимальной единицей которой является должность, а не сотрудник, с акцентом на взаимодействие и управление между должностями. Наши текущие приоритеты — интеграция с ведущими CEO из различных отраслей, поскольку именно CEO являются ключевыми «продюсерами».

Чжан Пэн: Таким образом, то, что вы запустили, больше похоже на масштабируемый отдел?

Лю Ye: Цель — продвигаться в направлении «компании». Крупные компании по сути состоят из множества небольших компаний, а минимальной единицей является должность. Необходимо уделять внимание стратегическому выбору всей отрасли, а также начинать с должностей для продвижения итераций продукта — если должности не выполняются эффективно, даже способные менеджеры не смогут создать эффективную организацию.

Чжан Пэн: Чтобы эффективно управлять отделом, необходимо сначала разбить связанные с отделом компетенции и должности, затем детализировать навыки, соответствующие каждой должности, и стремиться к достижению уровня SOTA для этих навыков.

Лю Ye: Существует только один основной метод — совместное создание с ведущими компаниями-пользователями. Навыки, которые вы разрабатываете, должны оцениваться ведущими компаниями на соответствие их потребностям, как и предложения подчиненных должны проверяться руководством — нельзя заниматься самовосхвалением. Например, при создании модели коротких сериалов необходимо получить признание ведущих отраслевых организаций, иначе это не будет настоящим топовым результатом. Все должно оцениваться и измеряться.

Midjourney может создавать качественные изображения, потому что его команда состоит из фотографов и инженеров, обладающих передовым эстетическим восприятием изображений; LV обучил модель изображений с помощью Stable Diffusion, и ее результаты значительно превосходят обычные модели, поскольку у LV есть самые передовые в мире эстетические представления и данные. Следовательно, ключевым является оценочная способность. Чтобы создать компанию в сфере ИИ, нужно действовать, как IBM или Huawei — IBM, обслуживая ведущие автомобильные компании, освоила лучшие практики производства автомобилей и внедрила их; Huawei потратила 4 миллиарда на приобретение процесса IPD, используя его как для собственного управления, так и для экспорта — именно это и является ключевым конкурентным преимуществом.

Чжан Пэн: Суть заключается в том, чтобы разложить навыки на основе лучших практик, достичь SOTA для навыков, затем повысить их до уровня SOTA для должностей и отделов, и в конечном итоге интегрировать их в SOTA бизнеса — это четкий путь к вершине бизнеса. Еще один ключевой вопрос: как поддерживать актуальность навыков? Как и мутации в биосфере Земли, SOTA каждого эпохи может быть вытеснен в следующую эпоху — как с этим справляться?

Лю Ye: Основная логика согласуется с эволюцией человека и биологических видов — восприятие, планирование, действие, рефлексия. Поддерживайте высокую плотность талантов и междисциплинарный характер организации: один конец взаимодействует с передовыми технологиями (исследователями), другой изучает бизнес-модели, одновременно совместно создавая ценность с ведущими клиентами отрасли и постоянно оценивая и оптимизируя в реальных сценариях — это единственный подход.

Чжан Пэн: Исходя из этого, можно предположить, что системы, сформированные на основе лучших практик ведущих компаний, могут помочь компаниям среднего уровня достичь прорывного роста, однако такие системы, скорее всего, доступны только компаниям, обладающим ресурсами и финансовыми возможностями, и малым предприятиям и молодым предпринимателям они по карману не будут. Консалтинговая индустрия уже перешла от традиционных услуг к инструментальным продуктам; могут ли новые возможности появиться только на уровне навыков? Как достичь революционных инноваций на уровне навыков и избежать попадания отрасли в «аристократический цикл»?

Лю Ye: В предыдущем поколении SaaS-индустрии такие компании, как Salesforce, Palantir, Notion и Slack, одни создавали универсальные инструменты, другие — интегрированные сервисы, что доказывает: у молодых предпринимателей всё ещё есть возможности — избегать бизнесов, в которых вы не обладаете преимуществами, сосредоточившись на универсальных навыках и найдя подходящую экологическую нишу. Notion — яркий пример: он не затрагивает конкретные бизнес-процессы, а лишь абстрагирует функцию текстовых заметок, став универсальным инструментом. В конечном итоге мир станет результатом разделения труда между множеством агентов; молодым людям нужно сначала найти свою экологическую нишу, затем использовать свои сильные стороны, опираясь на будущие тренды, чтобы не стать врагом времени. В течение последнего десятилетия первое поколение интернет-предпринимателей в основном были возвращенцами из-за рубежа (опирались на когнитивное преимущество), второе — программистами (опирались на взрывной рост инструментов), третье — предпринимателями в сфере промышленного интернета, часто вторично запускающими стартапы. Закономерности очевидны: молодым людям необходимо четко понимать среднюю фазу и свои собственные сильные стороны.

Чжан Пэн: Таким образом, вы считаете, что локальные инновации и оптимизации на уровне навыков имеют ограниченное воздействие; тогда наибольшая возможность для нового поколения может заключаться в инновациях в целях — выявлении новых целей, возникающих в эпоху, сочетании их с качественными навыками и постоянном развитии, чтобы построить новую систему на новых целях и добиться прорыва.

Лю Ye: Конкуренция навыков крайне тонка; хотя навыки сейчас в моде, если кто-то сформирует навык, соответствующий или превосходящий顶尖ных человеческих экспертов, существующие навыки будут заменены. Это возвращает нас к вопросу конкурентного преимущества: первопроходцы не обязательно станут победителями — они могут стать «питательной средой» для более продвинутых конкурентов.

Чжан Пэн: Главное опасение — стать «загрузчиком», просто помогая более высокому уровню противнику создать базовую основу. Если ограничиваться оптимизацией эффективности на существующих целях, это бессмысленно, поскольку преимущество в эффективности в конечном итоге будет уничтожено. Поэтому новому поколению для достижения прорыва необходимо добиться фундаментального отличия в целях.

Лю Ye: Верно, сам по себе ты не можешь стать核心力量, а лишь питаешь более высокоразмерного противника. Суть бизнеса проста: важно четко понимать, кто твой клиент, как обслуживать клиента и как сделать так, чтобы клиент не мог обойтись без тебя. Любой молодой человек, который не может четко определить, кто его клиент, не сможет достичь оптимизации.

Чжан Пэн: Также следует обращать внимание на новые рынки, поскольку конкуренция на существующих рынках чрезвычайно сложна. Если ваш бизнес добьется успеха, вы поднимете компании в этой области до того же высокого уровня, и эти компании обладают как богатством, так и опытом — молодым людям трудно конкурировать с ними на существующих рынках.

Лю Ye: В предыдущем поколении SaaS-индустрии успех таких компаний, как Notion и Slack, был основан на дифференциации целей.

На начальном этапе развития SaaS прошлого поколения китайские фонды склонялись к инвестициям в ученых, но позже поняли, что ученые лучше подходят для сотрудничества и обмена идеями, а не для предпринимательства — высокоразмерные, малоконкурентные области, в которых находятся ученые, отличаются от логики высокоразмерных, высококонкурентных бизнес-сфер; чем выше измерение области, тем сложнее перейти в новую, поскольку основные модели мышления совершенно разные. На ранних стадиях любого поля преобладает технологическая конкуренция (низкоразмерная, высококонкурентная, технология еще несовершенна); после того как технология становится зрелой, наступает этап коммерческой конкуренции (высокоразмерная, высококонкурентная, доминируют профессионалы индустрии, менеджеры продуктов и специалисты по бизнесу). Например, когда только вышли первые iPhone, в рейтингах преобладали приложения, разработанные программистами; спустя несколько лет, с развитием промышленного интернета, все приложения в рейтингах, созданные программистами, были полностью заменены.

Если эпоха ИИ будет продолжать логику мобильного интернета, ключевая сила Кремниевой долины останется у опытных профессионалов, как и в китайском индустриальном интернете, где большинство — вторые предприниматели. Возможности для молодежи по-прежнему заключаются в поиске дифференцированных целей.