การสนทนา | จาง เผิง

เมื่อทุกคนพากันวิ่งไปพัฒนา “พนักงานดิจิทัล” และ “เครื่องมือ Agent” แล้วแข่งขันกันอย่างไม่สิ้นสุดในแต่ละบริบทย่อย ความได้เปรียบแท้จริงของธุรกิจสตาร์ทอัพด้าน AI อยู่ที่ไหน?

เมื่อไม่นานมานี้ จาง เผิง ผู้ก่อตั้งและประธานของ Geek Park ร่วมกับหลิวเย่ ผู้ก่อตั้ง VisionFlow ได้ทำการอภิปรายเชิงย้อนกลับหลังจาก OpenClaw ระเบิดขึ้น 作为一名出生于1979年的中国第一代程序员，刘夜经历了从底层硬件到软件、从企业级集成（ToB）到在线教育（产业互联网）的完整周期。在闭关数月、与全球头部 AI 公司的研究员和国内顶尖创业者「应聊尽聊」之后，他得出了一个冷酷的结论： 把 AI 当做「数字员工」来替代单个任务，是工程师思维对真实业务的过度简化。

ในการสนทนานี้ หลิวเย่ได้เสนอแนวคิดและกรอบงานที่มีแรงบันดาลใจอย่างมาก เช่น “การเปิดเผยแบบค่อยเป็นค่อยไป” และ “เมทริกซ์มิติสูง-ต่ำของงาน” ในระหว่างการอภิปราย ความเป็นไปได้ในอนาคตจึงค่อยๆ ชัดเจนขึ้น: ขั้นตอนถัดไปของ AI ไม่ใช่การแพร่หลายของเครื่องมือทั่วไป แต่คือการสร้าง “องค์กรดิจิทัล” ที่มีกลไกการร่วมมือ การรายงานตัว และการทบทวน เมื่อวัฒนธรรมองค์กรไม่จำเป็นอีกต่อไป และงานระดับต่ำถูกลบล้างอย่างสมบูรณ์ ซีอีโอในอนาคตอาจไม่ใช่ “ผู้บริหารสูงสุด” อีกต่อไป แต่จะเป็น “ผู้ผลิต” ที่มีรสนิยมสุดยอด

นี่คือการสำรวจและวิเคราะห์เกี่ยวกับรูปแบบองค์กรในยุคปัญญาประดิษฐ์ อุปสรรคทางธุรกิจ และตำแหน่งทางนิเวศวิทยาของผู้ประกอบการรุ่นใหม่ หวังว่าจะกระตุ้นให้เกิดการอภิปรายเชิงลึกมากขึ้นเกี่ยวกับอนาคตของผู้ประกอบการ

ด้านล่างนี้คือบทสนทนาที่ GeekPark สรุปอย่างกระชับ:

การต่อสู้ของ 01 หมื่น A ได้เริ่มต้นขึ้นแล้ว มีหลายสิ่งที่คุณสามารถทำได้

แต่สิ่งที่ควรทำคืออะไรที่สำคัญที่สุด

จาง เผิง: ตั้งแต่作业盒子 จนถึงวันนี้ ที่คุณมีความกระตือรือร้นในการสำรวจการเปลี่ยนแปลงที่ OpenClaw นำมา คุณเองได้เปลี่ยนแปลงไปอย่างไรบ้าง?

หลิวเย่: ฉันเป็นโปรแกรมเมอร์รุ่นแรกของจีน ตั้งแต่เด็กก็เริ่มเรียนเขียนโปรแกรม ผ่านยุคจาก BASIC ถึง DOS แล้วมาถึง Windows และยุค Mac ปัจจุบัน รวมถึงได้เห็นการเติบโตของสามพอร์ทัลใหญ่ ฉันเคยทำงานด้านการเปลี่ยนแปลงข้อมูลขององค์กร และมีความตั้งใจจะสร้าง IBM ของจีน ต่อมาฉันเปลี่ยนแนวทางมาทำงานกับ作业盒子 และมีส่วนร่วมอย่างลึกซึ้งในภาคการศึกษาออนไลน์ การศึกษาออนไลน์เป็นอุตสาหกรรมที่ลึกซึ้งมาก เป็นรูปแบบสูงสุดของอินเทอร์เน็ตอุตสาหกรรม และเป็น “รถบัสคันสุดท้าย” ประสบการณ์นี้ทำให้ฉันเข้าใจอย่างลึกซึ้งว่า หัวใจของอินเทอร์เน็ตอุตสาหกรรมไม่ใช่เทคโนโลยี แต่คืออุตสาหกรรมเอง และธุรกิจ กฎเกณฑ์ของอินเทอร์เน็ตอุตสาหกรรมคือ เริ่มจากการจับคู่ข้อมูล ก่อนจะพัฒนาสินค้ามาตรฐาน ตามด้วยห่วงโซ่อุปทาน และสุดท้ายคือบริการที่ซับซ้อนและไม่เป็นมาตรฐาน ยิ่งไปไกลเท่าไร กำไรขั้นต้นยิ่งสูงขึ้น แต่ก็ยิ่งยากขึ้น

ดังนั้น เมื่อคลื่นปัญญาประดิษฐ์มาถึง สิ่งแรกที่ฉันทำคือใช้เวลาเกือบหกเดือนโดยไม่ทำอะไรเลย ให้ฝ่ายทรัพยากรบุคคลคุยกับทุกคนที่สามารถคุยได้ ตั้งแต่นักวิทยาศาสตร์หัวหน้าของบริษัทสตาร์ทอัพชื่อดัง ไปจนถึงนักวิจัย วิศวกร และอัลกอริทึมหลักของบริษัทผู้พัฒนาโมเดลพื้นฐาน รวมถึงผู้ประกอบการปัญญาประดิษฐ์รุ่นใหม่ คุยให้ครบทุกคน สะสมการแลกเปลี่ยนความคิดเห็นได้ประมาณเก้าร้อยชั่วโมง คุยจนถึงระดับไหน? คุยจนคนพูดแค่ครึ่งประโยค ฉันก็รู้แล้วว่าอีกครึ่งประโยคคืออะไร ความเห็นร่วมกันของทุกคนต่างกันไม่มาก

พูดคุยกันครบวงจรแล้ว ข้อสรุปกลับน่าประหลาดใจเหมือนกันทุกคน: ทุกคนกำลังทำสิ่งเดียวกัน—พนักงานดิจิทัล ซึ่งทำให้ฉันนึกถึงการตัดสินใจเชิงกลยุทธ์ผิดพลาดของผู้เชี่ยวชาญคนหนึ่งในอดีตเกี่ยวกับคลาวด์คอมพิวติ้ง เขาเคยพูดว่า “อาลีทำคลาวด์ แก่นแท้ก็แค่ไดรฟ์เก็บข้อมูลออนไลน์เท่านั้นเอง” การใช้กรอบความคิดเก่ามาเข้าใจสิ่งใหม่ คุณจะมองเห็นเพียงชั้นตื้นที่สุดเท่านั้น

วันนี้ทุกคนคิดว่าการเป็นพนักงานดิจิทัล แล้วใช้ Claude สร้าง “ผู้ขายดิจิทัล” หรือ “บริการลูกค้าดิจิทัล” นั้น มีอุปสรรคทางเทคโนโลยีอยู่ที่ไหน? มีแนวป้องกันอยู่ที่ไหน? เมื่อการใช้ TOKEN หลายพันล้านต่อวันกลายเป็นเรื่องปกติ นี่กลับดูเหมือนอุตสาหกรรมการผลิต ไม่มีทางบินขึ้นได้เลย ดังนั้นฉันจึงถามนักธุรกิจทุกคนคำถามเดียวกัน: ทำไมคุณล่ะ? อะไรทำให้คุณทำได้? คุณอ่อนกว่า? ฉลาดกว่า? ทนตื่นดึกได้นานกว่า? การแข่งขันในมิติเดียว ไม่ใช่แค่ความแตกต่างระหว่าง “10 วินาที 69” กับ “10 วินาที 70” เหรอ?

จาง เผิง: อืม วันนี้มีหลายอย่างที่สามารถทำได้ แต่สิ่งที่ควรทำคืออะไร คุณมีความคิดเห็นเรื่องนี้บ้างไหม?

ทศวรรษของอินเทอร์เน็ตอุตสาหกรรมในปี 2022 จะเกิดขึ้นอีกครั้ง

หลิวเย่: AI นั้นแตกต่างกันมาก แต่ฉันเชื่อว่ายังคงมีจุดร่วมบางอย่างกับกฎเกณฑ์ของอินเทอร์เน็ตอุตสาหกรรม ช่วงต้นทำเครื่องมือ ช่วงกลางทำธุรกิจ และสุดท้ายทำคำปรึกษา เมื่อเทคโนโลยียังไม่สุกงอม ผู้เข้ามาในคลื่นแรกจะเป็นวิศวกรแน่นอน พวกเขาเชี่ยวชาญในการจัดระเบียบโลกอย่างเกินจริง เช่น “การคำนวณในกรอบ” ของไบดู ที่คิดว่าทุกอย่างคือกรอบ แต่ช่วงหลังของอินเทอร์เน็ตมือถือคือเนื้อหาและบริการ ไม่ใช่กรอบ

ผู้ที่มีพื้นฐานด้านวิศวกรรมมักมีภาพความเข้าใจเกี่ยวกับองค์กรที่เรียบง่ายเกินไปเกี่ยวกับธุรกิจ ดูจากสามพอร์ทัลอินเทอร์เน็ตรุ่นแรกทั้งหมด ผู้ที่ประสบความสำเร็จสูงสุดในที่สุดคือ Tencent และ Alibaba ซึ่งห่างจากเทคโนโลยีเล็กน้อย แต่ใกล้ชิดกับอุตสาหกรรมมากกว่า วันนี้ก็เช่นเดียวกัน เทคโนโลยีกำลังกลายเป็นเรื่องที่สำคัญน้อยลงเรื่อยๆ

จาง เผิง: ครั้งนี้นักเรียนสายศิลป์ค่อนข้างมีความสุข เพราะดูเหมือนว่าจะไม่จำเป็นต้องเขียนโค้ดก็ได้ แต่ในระยะยาว ความต้องการต่อผู้คนในยุค AI คืออะไร? มีการเปลี่ยนแปลงอะไรบ้าง?

หลิวเย่: ในโครงสร้างบุคลากรของจีน ฉันพบปัญหาหนึ่ง โปรแกรมเมอร์รุ่นแรกของจีนคือผลิตภัณฑ์แมนเนเจอร์ เพราะในขณะนั้นยังไม่มีตำแหน่งผลิตภัณฑ์แมนเนเจอร์ ตำแหน่งผลิตภัณฑ์แมนเนเจอร์จึงกลายเป็นที่รับรู้อย่างกว้างขวางในช่วงปี 2010 หลังจากสตีฟ จ็อบส์เปิดตัว iPhone4 และจางเซียวหลงเสนอแนวคิดเกี่ยวกับผลิตภัณฑ์ จึงมีคำว่า “ทุกคนสามารถเป็นผลิตภัณฑ์แมนเนเจอร์ได้” ก่อนหน้านั้น โปรแกรมเมอร์ต้องรับผิดชอบงานของผลิตภัณฑ์แมนเนเจอร์ด้วย จึงมีโปรแกรมเมอร์ก่อนแล้วจึงมีผลิตภัณฑ์แมนเนเจอร์ ดังนั้นโปรแกรมเมอร์รุ่นแรกจึงเป็นผลิตภัณฑ์แมนเนเจอร์ทั้งหมด โปรแกรมเมอร์รุ่นแรกเรียนเขียนโค้ดไม่ใช่เพื่อทำงาน แต่เพราะความสนใจส่วนตัว พวกเขาทุ่มเทให้กับมันด้วยความหลงใหล ผู้ที่โดดเด่นที่สุดคือผู้ที่ไม่ถูกจำกัดโดยกรอบเดิมและก้าวข้ามข้อจำกัดเหล่านั้น

แต่โปรแกรมเมอร์รุ่นที่สองในช่วงสิบปีที่ผ่านมาของอุตสาหกรรมอินเทอร์เน็ตได้เปลี่ยนโปรแกรมเมอร์ให้กลายเป็น “ชาวนาโค้ด” ผู้จัดการผลิตภัณฑ์กลายเป็นสถาปนิก และชาวนาโค้ดถูกฝึกให้ไม่คิดเกี่ยวกับธุรกิจ วันนี้ AI เข้ามา ส่วน “โค้ด” ถูกกำจัดไปแล้ว หากไม่พัฒนาตัวเอง พวกเขาจะเหลือเพียง “ชาวนา” เพียงอย่างเดียว กลุ่มเยาวชนเหล่านี้มีความสามารถสูง แต่ความเข้าใจของพวกเขาต่ออุตสาหกรรมนั้นว่างเปล่า ดังนั้น “สงคราม万 A” ในปัจจุบันจึงแท้จริงแล้วเป็นเพียงการระเบิดของเครื่องมือระดับพื้นฐาน

ในช่วงหลังของอินเทอร์เน็ตอุตสาหกรรม บริษัทอย่างอาลีบาบาและเมี่ยนตู๋ต่างใช้บุคลากรที่มีพื้นหลังจากบริษัทที่ปรึกษาชั้นนำ (MBB) ในการวิเคราะห์ธุรกิจ และใช้บุคลากรจากบริษัทที่ปรึกษานำทางผลิตภัณฑ์ดิจิทัลในการออกแบบกระบวนการดำเนินงาน เพราะผู้จัดการผลิตภัณฑ์อินเทอร์เน็ตมักไม่มีความคิดเชิงระบบติดตัวมาแต่กำเนิด ฟีชูถูกสร้างขึ้นด้วยวิธีนี้ แม้ว่าไบต์ไดน์จะเป็นบริษัทอินเทอร์เน็ตบริสุทธิ์ แต่ก็ใช้บริษัทที่ปรึกษาอย่างกว้างขวางในการสร้างกระบวนการภายใน ยุคปัญญาประดิษฐ์จะยิ่งเสริมกฎเกณฑ์นี้มากขึ้น ไม่ใช่ลดลง

ปัญหาขององค์กรไม่เคยเป็นปัญหาของพนักงาน แต่เป็นปัญหาขององค์กร

จาง เผิง: ดังนั้น คุณคิดว่า การแข่งขันในจุดเดียวเรื่อง “พนักงานดิจิทัล” ไม่มีความหมายมากนัก

หลิวเย่: นี่คือการตัดสินใจที่สำคัญที่สุดของฉัน: พนักงานดิจิทัลไม่ใช่จุดสิ้นสุด แต่องค์กรดิจิทัลต่างหากที่เป็นจุดสิ้นสุด หากพนักงานดิจิทัลแพร่หลายจนไม่มีตำแหน่งการรับสมัครอีกต่อไป และทุกคนสามารถมีพนักงานดิจิทัลคุณภาพดีได้ แล้วต่อไปจะเป็นอย่างไร? บริษัททั้งหมดจะสามารถทำกำไรและประสบความสำเร็จได้หรือ? ที่จริงแล้ว ปัญหาของบริษัททั้งหมดล้วนเป็นปัญหาเชิงกลยุทธ์และปัญหาเชิงองค์กร ไม่เคยเป็นปัญหาของพนักงานเลย

ดังนั้น วันนี้ Agent ยังคงทำงานแทนคน ไม่ใช่ตัดสินใจแทนคน เราได้ปรับปรุง OpenClaw ภายในและพัฒนาสิ่งที่เรียกว่า MetaOrg มันเป็นแกนหลักที่สามารถสร้างทีม agent ได้ เราแก้ไขภารกิจใดๆ ไม่ได้ส่งพนักงานเพียงคนเดียว แต่ต้องสร้าง “องค์กร” เพื่อแก้ไขปัญหา องค์กรนี้มีความสัมพันธ์ในการร่วมมือ มีความสัมพันธ์ในการรายงานผล มีภารกิจ มีเป้าหมาย และมีวิธีการดำเนินการ

จาง เผิง: แต่ในอนาคต มีความเป็นไปได้ไหมที่บุคคลหนึ่งคนจะเป็นแผนกเดียว? หรือแม้แต่เป็นบริษัทหนึ่งแห่ง?

หลิวเย่: นี่เป็นคำถามที่ดีมาก เราจะมาพิจารณาในระดับงานเล็กๆ เช่น การใช้ AI สร้างวิดีโอสั้นหรือเขียนเอกสาร จำเป็นต้องมีการสนทนาหลายรอบ คุณพูดหนึ่งประโยค มันตอบกลับหนึ่งประโยค แล้วคุณให้ข้อเสนอแนะเพิ่มเติม นี่คือการใช้งานในลักษณะเหมือนเครื่องมือ มันแค่ฉลาดมากเท่านั้น

แนวคิดเรื่องคนและแผนก ไม่ได้เกี่ยวกับจำนวนที่มากหรือน้อย เมื่อเราอธิบายหน้าที่ของตำแหน่งระดับสูง มักจะระบุว่า: แรกสุด สามารถทำงานได้ และทำงานได้หลากหลายประเภท; ใช้เครื่องมือต่างๆ ได้ สำหรับตำแหน่งระดับสูง ต้องสามารถเข้าใจเจตนา วางแผนเส้นทางด้วยตนเอง ดำเนินการด้วยตนเอง บรรลุการส่งมอบ รายงานผลเป็นระยะ ทบทวนและสรุปผลลัพธ์ที่ได้ และปรับกลยุทธ์แบบไดนามิกตามความเบี่ยงเบนของผลลัพธ์ นี่คือความสามารถระดับสูง

จาง เผิง: แผนกที่ดีควรเป็นเหมือนการขับขี่อัตโนมัติระดับ L4

หลิวเย่: ใช่ เมื่อให้ทักษะหนึ่งแก่มัน มันสามารถทำภารกิจที่ซับซ้อนได้; เมื่อให้ระบบทักษะ มันสามารถทำภารกิจที่ซับซ้อนและรวมหลายด้านได้; เมื่อมีตัวแทนจำนวนมากจัดเรียงกัน มันสามารถทำสิ่งที่ซับซ้อนยิ่งขึ้น เช่น การถ่ายทำละครสั้น ฉันมักพูดกับพนักงานในการประชุมว่า เมื่อคุณใช้ MetaOrg อย่ามองตัวเองเป็นหัวหน้า แต่ให้มองตัวเองเป็นประธานกรรมการ คุณควรพยายามสำรวจขีดจำกัดของมัน

ในอนาคต ผู้ประกอบการรุ่นใหม่ แต่ก่อนพูดกันว่าครอบครัวให้เงิน 500,000 หยวนเพื่อเริ่มต้นธุรกิจ แต่ในอนาคตอาจเป็นการให้งบประมาณ TOKEN เพื่อทดลองผิดพลาดแทน คุณยินดีใช้ TOKEN กี่จำนวน กำหนดว่าคุณจะสามารถทำตำแหน่งที่มีระดับสูงแค่ไหน ยิ่งตำแหน่งที่สูงขึ้น สายการให้เหตุผลยิ่งยาวขึ้น และยิ่งต้องการการทดลองผิดพลาด การปรับปรุง และการสรุปผลซ้ำๆ

จาง เผิง: กลับไปที่คำถามก่อนหน้านี้ หากมีกลุ่มตัวแทนที่สามารถแบ่งออกเป็นหน่วยย่อยที่ละเอียดกว่า หรือการแยกแยะตามตำแหน่งและทักษะ เมื่อพวกเขาสร้างทีมและเผชิญกับภารกิจหลัก คุณภาพของบุคลากรแต่ละคนจะเป็นตัวกำหนดความสำเร็จหรือความล้มเหลว ซึ่งกลับมาสู่ตรรกะการแข่งขันขององค์กรทางธุรกิจในยุคก่อนหน้า: ความหนาแน่นของบุคลากร นั่นคือ หากคุณภาพของบุคลากรสูง ภารกิจหลักขององค์กรจะสามารถบรรลุผลและชนะได้ง่ายขึ้น

แก่นสำคัญของเรื่องนี้คือ หากในอนาคต AI ทั้งหมดเป็นอเนกประสงค์ และเราสามารถเรียกใช้ AI ที่ดีที่สุดได้ทั้งหมด นอกเหนือจากองค์กรทางธุรกิจที่สามารถสร้างมูลค่าได้ผ่านการให้บริการเฉพาะทางอย่างมีประสิทธิภาพสูงขึ้น แล้วในมิติอีกแง่หนึ่ง ไม่ใช่แค่ต้องกลับมาพิจารณา “ความหนาแน่นของบุคลากร” อีกครั้งหรือ? นั่นคือ ตัวแทนหรือบอทของคุณในระบบนี้มีความสามารถที่ถูกแยกออกเป็นหน่วยพื้นฐานที่สูงกว่า “ความหนาแน่นของบุคลากร” ก็จะสูงขึ้น และในงานที่ซับซ้อน ผลลัพธ์ ประสิทธิภาพ และแม้แต่นวัตกรรมจะดีขึ้น ผมไม่แน่ใจว่าการอนุมานนี้ถูกต้องหรือไม่

หลิวเย่: ฉันเห็นด้วยกับมุมมองนี้ ในองค์กรภายในมีแผนกหนึ่ง ซึ่งองค์กรขนาดใหญ่มักเรียกว่า OD หรือ Organizational Development การวัดว่าองค์กรหนึ่งจะสามารถชนะได้หรือไม่ มักทำโดยการนำบุคลากรทั้งหมดของคู่แข่งออกมาเปรียบเทียบ โดยพิจารณาความแข็งแกร่งของความเข้ากันได้ระหว่างบุคคลกับตำแหน่งและทักษะกับตำแหน่ง เพื่อทำนายผลลัพธ์ของการแข่งขัน ดังนั้นโดยทั่วไปแล้ว องค์กรต่างๆ จึงพึ่งพาความสามารถขององค์กร ไม่ใช่กลยุทธ์ทางธุรกิจ ตัวอย่างที่ชัดเจนที่สุดคือ Alibaba Alibaba ให้ความสำคัญอย่างยิ่งกับการสร้างองค์กร จึงสามารถก้าวเข้าสู่ “ฤดูใบไม้ผลิครั้งที่สอง” ได้ในปัจจุบัน เพราะทีมผู้ก่อตั้งจะมีอายุมากขึ้น แต่องค์กรสามารถเติบโตและอยู่รอดต่อไปได้อย่างไม่สิ้นสุด ในทางแก่นแท้ หากวันหนึ่งเราสองคนเป็นคู่แข่งกัน และเราทั้งคู่ใช้ AI ฉันสร้างองค์กร AI ที่แข็งแกร่งซึ่งมีความสามารถในการพัฒนาองค์กร AI อย่างมาก ฉันจะสร้างองค์กรนี้อย่างไร? ฉันจะเปิดระบบทักษะของ agent ของคู่แข่งทุกตัววิเคราะห์โค้ดทักษะของพวกมัน จากนั้นในระบบของฉันเอง ฉันจะเขียนทักษะที่ดีกว่า หรือแม้แต่เติมเต็มหน้าที่ที่พวกมันขาดหายไป เช่น ฉันมีแผนกกลยุทธ์ ฉันจะเริ่มจากการสังเกตและวิเคราะห์ก่อน

ฮัวเวยมีแนวทางที่เรียกว่า “ห้าดูสามกำหนด” ฉันเคยเล่นกับเพื่อนว่า ถ้าเราเริ่มต้นธุรกิจโดยใช้แนวทางนี้ เราจะสามารถเอาชนะคู่แข่ง 99% ได้ “ห้าดู” หมายถึง ดูแนวโน้มอุตสาหกรรม ดูตลาดและลูกค้า ดูคู่แข่ง ดูความสามารถของตัวเอง และดูโอกาสเชิงกลยุทธ์; “สามกำหนด” คือ กำหนดจุดควบคุม กำหนดเป้าหมาย และกำหนดกลยุทธ์ แนวทางนี้เพียงพอที่จะกรองคู่แข่งส่วนใหญ่ออกไป เพราะคนส่วนใหญ่เล่นหมากแบบสุ่มๆ พวกเขาพึ่งพาการคิดอย่างรวดเร็ว ในขณะที่ผู้เชี่ยวชาญจะเริ่มต้นด้วยการคิดอย่างลึกซึ้งและการวิเคราะห์โดยอัตโนมัติ ความคิดแรกของฉันคือ ฉันต้องคิดในบทบาทของผู้บัญชาการว่าควรทำสิ่งนี้อย่างไร

จาง เผิง: สิ่งที่เรียกว่า “ดูห้าอย่าง ตัดสินสามขั้นตอน” แก่นแท้คือการหลีกเลี่ยง “การตอบสนองแบบสะท้อน本能” และควรสร้างกระบวนการให้เหตุผลระยะยาวให้เป็นรูปแบบถาวร

หลิวเย่: ผู้เชี่ยวชาญทั้งหลายใช้แบบจำลองที่ผสมผสานการวิจัยเชิงลึกกับการคิดวิเคราะห์ โดยรู้จักเริ่มต้นจากการดูแนวทางปฏิบัติที่ดีที่สุดและข้อมูลระดับโลก จากนั้นสรุปและวิเคราะห์ แล้วคิดอย่างลึกซึ้งก่อนจะให้คำตอบ ซึ่งเมื่อลงมือทำก็จะโจมตีได้ตรงจุดทันที

ดังนั้นฉันคิดว่าการแข่งขันในอนาคตจะมีจุดศูนย์กลางเพียงเรื่องเดียว นั่นคือการสร้างแบบจำลองธุรกิจของอุตสาหกรรมดั้งเดิม ให้สามารถนามธรรมเป็นความสามารถเชิงระบบ และสามารถจัดการเอเจนต์ได้ นี่คือความสามารถในการพัฒนาองค์กรรุ่นใหม่ (OD) ซึ่งจะถูกยกระดับเป็น AIOD และเป็นข้อได้เปรียบเชิงแข่งขันเพียงอย่างเดียวในอนาคต

จุดแข็งหลักของอาลีอยู่ที่การสร้างองค์กร เมื่อการสร้างองค์กรเสร็จสมบูรณ์ ไม่ว่าจะเผชิญกับคู่แข่งใดหรือดำเนินธุรกิจใด ก็สามารถมีข้อได้เปรียบในการแข่งขันได้ นอกจากนี้ หม่า ยูน ยังเคยกล่าวว่า เป้าหมายของการต่อสู้ไม่ได้จำเป็นต้องเป็นการแย่งชิงพื้นที่ใดพื้นที่หนึ่ง แต่คือการใช้การต่อสู้เพื่อขับเคลื่อนการเติบโตขององค์กร อาลีใช้การเติบโตขององค์กรเป็นมาตรฐานหลักในการตัดสินว่าการต่อสู้ครั้งใดควรดำเนินการหรือไม่ นี่คือความคิดในระดับสูงมาก หม่า ยูน เองก็เหมือนศูนย์กลางข้อมูลอันยิ่งใหญ่ ที่บินไปทั่วโลกปีละ 200 ครั้งเพื่อรับข้อมูลหลากหลาย และนำกลับมาใช้ปรับปรุงการสร้างองค์กร เขาคือประธานกรรมการในความหมายแท้จริง ไม่ใช่เพียงซีอีโอเท่านั้น

นี่คือรูปแบบการจัดองค์กรขั้นสูงสุดที่เราเคยเห็น—สามารถข้ามหลายรุ่น ครอบคลุมอุตสาหกรรมต่างๆ ทั้งประสบความสำเร็จอย่างต่อเนื่อง และปรับตัวฟื้นตัวได้หลังจากตกต่ำ โดยทั่วไปแล้ว บริษัทใดก็ตามที่แต่งตั้งซีอีโอผิดพลาดภายในระยะเวลาสิบปี มีแนวโน้มสูงที่จะเข้าสู่ภาวะเสื่อมถอย ดังนั้น การเรียนรู้จากประวัติศาสตร์ และมองการพัฒนาในปัจจุบันด้วยมุมมองที่สูงกว่า แม้แต่การตัดทอนและปรับปรุงรูปแบบปัจจุบันเล็กน้อย ก็ยังมีประสิทธิภาพมากกว่าการสร้างใหม่ตั้งแต่ศูนย์

ตอนนี้ทุกคนสามารถสร้าง agent ได้อย่างง่ายดาย ขอบเขตการเริ่มต้นใช้งานสำหรับพนักงานต่ำมาก บวกกับการสนับสนุนจากชุมชนโอเพนซอร์ส อุตสาหกรรมจึงไม่มีความลับใดๆ เหลืออยู่อีกต่อไป การแข่งขันในระดับเครื่องมือไม่สามารถแข่งขันกับชุมชนโอเพนซอร์สได้เลย แล้วอะไรล่ะที่ชุมชนโอเพนซอร์สไม่มีและไม่สามารถเลียนแบบได้ ซึ่งเป็นข้อได้เปรียบหลัก?

ฟิสิกส์ขององค์กร 04 AI: ทำไมการเปิดเผยแบบค่อยเป็นค่อยไปจึงสำคัญ?

จาง เผิง: ในยุคก่อนหน้า เมื่อพูดถึงองค์กร จะเน้นไปที่เนื้อหาต่างๆ เช่น วัฒนธรรมองค์กร คุณค่าพื้นฐาน KPI ฯลฯ เมื่อเราเปลี่ยนผ่านจากการจัดการองค์กรในยุคก่อนหน้าสู่ยุคใหม่ขององค์กร AI agent แล้ว ควรละทิ้งเนื้อหาใดอย่างสิ้นเชิง และเนื้อหาใดสามารถรักษาไว้แต่ต้องแปลงให้เหมาะสม?

หลิวเย่: เหตุผลหลักที่ Anthropic แนะนำทักษะคือแนวคิดเรื่อง “การเปิดเผยแบบค่อยเป็นค่อยไป” ในด้านการเขียนโปรแกรมด้วย AI — หาก AI รับข้อมูลที่ยุ่งเหยิงจำนวนมาก จะเกิดการเสื่อมสภาพของบริบทและการขาดความสนใจ ทำให้เกิดความสับสน การเปิดเผยแบบค่อยเป็นค่อยไปจึงช่วยให้ AI รักษาความสนใจที่ดีและให้ผลลัพธ์คุณภาพสูง หากต้องพึ่งมนุษย์ในการดำเนินการเปิดเผยแบบค่อยเป็นค่อยไป นั่นก็เท่ากับการสนทนาแบบเต็มรูปแบบด้วยมนุษย์ ซึ่งมีประสิทธิภาพต่ำ ดังนั้น คุณค่าหลักของทักษะคือการแบ่งแยกงานที่ซับซ้อนออกเป็นชั้นๆ เพื่อให้เกิดการเปิดเผยแบบค่อยเป็นค่อยไปต่อ AI

สอดคล้องกับตรรกะการจัดการของบริษัท: คณะกรรมการมุ่งเน้นที่ปัญหาเชิงกลยุทธ์ ซีอีโอมุ่งเน้นที่กลยุทธ์และการจัดการผู้บริหาร ส่วนพนักงานจัดการเรื่องง่ายๆ หากมีคน 300 คนเข้าร่วมการประชุมเดียวกัน การประชุมนั้นจะไม่สามารถดำเนินการได้ แก่นแท้ของการมีอยู่ขององค์กรคือการจัดการข้อมูลแบบหลายชั้น คล้ายกับรูปแบบมาตรฐานที่สามของฐานข้อมูลที่เพิ่มประสิทธิภาพผ่านการบีบอัดและจัดระเบียบข้อมูลเป็นชั้นๆ ปัญหาที่ซับซ้อนต้องถูกแยกออกเป็นชั้นๆ และเปิดเผยทีละขั้นตอน ไม่ใช่การป้อนบริบทจำนวนมากทั้งหมดในครั้งเดียว นี่คือตรรกะหลักของรูปแบบองค์กรแบบดั้งเดิม เนื่องจากพลังการประมวลผลในช่วงเวลาใดๆ มีข้อจำกัด

จาง เผิง: แบบจำลองแต่ละครั้งต้องใช้พลังการประมวลผลมหาศาลในการสร้างใหม่ตั้งแต่ต้น ประสิทธิภาพต่ำเกินไป

หลิวเย่: เป็นไปไม่ได้ที่จะทำได้ แก่นแท้ยังคงพึ่งพาการเปิดเผยแบบค่อยเป็นค่อยไปตามชั้น ทรัพยากรที่ต้องเรียกใช้ต้องถูกเรียกใช้ ซึ่งถูกกำหนดโดยขอบเขตความสามารถของโมเดล AI นอกจากนี้ อีกเหตุผลหนึ่งที่ Anthropic เปิดตัวทักษะ (skills) คือภารกิจที่ซับซ้อนได้เกินพ้นกฎพื้นฐานของฟิสิกส์ ทักษะสามารถแบ่งภารกิจที่ซับซ้อนออกเป็นภารกิจขนาดเล็กที่เรียบง่ายในมิติต่ำกว่า แกนหลักในการแยกแยะภารกิจไม่ใช่ระดับความยากง่าย แต่เป็นระดับความซับซ้อน—มีประเภทต่างๆ เช่น ความยากในมิติต่ำ ความยากในมิติสูง เป็นต้น เช่น การเขียนโค้ดของนักพัฒนาหรือการแก้โจทย์คณิตศาสตร์ ถือเป็นภารกิจมิติต่ำแต่มีความยากสูง

ฮו่ย ค่าย จาก Horizon ได้เสนอแบบจำลองคลาสสิกว่า: งานทุกประเภทสามารถจัดแบ่งเป็นสี่ควอดรันต์ตาม “ระดับการแข่งขัน” และ “ระดับมิติ” ได้แก่ มิติสูง-การแข่งขันสูง, มิติต่ำ-การแข่งขันต่ำ, มิติต่ำ-การแข่งขันสูง, และมิติสูง-การแข่งขันต่ำ โดยงานขายและวิศวกรอยู่ในมิติต่ำ-การแข่งขันสูง ผู้จัดการผลิตภัณฑ์และซีอีโออยู่ในมิติสูง-การแข่งขันสูง ส่วนนักวิทยาศาสตร์อยู่ในมิติสูง-การแข่งขันต่ำ — หัวข้อเหล่านี้อาจมีเพียงคนเดียวทั่วโลกที่ศึกษา จึงมีการแข่งขันต่ำแต่มิติสูงมาก งานที่มีมิติสูงและมีการแข่งขันสูงเช่น ซีรีส์สั้นคุณภาพดีหรือนิยายดีๆ ยังไม่สามารถทำได้โดย AI ในขณะที่งานที่มีมิติต่ำและมีการแข่งขันสูงเช่น การปรับปรุงโค้ด AI สามารถทำได้ดีอยู่แล้ว ยิ่งงานมีมิติสูงเท่าใด แหล่งข้อมูลจะยิ่งน้อยลง แต่ปริมาณข้อมูลที่ต้องใช้ในการฝึกโมเดลกลับยิ่งมากขึ้น นี่คือเหตุผลหลักที่โมเดลข้อความ xuất现ก่อน ตามด้วยโมเดลภาพและวิดีโอ และโมเดลวิดีโอสั้นยากที่จะนำไปใช้งานจริง ความขัดแย้งระหว่างอุปสงค์และอุปทานของงานมิติสูงกับข้อมูลมิติสูงนี้สามารถชดเชยได้เฉพาะผ่านการแยกย่อยทักษะ เช่นเดียวกับที่บริษัทเมื่อไม่พบบุคลากรสำหรับตำแหน่งระดับสูง จะแบ่งงานออกเป็นสามตำแหน่งพื้นฐาน แต่ตำแหน่งระดับซีอีโอเท่านั้นที่ไม่มีทางทดแทนได้

จาง เผิง: งานที่มีมิติต่ำและมีการแข่งขันสูง มีแนวโน้มสูงที่จะถูก AI แทนที่อย่างสมบูรณ์

หลิวเย่: จะถูกแทนที่อย่างแน่นอน และการแทนที่นี้ได้เกิดขึ้นแล้ว

จาง เผิง: ใช่จริงๆ ดังนั้นสิ่งที่มีมิติต่ำและมีการแข่งขันสูงทั้งหมดควรแก้ไขด้วย AI ให้เร็วที่สุด สามารถแยกออกเป็นทักษะต่างๆ แล้วจัดการผ่านเอเจนต์เพื่อนำไปใช้งานจริง กระบวนการนี้ไม่จำเป็นต้องมีมนุษย์เข้ามาเกี่ยวข้อง

หลิวเย่: ฉันมีแนวคิดเบื้องต้นว่า IBM และ Accenture ซึ่งเป็นบริษัทที่ปรึกษาที่ใหญ่ที่สุดสองแห่งของโลก มีธุรกิจหลักคือการสกัดแนวทางปฏิบัติที่ดีที่สุดจากอุตสาหกรรม และจับคู่กับดิจิทัล ซึ่งพวกเขาขายกระบวนการ ไม่ใช่เครื่องมือ เมื่อองค์กรซื้อกระบวนการด้านความเสี่ยงหรือทรัพย์สินทางปัญญา มักจะว่าจ้างบริษัทที่ปรึกษาเพื่อดำเนินการตาม งานหลักของเราในขณะนี้คือการสร้างกลุ่มทักษะ (skills cluster) โดยค้นหาผู้เชี่ยวชาญชั้นนำในแต่ละสาขา สรุปความสามารถของพวกเขาให้สอดคล้องกัน และพัฒนาเป็นชุดทักษะมาตรฐาน ซึ่งคล้ายกับรูปแบบของ ZuoYeHeZi — ZuoYeHeZi ร่วมมือกับโรงเรียนมัธยมปลายปักกิ่งที่ 4, โรงเรียนมัธยมปลายเหยียนตี้, ทีมออกข้อสอบระดับมหาวิทยาลัย และครูจาก Xueersi เพื่อสกัดวิธีการออกข้อสอบ การสอน และตรวจข้อสอบ แล้วร่วมมือกับวิศวกรอัลกอริธึมของ Baidu เพื่อสร้างระบบ ซึ่งก็คือการจับคู่แนวทางปฏิบัติที่ดีที่สุดเช่นกัน และความสามารถขององค์กรนั้นอยู่ที่การจัดตั้งทีมข้ามสายงานคุณภาพสูง ซึ่งต้องเข้าใจอุตสาหกรรมและวิศวกรรม สามารถประสานงานกับผู้เชี่ยวชาญชั้นนำในแต่ละสาขาได้ พร้อมทั้งมีความสามารถด้านธุรกิจ การสรรหาและบริหารบุคลากร ซึ่งเป็นองค์ประกอบหลักของบริษัท AI SaaS รุ่นใหม่

จาง เผิง: การวิเคราะห์ต่อไป อนาคตควรย้อนกลับจากมุมมองธุรกิจเพื่อกำหนดรูปแบบองค์กรที่จำเป็น องค์กร本质上เป็นโครงสร้างการจัดเรียง คล้ายกับระบบปฏิบัติการทางธุรกิจ—เมื่อวางบุคคลเป็นหน่วยผลิตภาพลงในโครงสร้างองค์กรที่เหมาะสม จะสามารถสร้างคุณค่าสูงสุด แต่ถ้าไม่เหมาะสม จะไม่สามารถทำงานได้อย่างมีประสิทธิภาพ ขณะนี้ปัจจัยผลิตภาพได้เปลี่ยนแปลงไปแล้ว จากการพึ่งพาแรงงานมนุษย์เป็น AI ที่สามารถจัดหาได้ไม่จำกัด และ只要形成正循环ก็สามารถขยายขนาดได้อย่างต่อเนื่อง วัฒนธรรมองค์กรในอดีต ตอนนี้อาจถูกแปลงเป็นเป้าหมายและบริบท ไม่จำเป็นต้องใช้สโลแกน การประชุมสามขั้นตอน หรือกิจกรรมสร้างความสัมพันธ์อีกต่อไป

หลิวเย่: วัฒนธรรมคือเจตนาในการจัดการ ไม่ใช่เจตนาทางธุรกิจ ในยุคก่อนหน้า กลยุทธ์เริ่มต้นจากวิสัยทัศน์ วิสัยทัศน์กำหนดคุณค่า องค์กรอยู่ภายใต้กลยุทธ์ ธุรกิจตรวจสอบทุกอย่าง ในขณะที่วัฒนธรรมเป็นเพียงเครื่องมือในการบริหารองค์กร ไม่ได้ให้บริการโดยตรงต่อกลยุทธ์ และอาจเป็นเพียงความชอบส่วนตัวของผู้ก่อตั้ง

จาง เผิง: ในกระบวนการให้บริการผู้คนในอดีตมีช่องว่างจำนวนมาก ปัญญาประดิษฐ์กำลังกำจัดช่องว่างเหล่านี้หรือไม่?

หลิวเย่: ใช่ วัฒนธรรมในยุคปัญญาประดิษฐ์ไม่สำคัญอีกต่อไป วัฒนธรรมคือส่วนความเชื่อของการจัดระเบียบของมนุษย์ แต่ปัญญาประดิษฐ์ไม่ต้องการ ปัญญาประดิษฐ์ไม่มีร่างกายทางกายภาพ จึงไม่จำเป็นต้องได้รับแรงผลักดันจากวัฒนธรรม ความต้องการหลักของปัญญาประดิษฐ์คือกำลังการประมวลผล

จาง เผิง: คุณหมายความว่า AI ต้องการเป้าหมายและหลักการ เอกสารหนึ่งฉบับก็เพียงพอที่จะกำหนดเป้าหมายและหลักการได้อย่างชัดเจน หน่วยผลิตทั้งหมดสามารถซิงค์และดำเนินการตามอย่างซื่อสัตย์ทันที โดยไม่มีความคลาดเคลื่อน แรงเสียดทานจำนวนมากในองค์กรของมนุษย์จึงหายไป

หลิวเย่: ใช่ องค์กรเดิม: กลยุทธ์ → วัฒนธรรม → บุคลากร → การดำเนินการ องค์กร AI ปัจจุบัน: เป้าหมาย → หลักการ → ทักษะ → การจัดเรียง สายการจัดการทั้งหมดถูกบีบอัดลงครึ่งหนึ่ง

05 กำแพงสุดท้าย: ความงามและการเรียงลำดับ

จาง เผิง: อุปสรรคใหม่ขององค์กรคืออะไร? คุณภาพของบุคลากรถูกแทนที่ด้วย Skill Set ตราบใดที่ฉันมีรสนิยม ฉันก็สามารถดึงเอา Skills ที่ดีที่สุดจากทั่วโลกได้ แล้วในระดับที่สูงกว่านั้นคือ 「การจัดการ」 (Orchestration) ใช่ไหม? สิ่งนี้จะเกิดการเปลี่ยนแปลงอะไรบ้าง?

หลิวเย่: เช่นเดียวกับที่ฮัวเฉียงเป่ยสามารถซื้อชิ้นส่วนอิเล็กทรอนิกส์ทุกชนิดได้ แต่ทำไมไม่ใช่ทุกคนจึงสามารถสร้างแอปเปิลได้? ในหนังสือชีวประวัติของจอบส์ มีนิยามความงามอย่างชัดเจน: การเคยเห็นสิ่งที่ดีมากมายในโลก และสามารถแยกแยะความแตกต่างระหว่างดีกับไม่ดี นั่นคือความงาม หากไม่เคยเห็นผลิตภัณฑ์ที่ดี กระบวนการที่ดี หรือองค์กรที่ดี ก็จะไม่สามารถสร้างผลงานคุณภาพสูงได้

จาง เผิง: ความรู้ความเข้าใจคือเงื่อนไขพื้นฐานของความงาม

หลิวเย่: มีเพียงประสบการณ์และพรสวรรค์เท่านั้น

จาง เผิง: ความงามแสดงออกในสองวิธี: หนึ่งคือการออกแบบและจัดเรียงอย่างมีเป้าหมาย สองคือการระบุและเลือกสิ่งที่ดีเด่นที่เกิดขึ้นจากความวุ่นวาย วิธีทั้งสองนี้ไม่ขัดแย้งกัน

หลิวเย่: จริงๆ แล้วไม่ขัดแย้งกัน ผลลัพธ์บางส่วนของแอปเปิลมาจากการพัฒนาด้วยตนเอง บางส่วนมาจากการซื้อกิจการบริษัทภายนอก หัวใจสำคัญคือการมีรสนิยม — ไม่จำเป็นต้องสร้างใหม่ทุกอย่าง แต่เมื่อจำเป็นก็สามารถพัฒนาด้วยตนเองได้

จาง เผิง: ประเด็นหลักคือ ควรให้เอเจนต์ทำงานภายในโมดูลที่กำหนดไว้ก่อนแล้วจึงยืนยันเส้นทางเพื่อให้เกิดการจัดเรียงแบบเกิดขึ้นเอง หรือควรกำหนดเส้นทางทั้งหมดล่วงหน้าเพื่อการจัดเรียงแบบออกแบบไว้ล่วงหน้า?

หลิวเย่: การเกิดขึ้นนั้นไม่ได้ถูกควบคุม จำเป็นต้องตั้งกฎและหลักการพื้นฐานก่อน ซึ่งจะแสดงถึงรสนิยมของบุคคลนั้น เช่นเดียวกับวิศวกรที่ดีสามารถสร้าง Openclaw ที่ใช้งานได้ดีด้วยรหัสเพียง 500 หรือ 5,000 บรรทัด แต่วิศวกรที่ไม่ดีแม้เขียนรหัสถึง 50,000 บรรทัดก็ไม่สามารถบรรลุผลลัพธ์ที่เทียบเท่ากันได้ กฎพื้นฐานยังคงต้องถูกกำหนดโดยมนุษย์

จาง เผิง: ดังนั้น ไม่สามารถรอให้สิ่งใหม่เกิดขึ้นจากความวุ่นวายได้ เพราะต้องใช้เวลานานมาก การจัดเรียงยังคงมีความสำคัญอย่างยิ่ง การจัดเรียงเช่นนี้สุดท้ายแล้วจะต้องมาจากผู้ก่อตั้งเท่านั้น หรือมันคล้ายกับ “ผู้ผลิต” มากกว่า?

หลิวเย่: ฉันคิดว่าคำนิยามของผู้ผลิตนี้ดีมาก จริงๆ แล้ว แม้จะมีการเกิดขึ้นเองและผลประโยชน์จากขนาดใหญ่ ก็ยังต้องการการติดป้ายข้อมูล การทำความสะอาดข้อมูล และการปรับสมดุลอัลกอริทึมอย่างต่อเนื่อง เพื่อหลีกเลี่ยงการขยายตัวอย่างไม่มีระเบียบ

การจัดเรียงขึ้นอยู่กับความซับซ้อนของธุรกิจ—ธุรกิจที่ซับซ้อนไม่สามารถทำได้โดยคนเดียว เช่น การถ่ายทำละครสั้นหรือการเขียนคำสั่ง การดำเนินการจริงจะเผชิญกับความยากลำบากมากมาย แนวคิดเรื่อง “บริษัทหนึ่งคน” ถูกใช้อย่างไม่เหมาะสม โลกไม่สามารถถูกลดความซับซ้อนลงได้อย่างไม่จำกัด แม้ว่าคอมพิวเตอร์จะสามารถควบคุมได้โดยคนเดียว แต่บุคคลหนึ่งคนยากที่จะเชี่ยวชาญทักษะระดับสูงทั้งหมด บุคคลพิเศษที่สามารถเชี่ยวชาญหลายสาขาและรับผิดชอบตำแหน่งใดก็ได้ เช่น อีลอน มัสก์ หรือหลี่ ฟียี่ นั้นหายากมาก

จาง เผิง: หากเราสามารถเรียกใช้ระบบเอเจนต์และทักษะชั้นนำระดับโลก เช่น นักเขียนบทที่ยอดเยี่ยม ทฤษฎีแล้วเราสามารถใช้ทรัพยากรเหล่านี้เพื่อสร้างภาพยนตร์ที่มีชื่อเสียงระดับโลกและทำกำไรได้หรือไม่? แม้ว่านักเขียนบทจะมีจุดเด่นหลัก (บทภาพยนตร์ที่ดี) แต่ไม่สามารถดำเนินการทุกขั้นตอนได้ การปิดวงจรแบบ “จุดเด่นหลัก + ทรัพยากรระดับโลก” นี้เป็นไปได้หรือไม่?

หลิวเย่: นี่เป็นปัญหาข้อมูลโดยพื้นฐาน—มีข้อมูลที่จัดเก็บข้อมูลมิติสูงสุดหรือไม่? ตัวอย่างเช่น การฝึกทักษะของซีอีโอ ขณะนี้ยังไม่มีข้อมูลเพียงพอรองรับ: บทความยาวหมื่นคำของเรนเจิ่งเฟย หรือคำพูดของหม่าหยู ไม่สามารถถ่ายทอดความเข้าใจระดับมิติสูงของพวกเขาได้อย่างสมบูรณ์; แม้จะรวบรวมงบการเงินของบริษัททั่วโลกและคำพูดทั้งหมดของซีอีโอ ก็ยังไม่สามารถฝึกโมเดลที่สามารถปฏิบัติหน้าที่ซีอีโอได้ เพราะความสามารถหลักของซีอีโอคือความรู้เชิงนัย ซึ่งไม่สามารถเปิดเผยได้ผ่านข้อความอย่างสมบูรณ์

จาง เผิง: กล่าวคือ ความสามารถหลักของซีอีโอในปัจจุบันยังไม่สามารถถูกเวกเตอร์ได้ ซึ่งจำกัดแนวคิดอุดมคติของ “บริษัทหนึ่งคน” — แม้ว่าแต่ละคนจะสามารถใช้ข้อได้เปรียบในมิติเดียวร่วมกับทรัพยากรชั้นนำระดับโลก แต่ก็ยังขาดผู้จัดการที่สำคัญที่สุด ซึ่งแก่นแท้คือปัญหาของความสามารถในการจัดเรียง สรุปแล้ว แม้จะมี “ชิ้นส่วน” ที่ดีที่สุด ก็ยังต้องมีความสามารถในการจัดเรียงที่แข็งแกร่ง

หลิวเย่: ผลิตภัณฑ์ผู้จัดการก็เช่นกัน ความรู้เชิงนัยของพวกเขาไม่สามารถถูกแปลงเป็นข้อความได้อย่างสมบูรณ์ นี่คือเหตุผลพื้นฐานที่ทำให้เพื่อน AI และเนื้อหาที่สร้างโดย AI ยังไม่ดู "มีชีวิตชีวา" — เนื่องจากขาดข้อมูลสนับสนุนในระดับสูงของความรู้เชิงนัย เมื่อปริมาณข้อมูลน้อย ให้เน้นที่ทักษะ; เมื่อปริมาณข้อมูลมาก จึงค่อยสร้างโมเดล หุ่นยนต์ในปัจจุบันยังไม่สามารถนำไปใช้งานได้จริง เพราะขาดข้อมูลเพียงพอ

จาง เผิง: จากนี้สามารถสรุปได้ว่า จุดตัดสินความสำเร็จในการแข่งขันของบริษัทในอนาคตจะไม่ใช่ความสามารถในการเข้าถึงโมเดลชั้นนำอีกต่อไป — ทรัพยากร AI เริ่มต้นดูเหมือนจะเท่ากันทั้งหมด ความสามารถในการประมวลผลขึ้นอยู่กับทรัพยากรทางการเงินและความสามารถในการสร้างวงจรธุรกิจที่สมบูรณ์ ความแตกต่างสุดท้ายจะกลับมาอยู่ที่ “ผู้ผลิต” เอง นั่นคือ ความสามารถในการจัดเรียงและนวัตกรรมของเป้าหมาย รวมถึงความหมายของมัน ซึ่งสองประเด็นนี้คือข้อได้เปรียบเชิงแข่งขันหลักของบริษัท

หลิวเย่: หุ้นส่วนเก่าของแมคกินซีย์เคยบอกฉันว่า ธุรกิจหลักของแมคกินซีย์คือการสกัดแนวทางปฏิบัติที่ดีที่สุด สร้างแบบจำลอง และช่วยองค์กรดำเนินการทีละขั้นตอน ตัวอย่างเช่น เมื่อให้คำปรึกษาแก่โรงงานยานยนต์จีน จะปรึกษากับเพื่อนร่วมงานญี่ปุ่นเกี่ยวกับวิธีการของโตโยต้า ซึ่งแก่นแท้คือการลอกเลียนและนำไปปฏิบัติจริง

กรณีของมี่เหมินในการทำซีรีส์สั้นมีความหมายเป็นแบบอย่างที่น่าสนใจ เธอสำเร็จการศึกษาจากภาควิชาภาษาจีน แต่ทีมงานหลักประกอบด้วยบุคลากรจากภาควิชาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ของมหาวิทยาลัยชิงหัวและปักกิ่ง ซึ่งเชี่ยวชาญในการวิเคราะห์ตรรกะของวิดีโอสั้นที่เป็นไวรัส จนสามารถบรรลุอัตราการเป็นไวรัสที่สูงมาก แนวคิดนี้โดยพื้นฐานแล้วเป็นการสร้างแบบจำลองทางสังคมวิทยาสำหรับอุตสาหกรรม แม้จะมีความเป็นไปได้ที่จะเกิดการโอเวอร์ฟิต แต่ทิศทางของการสร้างแบบจำลองนั้นถูกต้อง

IBM, เอเซนเนอร์ และแมคคินซีย์ต่างทำสิ่งเดียวกันนี้—แมคคินซีย์รุ่นแรกได้สร้างแบบจำลองแนวทางปฏิบัติที่ดีที่สุดให้กับหุ้นส่วน ส่วน IBM ได้แปลงเป็นกระบวนการดิจิทัล แก่นแท้ของทั้งสองคือการ “ขายการจัดการและกระบวนการ”

จาง เผิง: หัวใจสำคัญคือการสกัดแนวทางปฏิบัติที่ดีที่สุด แล้วตรวจสอบและนำไปใช้งานซ้ำๆ นี่คือกุญแจสำคัญในการชนะในองค์กรธุรกิจในอนาคต การแยกแยะอย่างละเอียดเท่านั้นที่จะทำให้สามารถจัดเรียงอย่างมีประสิทธิภาพได้ ดังนั้น ทิศทางหลักของคุณในขั้นตอนต่อไปคือการขับเคลื่อนตามแนวคิดนี้ใช่ไหม?

หลิวเย่: ในสามปีที่ผ่านมา เราเน้นทำธุรกิจ AI ToC โดยใช้วิธีการ MetaOrg ในการสร้างระบบการสอนและการวิจัยใหม่ทั้งหมด นี่ไม่ใช่เรื่องง่ายๆ ที่ว่า “ใช้ AI เพื่อเพิ่มประสิทธิภาพ” เราได้สร้างองค์กรการสอนแบบ Agentic ที่สมบูรณ์ ซึ่งขับเคลื่อนโดยทีมวิจัยการสอนเสมือนจริงแต่ละทีม: ทีมวิจัยการเรียนรู้ภาษา รับผิดชอบติดตามทฤษฎีล่าสุดเกี่ยวกับการเรียนรู้ภาษาที่สอง ทีมรวบรวมข้อมูลเฉพาะด้าน ดึงข้อความที่เป็นธรรมชาติจากบริบทจริง ทีมประเมินการสนทนา สร้างมาตรฐานการประเมินความสามารถพูดแบบหลายมิติ ทีมออกแบบการสนทนา แปลงวิธีการสอนให้เป็นการโต้ตอบระหว่างมนุษย์กับเครื่องจักรอย่างเป็นธรรมชาติ ทีมออกแบบภาชนะคำถาม แก้ปัญหาการปรับให้เข้ากันระหว่างรูปแบบและเนื้อหาแบบฝึกหัด และทีมวิเคราะห์ข้อมูล ค้นหาสัญญาณจริงเกี่ยวกับผลลัพธ์การเรียนรู้จากพฤติกรรมผู้ใช้ แต่ละทีมมีทักษะของตนเอง กระบวนการทำงานของตนเอง และมาตรฐานการประเมินของตนเอง ปัจจุบันงานประมาณ 80% เช่น การติดป้ายข้อมูลตำรา การตรวจสอบและประเมิน การวิเคราะห์ผู้ใช้ และการปรับปรุงผลิตภัณฑ์ ถูกดำเนินการโดย AI

เส้นทางการพัฒนาของเราคือการยกระดับจาก “AI เป็นฟังก์ชัน” เป็น “AI เป็นความสามารถขององค์กร” ตำแหน่งครูสอนภาษาอังกฤษอยู่ในระดับความซับซ้อนปานกลาง เราได้สรุปแนวคิดนี้ออกมาและใช้ MetaOrg สร้างตำแหน่งอื่นๆ; หากผสานกับโครงสร้างทักษะล่าสุด 有望สร้างตำแหน่งที่สูงขึ้นอีก

ขณะนี้เราได้เสร็จสิ้นการสร้างระบบ AI tutor แบบครบวงจร รวมถึงการนามธรรมและดำเนินการทางวิศวกรรมของความสามารถในการจัดเรียง ในอนาคตจะมีแนวโน้มสูงที่จะยกระดับจาก Meta tutor เป็น Meta organization โดยหน่วยย่อยพื้นฐานคือตำแหน่งงาน ไม่ใช่พนักงาน โดยเน้นที่การร่วมมือและการจัดการระหว่างตำแหน่งงานต่างๆ จุดเน้นปัจจุบันของเราคือการเชื่อมต่อกับซีอีโอชั้นนำจากอุตสาหกรรมต่างๆ เพราะซีอีโอคือ “ผู้ผลิตหลัก” ที่แท้จริง

จาง เผิง: ดังนั้นสิ่งที่คุณเปิดตัวจึงใกล้เคียงกับแผนกที่สามารถขยายขนาดได้ใช่ไหม?

หลิวเย่: เป้าหมายคือการขับเคลื่อนไปสู่แนวทางของ「บริษัท」 บริษัทขนาดใหญ่โดยพื้นฐานแล้วประกอบด้วยบริษัทย่อยหลายแห่ง และหน่วยเล็กที่สุดคือตำแหน่งงาน ต้องให้ความสำคัญทั้งกับการเลือกกลยุทธ์ของอุตสาหกรรมทั้งหมด และเริ่มจากตำแหน่งงานเพื่อขับเคลื่อนการปรับปรุงผลิตภัณฑ์—หากตำแหน่งงานไม่ดี แม้ผู้จัดการจะมีความสามารถสูง ก็ไม่สามารถสร้างองค์กรที่มีประสิทธิภาพได้

จาง เผิง: เพื่อสร้างแผนกที่ดี ต้องเริ่มจากการแยกแยะทักษะและตำแหน่งงานที่เกี่ยวข้องกับแผนก จากนั้นแยกทักษะที่ตรงกับแต่ละตำแหน่ง และต้องมุ่งมั่นให้ทักษะเหล่านี้อยู่ในระดับ SOTA

หลิวเย่: มีวิธีหลักเพียงวิธีเดียว: ร่วมสร้างกับบริษัทชั้นนำที่สุดที่ได้รับบริการ ทักษะที่สร้างขึ้นต้องได้รับการประเมินโดยบริษัทชั้นนำว่าตรงตามความต้องการหรือไม่ เช่นเดียวกับแผนที่ลูกน้องเขียนขึ้นต้องได้รับการตรวจสอบจากหัวหน้า ไม่สามารถทำเพียงเพื่อความพึงพอใจส่วนตัวได้ เช่น การสร้างแบบจำลองสำหรับละครสั้น ต้องได้รับการยอมรับจากองค์กรชั้นนำในอุตสาหกรรม มิฉะนั้นก็ไม่ถือว่าเป็นชั้นนำจริงๆ ทุกอย่างต้องได้รับการประเมินและวัดผล

Midjourney สามารถสร้างภาพคุณภาพสูงได้ เพราะทีมงานประกอบด้วยช่างภาพและวิศวกรที่มีรสนิยมด้านภาพระดับแนวหน้า; LV ใช้ Stable Diffusion ในการฝึกโมเดลภาพ ซึ่งให้ผลลัพธ์เหนือกว่าโมเดลทั่วไปมาก เพราะ LV มีรสนิยมและข้อมูลด้านภาพชั้นนำระดับโลก จึงเห็นได้ว่า ความสามารถในการประเมินคือหัวใจสำคัญ หากต้องการเป็นบริษัท AI จำเป็นต้องทำเช่นเดียวกับ IBM และ Huawei — IBM หลังจากให้บริการบริษัทรถยนต์ชั้นนำ ได้รับรู้แนวทางปฏิบัติที่ดีที่สุดในการผลิตรถยนต์และถ่ายทอดออกไป; Huawei ใช้เงิน 4 พันล้านดอลลาร์สหรัฐในการซื้อกระบวนการ IPD ทั้งเพื่อใช้ในการจัดการภายในและส่งออกภายนอก นี่คือข้อได้เปรียบเชิงแข่งขันที่แท้จริง

จาง เผิง: โดยแก่นแล้วคือการแยกแยะทักษะตามแนวทางปฏิบัติที่ดีที่สุด เพื่อให้บรรลุ SOTA ของทักษะ แล้วพัฒนาเป็น SOTA ของตำแหน่งและแผนก สุดท้ายจัดเรียงเป็น SOTA ของธุรกิจ นี่คือเส้นทางที่ชัดเจนสู่ความเป็นเลิศด้านธุรกิจ อีกประเด็นสำคัญหนึ่งคือ: จะรักษาให้ทักษะทันสมัยอย่างไร? เช่นเดียวกับการกลายพันธุ์ในระบบนิเวศของสิ่งมีชีวิตบนโลก SOTA ของยุคหนึ่งอาจถูกแทนที่ในยุคถัดไป จะรับมือกับการเปลี่ยนแปลงนี้อย่างไร?

หลิวเย่: ตรรกะหลักสอดคล้องกับการวิวัฒนาการของมนุษย์และสิ่งมีชีวิต นั่นคือ การรับรู้ การวางแผน การกระทำ และการทบทวน รักษาความหนาแน่นของบุคลากรที่สูงและลักษณะข้ามสาขาขององค์กร ด้านหนึ่งเชื่อมต่อกับขอบเขตเทคโนโลยีล่าสุด (นักวิจัย) อีกด้านหนึ่งศึกษารูปแบบธุรกิจ พร้อมร่วมสร้างกับลูกค้าชั้นนำในอุตสาหกรรม เพื่อประเมินและปรับปรุงอย่างต่อเนื่องในสถานการณ์จริง นี่คือวิธีเดียว

จาง เผิง: จากการย้อนกลับไปวิเคราะห์ ระบบที่เกิดจากแนวทางปฏิบัติที่ดีที่สุดของบริษัทชั้นนำสามารถช่วยให้บริษัทระดับกลางก้าวกระโดดไปข้างหน้า แต่ระบบที่เช่นนี้ส่วนใหญ่จะสามารถใช้งานได้เฉพาะบริษัทที่มีทรัพยากรและทุนทรัพย์เท่านั้น บริษัทขนาดเล็กและผู้ประกอบการรุ่นใหม่มักไม่สามารถจ่ายได้ วงการที่ปรึกษาได้พัฒนาจากบริการแบบดั้งเดิมเป็นผลิตภัณฑ์ที่เป็นเครื่องมือ โอกาสสำหรับรุ่นใหม่จึงมีเพียงแค่ในระดับทักษะเท่านั้นหรือ? จะสร้างนวัตกรรมที่ทำลายล้างในระดับทักษะได้อย่างไร เพื่อหลีกเลี่ยงไม่ให้อุตสาหกรรมติดกับวงจรของชนชั้นสูง?

หลิวเย่: ในอุตสาหกรรม SaaS รุ่นก่อนหน้า บริษัทต่างๆ เช่น Salesforce, Palantir, Notion, Slack บางแห่งเน้นเครื่องมือทั่วไป บางแห่งเน้นบริการแบบบูรณาการ ซึ่งพิสูจน์ว่าผู้ประกอบการรุ่นใหม่ยังมีโอกาส — หลีกเลี่ยงธุรกิจที่ไม่มีข้อได้เปรียบของตนเอง มุ่งเน้นทักษะทั่วไป และหาตำแหน่งทางนิเวศที่เหมาะสม Notion เป็นตัวอย่างที่ชัดเจน ไม่เกี่ยวข้องกับกระบวนการธุรกิจเฉพาะเจาะจง แต่แค่สรุปฟังก์ชันการบันทึกข้อความให้เป็นเครื่องมือทั่วไป โลกในที่สุดจะเป็นการแบ่งงานและความร่วมมือระหว่างเอเจนต์จำนวนมาก ผู้คนรุ่นเยาว์ควรหาตำแหน่งทางนิเวศก่อน แล้วจึงใช้ข้อได้เปรียบของตนเองเพื่อพัฒนา ยึดมั่นในแนวโน้มอนาคต และหลีกเลี่ยงไม่ให้กลายเป็นศัตรูของเวลา ในสิบปีที่ผ่านมา ผู้ประกอบการอินเทอร์เน็ตรุ่นแรกส่วนใหญ่เป็นผู้กลับจากต่างประเทศ (ใช้ข้อได้เปรียบด้านความรู้) รุ่นที่สองส่วนใหญ่เป็นโปรแกรมเมอร์ (ใช้การระเบิดของเครื่องมือ) และรุ่นที่สามของอินเทอร์เน็ตอุตสาหกรรมส่วนใหญ่เป็นผู้ประกอบการที่เริ่มต้นใหม่ครั้งที่สอง รูปแบบชัดเจน ผู้คนรุ่นเยาว์ควรเข้าใจสถานการณ์กลางและข้อได้เปรียบของตนเอง

จาง เผิง: ดังนั้นคุณคิดว่าการนวัตกรรมและการปรับปรุงในระดับทักษะมีผลกระทบจำกัด โอกาสที่ใหญ่ที่สุดของรุ่นใหม่อาจอยู่ที่การนวัตกรรมเป้าหมาย—การระบุเป้าหมายใหม่ที่เกิดขึ้นในยุคสมัยนี้ ผสานกับทักษะคุณภาพสูง และพัฒนาอย่างต่อเนื่อง เพื่อสร้างระบบใหม่บนเป้าหมายใหม่และบรรลุการแตกหัก

หลิวเย่: การแข่งขันด้านทักษะนั้นละเอียดอ่อนมาก แม้ทักษะปัจจุบันจะได้รับความนิยม แต่หากมีผู้สร้างทักษะที่ดีกว่าและสามารถจับคู่กับผู้เชี่ยวชาญระดับสูงสุดของมนุษย์ได้ ทักษะปัจจุบันก็จะถูกแทนที่ นี่จึงกลับมาสู่ประเด็นเรื่องกำแพงป้องกัน: ผู้เริ่มต้นไม่จำเป็นต้องเป็นผู้ชนะในที่สุด อาจกลายเป็น “ปุ๋ย” ให้คู่แข่งระดับสูงกว่า

จาง เผิง: ความกลัวคือการกลายเป็น “โปรแกรมโหลด” ที่เพียงช่วยให้คู่ต่อสู้ระดับสูงกว่าสร้างพื้นฐานได้สำเร็จ หากแค่ปรับปรุงประสิทธิภาพบนเป้าหมายเดิม ก็ไม่มีความหมาย เพราะข้อได้เปรียบด้านประสิทธิภาพสุดท้ายจะถูกลบล้างไป ดังนั้น รุ่นใหม่จึงต้องบรรลุการก้าวกระโดด โดยต้องสร้างความแตกต่างอย่างพื้นฐานในเป้าหมาย

หลิวเย่: ถูกต้อง การที่ตัวเองไม่สามารถเติบโตเป็นแรงขับเคลื่อนหลัก กลับแค่เลี้ยงดูคู่แข่งที่มีมิติสูงกว่า แก่นแท้ของธุรกิจเรียบง่ายมาก คือการระบุให้ชัดเจนว่าลูกค้าคือใคร ให้บริการลูกค้าอย่างไร และทำอย่างไรให้ลูกค้าไม่สามารถอยู่ได้โดยไม่มีคุณ ผู้คนรุ่นใหม่ใดๆ ที่ไม่สามารถเข้าใจได้ว่าลูกค้าคือใคร ก็ไม่สามารถบรรลุการปรับปรุงได้

จาง เผิง: ควรให้ความสนใจกับตลาดใหม่ด้วย เพราะการแข่งขันในตลาดที่มีอยู่แล้วนั้นยากมาก หากธุรกิจของคุณประสบความสำเร็จ จะดึงบริษัทในสาขาเดียวกันให้มาอยู่ในระดับความก้าวหน้าเดียวกัน บริษัทเหล่านี้มีทั้งทรัพย์สินและความรู้ความเข้าใจ ผู้คนรุ่นใหม่จึงยากที่จะแข่งขันกับพวกเขาในตลาดที่มีอยู่แล้ว

หลิวเย่: ในอุตสาหกรรม SaaS รุ่นก่อนหน้า ความสำเร็จของบริษัทต่างๆ เช่น Notion และ Slack อยู่ที่ความแตกต่างเป้าหมาย

ในช่วงเริ่มต้นของการพัฒนา SaaS รุ่นก่อนหน้า กองทุนจีนมักมีแนวโน้มลงทุนในนักวิทยาศาสตร์ แต่ต่อมาพบว่า นักวิทยาศาสตร์เหมาะกับการร่วมมือและแลกเปลี่ยนความรู้มากกว่าการเป็นผู้ประกอบการ — พื้นที่ระดับสูงที่มีการแข่งขันต่ำซึ่งนักวิทยาศาสตร์อยู่นั้น แตกต่างจากตรรกะของโลกธุรกิจที่มีระดับสูงและแข่งขันสูง ยิ่งระดับของพื้นที่สูงเท่าใด ความยากในการเปลี่ยนไปสู่พื้นที่ใหม่ก็ยิ่งมากขึ้น เพราะรูปแบบการคิดหลักต่างกันโดยสิ้นเชิง ในทุกพื้นที่ ช่วงเริ่มต้นจะเป็นการแข่งขันด้านเทคโนโลยี (ระดับต่ำแต่แข่งขันสูง เทคโนโลยียังไม่สุกงอม) เมื่อเทคโนโลยีสุกงอมแล้ว จะเข้าสู่การแข่งขันด้านธุรกิจ (ระดับสูงและแข่งขันสูง โดยผู้เชี่ยวชาญอุตสาหกรรม ผู้จัดการผลิตภัณฑ์ และผู้ปฏิบัติงานด้านธุรกิจเป็นผู้นำ) เช่น เมื่อ iPhone เพิ่งเปิดตัว แอปพลิเคชันในอันดับต้นๆ ส่วนใหญ่ถูกพัฒนาโดยโปรแกรมเมอร์ แต่หลังจากหลายปี เมื่ออินเทอร์เน็ตเชิงอุตสาหกรรมเริ่มเฟื่องฟู ผลิตภัณฑ์ที่นำโดยโปรแกรมเมอร์ในอันดับต้นๆ ทั้งหมดก็ถูกแทนที่ไปหมด

หากยุคปัญญาประดิษฐ์ยังคงยึดตามตรรกะของอินเทอร์เน็ตเคลื่อนที่ แรงผลักดันหลักของซิลิคอนแวลลีย์จะยังคงเป็นผู้เชี่ยวชาญที่มีประสบการณ์ เช่นเดียวกับอินเทอร์เน็ตอุตสาหกรรมของจีนที่ส่วนใหญ่เป็นผู้ประกอบการที่เริ่มต้นครั้งที่สอง โอกาสของคนรุ่นใหม่ยังคงอยู่ที่การค้นหาเป้าหมายที่แตกต่าง