Sohbet | Zhang Peng

Herkes dijital çalışanlar ve Agent araçları geliştirmeye ve alt alanlarda sonsuzca rekabete girdiğinde, AI girişimlerinin gerçek koruma duvarı nerede?

Son zamanlarda, Geek Park kurucusu ve başkanı Zhang Peng ile VisionFlow kurucusu Liu Ye, OpenClaw'un patlamasının ardından ileriye dönük bir tartışma gerçekleştirdi. 1979 yılında doğan Çin'in ilk nesil programcısı olarak, Liu Ye, alt seviye donanımdan yazılıma, kurumsal entegrasyondan (ToB) çevrimiçi eğitime (endüstriyel internet) kadar tam bir döngüyü yaşadı. Ayalarca kendi kendine kapalı kalıp, küresel lider AI şirketlerinin araştırmacıları ve yerel en üst düzey girişimcilerle "her şeyi konuşarak", korkutucu bir sonuca vardı: AI'yi tek bir görevi yerine getirmek için bir "dijital çalışan" olarak kullanmak, mühendislik zihninin gerçek iş süreçlerini aşırı basitleştirmesidir.

Bu diyalogda Liu Ye, "adımlı maruziyet", "görevlerin yüksek-düşük boyutlu matrisi" gibi çok sayıda ilham verici kavram ve çerçeve ortaya attı. Tartışma sırasında, yapay zekânın bir sonraki adımının yaygın araçlar değil, işbirliği, raporlama ve yansıma mekanizmalarına sahip bir "dijital organizasyon" kurmak olacağı netleşti. Kurumsal kültür artık gerekli olmayacak, düşük boyutlu işler tamamen ortadan kalkacak ve geleceğin CEO'su belki de "başkan" değil, aşırı bir estetik sahibi olan bir "prodüktör" olacak.

Bu, AI çağındaki organizasyon yapıları, ticari engeller ve yeni nesil girişimcilerin ekosistem konumları üzerine bir tartışma ve senaryo çalışmasıdır. Gelecekteki girişimciler için daha derin tartışmaları teşvik etmeyi amaçlamaktadır.

GeekPark tarafından derlenen diyalog özeti şudur:

01 Milyon A Savaşı başladı, yapılabilecek çok şey var,

Ancak en önemlisi ne yapmak olmalı

Zhang Peng: İş kutusundan bugüne kadar OpenClaw'ın getirdiği değişiklikleri bu kadar merakla takip ediyorsunuz, sizde nasıl bir değişim yaşadınız?

Liu Ye: Çin'in ilk nesil programcısıyım, küçükken programlamayı öğrenmeye başladım. BASIC'ten DOS'a, ardından Windows'a ve bugünün Mac dönemine kadar geçen süreci yaşadım ve üç büyük portalın yükselişini gözlemledim. Kurumsal bilgi sistemi alanında çalıştım, Çin'in IBM'i olmak istedim; daha sonra İş Ödevi Kutusu'na geçiş yaptım ve çevrimiçi eğitimde derin bir şekilde yer aldım. Çevrimiçi eğitim, çok derin bir endüstri, endüstriyel internetin en üst düzey biçimi ve aynı zamanda "son tren". Bu deneyim, endüstriyel internetin çekirdeğinin teknoloji değil, endüstri kendisi ve iş olduğunu benim için derin bir şekilde hissettirdi. Endüstriyel internetin kuralı, önce bilgi eşleştirme, ardından standartlaştırılmış ürünler, ardından tedarik zinciri ve nihayetinde standartlaştırılmamış karmaşık hizmetlerdir. Ne kadar ileri gidilirse, katma değer o kadar yüksek olur ve o kadar zor hale gelir.

Bu nedenle, AI dalgası geldiğinde, yaptığım ilk şey, neredeyse altı ay boyunca hiçbir şey yapmadan, HR'ye konuşabileceğim herkesle konuşmasını istemekti. Her bir yıldız startup'ın baş bilim insanından, temel model büyük şirketlerinin temel algoritmalarına, mühendislerine ve araştırmacılarına kadar, yeni nesil AI girişimcilere kadar, konuşulabilecek herkesle konuştum ve yaklaşık bin saati aşkın iletişim yoğunluğu biriktirdim. Ne kadar derine inildi? Karşı tarafın ilk cümlesini söylemesiyle ikinci cümlesini bilebiliyordum; herkesin ortak görüşü artık çok az farklıydı.

Bir dizi görüşmenin ardından sonuç şaşırtıcı şekilde aynı: Herkes aynı şeyi yapıyor—dijital çalışanlar. Bu, yıllar önce bir uzmanın bulut hesaplama hakkında yaptığı stratejik bir hata hatırlattı; o, "AliCloud yapmak aslında sadece bir dosya deposu değil mi?" dedi. Eski bir çerçeveyle yeni bir şeyi anlamaya çalışırsanız, her zaman en yüzeysel seviyeyi görürsünüz.

Bugün herkes, bir dijital çalışan olup Claude ile bir “dijital satış” veya “dijital müşteri hizmetleri” oluşturmanın teknik engellerinin ve avantajlarının nerede olduğunu düşünüyor. Bir kişinin bir günde milyarlarca TOKEN harcamasının normal hale gelmesi, bu daha çok bir imalat endüstrisine benziyor ve asla yükselmeyecek. Bu yüzden her girişimciye aynı soruyu soruyorum: Neden sen? Neden sen başarılı olacaksın? Daha genç misin? Daha zekiyim? Daha çok gece uyanık kalabiliyor musun? Bir boyutta rekabet ediyorsan, bu sadece “10 saniyede 69” ve “10 saniyede 70” arasındaki fark mı?

Zhang Peng: Evet, bugün yapılması gereken çok şey var, ama ne yapmak önemli, o en önemlisi. Bunla ilgili düşünceleriniz var mı?

02 Endüstriyel İnternet'in on yılı, bugün tekrar yaşanacak

Liu Ye: Yapay zeka çok farklı, ancak sanayi internetiyle olan kuralların hala paralel olacağını düşünüyorum. İlk aşamada araçlar, orta aşamada işler, son aşamada danışmanlık. Teknoloji yeterince olgunlaşmadığında, ilk gelenler mühendisler olacak; onlar dünyayı aşırı soyutlamayı sever, örneğin Baidu'nun «Kutu Hesaplama» fikri, her şeyin bir kutu olduğunu düşünür. Ancak mobil internetin ikinci yarısı, kutular değil, içerik ve hizmetlerdir.

Mühendislik arka planına sahip kişilerin organizasyonlar hakkındaki hayalleri, genellikle işleri aşırı basitleştirir. İlk nesil internetin üç büyük portalına bakın; en sona kadar en iyi performansı gösterenler Tencent ve Alibaba oldu, ancak bu şirketler teknolojiye biraz daha uzak, ancak endüstriye çok yakındı. Bugün de durum aynı: teknoloji giderek daha az önemli hale geliyor.

Zhang Peng: Bu dalga insani öğrenciler oldukça mutlu, kod yazamamak gibi görünüyor ki önemli değil. Ancak uzun vadede, AI çağı insanlardan ne bekliyor? Ne değişti?

Liu Ye: Çin'in insan kaynakları yapısında bir sorun fark ettim. Çin'in ilk nesil programcıları aynı zamanda ürün yöneticileriydi, çünkü o dönemde ürün yöneticisi pozisyonu yoktu. Ürün yöneticisi pozisyonu, 2010 civarında Jobs'un iPhone 4'ü tanıttığı ve Zhang Xiaolong'un ürün görüşünü ortaya koyduğu sırada yaygın olarak tanınmaya başladı ve bu dönemde "herkes bir ürün yöneticisidir" ifadesi ortaya çıktı. Bundan önce, programcılar aynı zamanda ürün yöneticisi işlevlerini üstleniyorlardı; önce programcılar geldi, sonra ürün yöneticileri; bu nedenle ilk nesil programcılar aynı zamanda ürün yöneticileriydi. İlk nesil programcılar, iş için değil, ilgiyle kod öğrenmişlerdi ve tutkularıyla bu alana dahil olmuşlardı. Tam olarak bu tanımlanmamış, geleneksel sınırları aşan kişiler en iyi olanlardı.

Ancak ikinci nesil programcılar, son on yılın endüstriyel internetiyle programcılarları “kod köleleri” haline getirdi, ürün yöneticileri mimar oldu, kod köleleri iş mantığını düşünmekten alındı. Bugün AI geldi, “kod” kısmı ortadan kalktı, gelişmeyenler gerçekten sadece “köle” kaldı. Bu gençler çok yetenekli, ancak endüstriye yönelik anlayışları boş. Bu nedenle şu anki “Yüzlerce A Savaşı” temelde araç katmanının aşırı yayılmasından ibarettir.

Endüstriyel internetin sonraki aşamasında, Alibaba ve Meituan gibi şirketler, ticari analizler için üst düzey danışmanlık firmalarının (MBB) arka planına sahip kişileri standart olarak kullanır, danışmanlık firmalarının kişileri ürün yöneticilerini iş süreçleriyle yönlendirir, çünkü internet ürün yöneticilerinin zihinlerinde doğuştan bir sistem yoktur. Feishu tam olarak böyle oluşturuldu. ByteDance, tamamen internet tabanlı olsa da, dahili süreçleri oluşturmak için danışmanlık firmalarından yoğun şekilde yararlanır. Yapay zeka çağında bu kural sadece güçlenecek, zayıflamayacaktır.

03 Kurumsal sorunlar, çalışan sorunları değil, organizasyon sorunlarıdır.

Zhang Peng: Yani, "dijital çalışan" kavramına odaklanmanın bir anlamı yok diyorsun.

Liu Ye: Bu, benim en temel yargımdır: Dijital çalışanlar son nokta değildir, dijital organizasyondur. Eğer dijital çalışanlar yaygınlaşırsa, hatta istihdam pozisyonları bile ortadan kalkarsa ve herkes iyi dijital çalışanlara sahip olabilirse, sonra ne olur? Tüm şirketler o zaman kar elde eder ve başarıya ulaşır mı? Aslında tüm şirketlerin sorunları, çalışan sorunları değil, strateji ve organizasyon sorunlarıdır.

Yani bugünün Agent’i hâlâ insanlar için iş yapıyor, karar vermiyor. OpenClaw’ı içsel olarak yeniden yapılandırdık ve MetaOrg adında bir şey oluşturduk. Bu, bir agent ekibi oluşturabilen bir çekirdektir. Herhangi bir görevi çözmek için tek bir çalışan göndermek yerine, bir “organizasyon” kuruyoruz. Bu organizasyonun işbirliği ilişkileri, raporlama ilişkileri, bir misyonu, hedefleri ve eylem biçimleri vardır.

Zhang Peng: Ancak gelecekte bir kişinin bir departman hâline gelme olasılığı var mı? Hatta bir şirket hâline gelme?

Liu Ye: Bu çok iyi bir soru. Örneğin, bir kısa video oluşturmak veya bir belge yazmak için AI kullanırken çoklu diyalog gereklidir. Bir şey söylüyorsunuz, o bir cevap veriyor, sonra geri bildirim veriyorsunuz; bu, bir araç gibi kullanım şeklidir, sadece çok akıllıdır.

İnsan ve departman kavramları, niceliksel çokluk ve azlık değildir. Bir üst düzey pozisyonun iş tanımını tanımlarken genellikle şunları söyleriz: İlk olarak, çalışabilecek, çeşitli işleri yapabilecek; çeşitli araçları kullanabilecek. Üst düzey pozisyonlar ise niyeti anlayabilecek, yolu aktif olarak planlayabilecek, aktif olarak uygulayabilecek, teslimatı gerçekleştirebilecek, düzenli olarak rapor verebilecek, teslimat sonuçlarını yansıtabilecek ve sonuçtaki sapmalara göre stratejileri dinamik olarak ayarlayabilecektir. İşte ileri düzey beceriler.

Zhang Peng: Uygun bir departman, "L4 seviyesi otomatik sürüş" olmalıdır.

Liu Ye: Evet. Buna bir beceri verildiğinde karmaşık görevleri tamamlayabilir; bir beceri sistemi verildiğinde karmaşık entegre görevleri yerine getirebilir; bir dizi akıllı ajan (agent) düzenlendiğinde ise daha karmaşık şeyleri yapabilir, örneğin kısa bir dizi çekmek. Çalışanlarla yaptığım toplantılar sırasında sık sık şunu söylüyorum: MetaOrg'u kullanırken kendinizi yönetici olarak değil, başkan olarak görün. Onun sınırlarını test etmeye çalışın.

Gelecekte gençlerin girişimciliği yaparken, eskiden ailelerin 500.000 vererek girişim başlatmasıysa, gelecekte belki de hataları denemek için bir TOKEN bütçesi verecek. Ne kadar TOKEN harcayacağınız, hangi seviyede bir pozisyon yapabileceğinizi belirleyecektir. Daha yüksek seviyeli pozisyonlarda, akıl yürütme zinciri daha uzun olacak ve sürekli hataları deneme, yineleme ve özetleme gerekecektir.

Zhang Peng: Önceki soruya dönersek, bir agent grubu daha ince birimlere ayrılabilir veya pozisyon ve beceri bazında ayrıştırılabilir. Bu grup bir ekip oluşturduğunda temel görevlerle karşılaştığında, her bireyin yetenek kalitesi başarıyı belirler. Bu, önceki neslin iş organizasyonu rekabet mantığına geri döner: Yetenek yoğunluğu, yani yüksek kaliteli yetenekler, organizasyonun temel görevlerini daha kolay gerçekleştirmesini ve öne çıkmasını sağlar.

Bu olayın temelinde, gelecekteki tüm yapay zekânın evrensel olduğunu varsaymak yatıyor; böylece en iyi AI'ları herkes çağırabiliyor olsun. Bu durumda, ticari organizasyonlar yalnızca daha verimli şekilde farklı alt hizmetleri sunarak değer yaratabilir; aynı zamanda bir başka boyutta, “beşeri yoğunluk” kavramına geri dönmemiz gerekir—yani, agent’ınızın veya bot’unuzun bu sistemde atomik düzeyde daha yüksek yeteneklere sahip olması, “beşeri yoğunluk”u artırır ve karmaşık görevlerde sonuç, verimlilik ve hatta yenilik daha iyi olur. Bu çıkarımın doğru olup olmadığını bilmiyorum.

Liu Ye: Bu fikre katılıyorum. Şirketlerin içinde genellikle OD, yani organizasyon gelişimi adı verilen bir bölüm bulunur. Bir organizasyonun savaş kazanıp kazanamayacağını ölçmenin tipik yolu, rakibin tüm yetenekli insanlarını çıkarıp karşılaştırmaktır; insanın pozisyona uygunluğu ve yetkinliğin pozisyona uygunluğu düzeyini değerlendirerek savaş sonucunu tahmin eder. Bu nedenle genellikle şirketlerin savaşları, iş stratejilerinden ziyade organizasyon kapasitesiyle kazanır. En tipik örnek Alibaba'dır. Alibaba, organizasyon inşasına büyük önem verir, bu yüzden şu anda "ikinci bir çiçeklenme" yaşamaktadır. Kurucu ekibin yaşlanması mümkündür, ancak organizasyon sonsuz döngüde yaşayabilir. Temelde, bir gün sizinle rakip olursak ve ikimiz de AI kullanıyorsak, güçlü bir AI organizasyonuna sahip olup, çok güçlü bir AI organizasyonu geliştirme kapasitesine sahip olursam, bu organizasyonu nasıl kurarım? Tüm rakip agent beceri sistemlerini tek tek açar, beceri kodlarını analiz ederim. Sonra kendi sistemimde daha iyi beceriler yazarım, hatta eksik fonksiyonları tamamlarım. Örneğin, strateji bölümüme sahibim, önce gözlem ve analiz yaparım.

Huawei, "Beş Gözle Üç Belirle" adlı bir metodolojiye sahiptir. Arkadaşlarımla şaka yaparım, sadece bu yöntemi kullanırsak, rekabetin %99'unu ezip geçeriz. Beş Gözle, sektör trendlerine, pazar müşterilerine, rakiplere, kendi yeteneklerimize ve stratejik fırsatlara bakmak anlamına gelir; Üç Belirle ise kontrol noktalarını, hedefleri ve stratejileri belirlemektir. Bu metodoloji, çoğunlukla rekabeti filtreler. Çünkü çoğu insan satranç oynarken rastgele hamle yapar, hızlı düşünmeye dayanır; ancak uzmanlar varsayılan olarak derin düşünme ve muhakeme modunu açar. İlk tepkim, bu konuyu bir komutan olarak nasıl ele alacağım olarak düşünmektir.

Zhang Peng: "Beş Gözlem Üç Karar" ifadesi, temelde "tepki tepkisi" vermemek ve uzun bir akıl yürütme sürecini sabitlemek anlamına gelir.

Liu Ye: Uzmanlar, önce küresel en iyi uygulamaları ve bilgileri inceleyip, ardından özetleyip analiz edip, derinlemesine düşünüp çıkarım yaparak cevap verir ve harekete geçtiğinde tek bir hamleyle rakibi alt eder.

Bu yüzden, geleceğin rekabet çekirdeğinin tek bir şey olduğunu düşünüyorum: geleneksel endüstriyel işleri modellemek, bunları sistem yeteneklerine sahip ve akıllı ajan düzenlemesi yapabilen bir yapıya soyutlamak. Bu, yeni nesil organizasyonel geliştirme (OD) yeteneğidir ve AIOD olarak yükseltilecektir; bu, geleceğin tek temel rekabet avantajıdır.

Ali'nin temel avantajı, organizasyon kurmaktır. Organizasyon kurulumu tamamlandıktan sonra, hangi rakiple karşılaşılsa veya hangi işe girilirse girilsin, rekabet gücü kazanılır. Ayrıca Ma Yun, savaşın amacı belirli bir alana sahip çıkmak değil, savaş yoluyla organizasyonun büyümesini sağlamaktır demiştir. Ali, bir savaşın değerli olup olmadığını, organizasyonun büyümesini temel alarak değerlendirir; bu çok ileri bir düşünce tarzıdır. Ma Yun, her yıl 200 kez seyahat ederek çeşitli bilgileri toplayan ve bunları organizasyon kurumunu geliştirmek için kullanan bir süper bilgi merkezi gibidir. O, sadece bir CEO değil, gerçek anlamda bir başkanıdır.

Bu, birkaç nesil boyunca sürebilen, farklı endüstrileri kapsayan, sürekli başarı elde edebilen ve gerileme dönemlerinden sonra yeniden kendini toparlayabilen en üst düzey organizasyonel yapıdır. Genellikle, bir şirket on yıl içinde yanlış bir CEO atarsa, büyük olasılıkla çöküşe uğrar. Bu nedenle, tarihten ders alarak, mevcut gelişmeleri daha yüksek bir boyut perspective’inden değerlendirmek, mevcut modelde bazı kesintiler ve iyileştirmeler yapmak, temelden sıfırdan bir yapı kurmaktan çok daha verimlidir.

Şimdi herkes kolayca bir agent kurabilir, çalışanlar için giriş seviyesi çok düşüktür ve açık kaynak topluluğun desteğiyle endüstride artık pek çok gizli şey kalmamıştır. Araç düzeyindeki rekabet, açık kaynak topluluğunu asla geçemez. Peki, açık kaynak topluluğunun sahip olmadığı ve kopyalanamayan temel rekabet avantajı nedir?

04 AI Örgütünün Fiziği: Neden 'İlerlemeli Maruziyet' Kritik?

Zhang Peng: Önceki dönemde organizasyonlar konuşulurken, organizasyon kültürü, değerler, KPI gibi bir dizi şey vurgulanırdı. Önceki dönem organizasyon yönetimiyle AI agent organizasyonu yeni dönemine geçerken, hangi içerikler tamamen bırakılabilir, hangi içerikler korunabilir ancak dönüştürülmelidir?

Liu Ye: Anthropic, AI kodlama alanında "kademeli maruziyet" fikrini benimseyerek becerileri (skills) geliştirdi—AI, büyük miktarda karışıksız bilgi alırsa, bağlam bozulmasına ve dikkat eksikliğinden kaynaklanan karmaşaya yol açar; ancak kademeli maruziyet, AI'nın dikkatini korumasını ve kaliteli çıktılar üretmesini sağlar. Kademeli maruziyeti insan gücüyle gerçekleştirmek, temelde tamamen insanlı bir diyalog anlamına gelir ve verimsizdir. Bu nedenle, becerilerin (skills) temel değeri, karmaşık görevleri katmanlı şekilde parçalara ayırmak ve AI'ya kademeli maruziyet sağlamaktır.

Bu, şirket yönetimi mantığıyla uyumludur: yönetim kurulu stratejik sorunlara odaklanır, CEO stratejik sorunlara ve üst düzey yöneticilere yönetimsel yönlendirme yapar, çalışanlar basit işleri yerine getirir. 300 kişi aynı toplantıda aynı anda yer alırsa, bu toplantı yapılamaz. Örgütün varoluşunun temel amacı, bilginin katmanlı işlenmesini sağlamaktır; veritabanının üçüncü normal formu gibi, bilgiyi sıkıştırarak katmanlı hale getirerek verimliliği artırır. Karmaşık sorunlar, büyük miktarda bağlamı tek seferde girmek yerine, katmanlı olarak çözümlenmeli ve adım adım ortaya çıkarılmalıdır; bu, geleneksel şirket organizasyon形式inin temel mantığıdır, çünkü belirli bir zamandaki hesaplama gücü sınırlıdır.

Zhang Peng: Model, her seferinde baştan oluşturmak için büyük hesaplama gücü tüketiyor, verimlilik çok düşük.

Liu Ye: Mümkün değil, temel olarak katmanlı, adım adım maruziyete dayanıyor; çağrılması gereken kaynaklar çağrılmalıdır, bu AI modelinin kapasite sınırları tarafından belirlenir. Ayrıca, Anthropic’in becerileri (skills) tanıtmak için diğer bir neden, karmaşık görevlerin temel fizik yasalarını aşmasıdır; beceriler, karmaşık görevleri bir dizi düşük boyutlu basit görevlere ayırır. Görevlerin temel ayırma boyutu zorluk değil, karmaşıklıktır—düşük boyutlu zor, yüksek boyutlu zor gibi farklı türler mevcuttur; örneğin, programcıların kod yazması veya matematik soruları çözmesi, düşük boyutlu yüksek zorluklu görevlerdir.

Yer Kai, bir zamanlar bir klasik model önerdi: Tüm meslekler, “rekabet düzeyi” ve “boyut yüksekliği” açısından dört kareye ayrılabilir; yani yüksek boyutlu yüksek rekabet, düşük boyutlu düşük rekabet, düşük boyutlu yüksek rekabet ve yüksek boyutlu düşük rekabet. Satış ve mühendislik düşük boyutlu yüksek rekabet kategorisine girerken, ürün yöneticisi ve CEO yüksek boyutlu yüksek rekabet kategorisine dahildir; bilim insanları ise yüksek boyutlu düşük rekabet kategorisindedir—bu tür konular belki dünyada yalnızca bir kişi tarafından incelenir, rekabet düşük ancak boyut çok yüksektir. Kaliteli kısa dizi veya iyi bir roman gibi yüksek boyutlu yüksek rekabetli görevler, şu anda AI tarafından tamamlanamamaktadır; ancak kod optimizasyonu gibi düşük boyutlu yüksek rekabetli görevler, AI tarafından oldukça iyi şekilde yerine getirilebilmektedir. Daha yüksek boyutlu görevlerde veri kaynakları daha azdır, ancak modeli eğitmek için gereken veri miktarı daha fazladır; bu da metin modellerinin önce, resim ve video modellerinin sonra ortaya çıkmasının ve kısa video modellerinin uygulanmasında zorluk yaşanmasının temel nedenidir. Bu yüksek boyutlu görevler ile yüksek boyutlu veriler arasındaki arz-talep çatışması, sadece becerilerle görevleri parçalayarak giderilebilir; şirketlerde üst düzey pozisyonlar için uygun insan kaynağı bulunamadığında, bu pozisyonları üç temel pozisyona böldükleri gibi. Yalnızca CEO gibi yüksek boyutlu pozisyonlar yerine konulamaz.

Zhang Peng: Düşük boyutlu, yüksek rekabetli görevler, büyük olasılıkla AI tarafından tamamen yerine geçirilecektir.

Liu Ye: Tamamen yerine geçirilecek ve bu yerine geçme zaten gerçekleşti.

Zhang Peng: Gerçekten öyle, bu nedenle tüm düşük boyutlu ve yüksek rekabetli işler, AI ile hemen çözülmelidir; bunlar becerilere ayrıştırılabilir ve agentler aracılığıyla uygulanabilir, bu süreçte insan katılımı gerekli olmayabilir.

Liu Ye: İlk bir fikrim var; IBM ve Accenture, dünyanın en büyük iki danışmanlık şirketi olarak temel işlevleri, endüstriyel en iyi uygulamaları ortaya çıkarmak ve dijitalleşmeye hizmet etmektedir; satdıkları şey araçlar değil, süreçlerdir. Kurumlar, risk süreçlerini veya IP'yi satın aldıklarında, danışmanlık şirketlerini uygulamak için çağırırlar. Şu anki temel çalışmamız, beceri kümeleri oluşturmak, her alandaki en iyi uzmanları bulmak, yeteneklerini ortaklaştırmak ve standartlaştırılmış bir beceri seti oluşturmak. Bu, İş Ödevi Kutusu modeline benzer—İş Ödevi Kutusu, Pekin 4. Lisesi, Renmin Üniversitesi Ekolu, üniversite giriş sınavı soru hazırlama ekibi ve Xueersi öğretmenleriyle birlikte soru hazırlama, soru anlatma ve değerlendirme gibi temel yöntemleri ortaya çıkarır ve ardından Baidu algoritma mühendisleriyle sistem kurar; temelde yine en iyi uygulamaları hizmet etmektedir. Örgütsel yetkinliğin temeli ise kaliteli çapraz disiplinli ekipler kurmaktır; hem endüstriyi hem mühendisliği anlamalı, aynı zamanda her alandaki en iyi sektör uzmanlarıyla koordinasyon kurmalı ve ticari, insan kaynakları ve yönetim becerilerine de sahip olmalıdır; bu da yeni nesil AI SaaS şirketlerinin temel bileşenidir.

Zhang Peng: Daha ileri bir çıkarım olarak, gelecekte organizasyon yapısı, iş boyutundan tersine çıkarılmalıdır. Organizasyon temelde bir düzenleme yapısıdır, neredeyse bir iş işletim sistemi gibidir—insanları uygun organizasyon içinde üretim birimleri olarak yerleştirmek, en büyük değeri ortaya çıkarmaktadır; aksi halde verimli bir şekilde çalışamaz. Günümüzde üretim faktörleri, insan gücüne dayalı olanlardan sonsuz miktarda sunulan AI’ye dönüşmüştür ve pozitif bir döngü oluşturulduğunda sürekli olarak genişleyebilir. Geçmişteki organizasyon kültürü, artık sloganlar, üç adımlı toplantılar, buz kırma gibi formlara gerek kalmadan hedeflere ve bağlama dönüşmüştür.

Liu Ye: Kültür, iş amaçları değil, yönetim amaçlarıdır. Önceki dönemde, strateji vizyondan başlardı, vizyon değerleri belirlerdi, organizasyon stratejiye tabi olurdu, işler her şeyi doğrulardı ve kültür sadece organizasyonu yönetmenin bir aracıydı, stratejiye doğrudan hizmet etmezdi, hatta sadece kurucunun kişisel tercihleri olabilirdi.

Zhang Peng: Geçmişte insan hizmet stratejisi sürecinde birçok boşluk vardı, AI bu boşlukları ortadan mı kaldırıyor?

Liu Ye: Evet, kültüre AI çağında artık gerek yok. Kültür, insan organizasyonlarının inanç kısmıdır, ancak AI'ya gerek yok. AI'nın kan ve eti yoktur, kültürel bir yönlendirme gerektirmez. AI'nın temel ihtiyacı hesaplama gücüdür.

Zhang Peng: Yani AI'ya hedefler ve ilkeler gerekiyor. Bir belge, hedefleri ve ilkeleri yeterince netleştirir, tüm üretken birimler hemen senkronize olur ve sapma olmadan sadık bir şekilde uygular. İnsan organizasyonlarındaki büyük bir sürtünme kalkar.

Liu Ye: Evet. Eski organizasyon: strateji → kültür → insan kaynakları → uygulama; şu anki AI organizasyonu: hedef → prensipler → beceriler → düzenlemek. Tüm yönetim zinciri yarıya indirildi.

05 Son engel: Estetik ve kurgulama

Zhang Peng: Şirketler için yeni engeller nedir? İnsan kaynakları kalitesi, Skill Set ile değiştirildi; sadece estetik anlayışım varsa, dünyadan en iyi becerileri alabilirim. Peki onun üst katmanı, «orchestration» (düzenleme), değil mi? Bu ne gibi değişikliklere yol açacak?

Liu Ye: Çin'in Huaqiangbei semtinde tüm elektronik bileşenler satın alınabilir, ancak neden herkes Apple üretmiyor? Jobs'un biyografisinde estetik tanımı çok net: Dünyanın yeterince iyi şeylerini görmüş olmak, iyiyi kötüden ayırt edebilmek, budur estetik. İyi bir ürün, iyi bir süreç veya iyi bir organizasyonu hiç görmemiş olan biri, kaliteli bir sonuç çıkaramaz.

Zhang Peng: Görüş, estetik önkoşuludur.

Liu Ye: Sadece deneyim ve yetenek, başka bir şey değil.

Zhang Peng: Estetik, iki şekilde ortaya çıkar: birincisi aktif olarak tasarlamak ve düzenlemek, ikincisi kaosta ortaya çıkan kaliteli şeyleri tanımlamak ve seçmek; bu iki yaklaşım birbirleriyle çatışmaz.

Liu Ye: Gerçekten çakışmıyor. Apple'ın bazı başarıları kendi iç geliştirme, bazıları ise üçüncü taraf satın alım sonucu elde edilmiştir; temel nokta estetik sahibi olmaktır—gerekli olduğunda kendi iç geliştirme yapmak, tekerleği yeniden icat etmeye gerek yoktur.

Zhang Peng: Temel soru, ajanın ayar modülü içinde çalıştırıldıktan sonra yolun doğrulanmasıyla ortaya çıkan düzenlemeyi mi yoksa tüm yolları önceden ayarlayarak tasarlanmış düzenlemeyi mi tercih etmek?

Liu Ye: Ortaya çıkma, manipüle edilebilir değildir; önce bir tohum kuralı ve prensip belirlenmelidir, bu da bir kişinin estetiğini yansıtır. İyi bir mühendis, 500 satır veya 5.000 satır kodla kullanışlı bir Openclaw oluşturabilir, ancak yetersiz bir mühendis 50.000 satır kod yazsa bile aynı etkiyi sağlayamaz; temel tohum kuralları hâlâ insanlar tarafından belirlenmelidir.

Zhang Peng: Yani karmaşada ortaya çıkmayı beklemek mümkün değil, bu çok uzun zaman alır; düzenlemeye hâlâ büyük önem verilmelidir. Bu düzenleme nihayetinde kurucudan mı kaynaklanmalı, yoksa daha çok bir “yapımcı” mı olmalı?

Liu Ye: Prodüktör tanımını çok iyi buluyorum. Gerçekten de, ortaya çıkma ve ölçeklenme etkileri olsa bile, veri etiketleme, veri temizleme ve sırasız genişlemeyi önlemek için algoritmaların sürekli hizalanması gerekmektedir.

Düzenleyici, iş karmaşıklığına bağlıdır — karmaşık işler bir kişi tarafından tamamlanamaz, örneğin kısa dizi çekimi veya ipuçları yazımı gibi işlemler pratikte birçok zorlukla karşılaşır. “Tek kişi şirketi” kavramı abuz edilmiştir; dünya sonsuza kadar basitleştirilemez. Bilgisayar bir kişi tarafından işletilebilir, ancak bir kişinin tüm yüksek boyutlu becerileri kazanması zordur. Elon Musk veya Li Feifei gibi birçok alanda uzmanlaşan ve herhangi bir pozisyona geçebilen süper yetenekler çok nadirdir.

Zhang Peng: Eğer küresel düzeydeki en iyi agent ve beceri sistemlerini kullanabilirsek, örneğin harika bir senaryo yazarı gibi, teorik olarak bu kaynakları kullanarak küresel olarak tanınan ve kar getiren bir film çekebilir miyiz? Senaryo yazarının temel avantajı (iyi senaryo) vardır, ancak tüm aşamaları tamamlayamaz; bu «temel avantaj + küresel kaynaklar» kapalı döngüsü mümkün mü?

Liu Ye: Bu temelde bir veri sorunu—en yüksek boyutlu bilgileri saklayan verilerin varlığı. Örneğin, CEO becerilerini eğitmek için şu anda yeterli veri yoktur: Ren Zhengfei'nin on binlerce kelime uzunluğundaki yazısı veya Jack Ma'nın sözlü anlatımları, onların yüksek boyutlu algılarını tam olarak yansıtamaz; tüm dünya şirketlerinin finansal raporlarını ve CEO'ların tüm konuşmalarını toplasak bile, bir CEO'nun görevini yerine getirebilecek bir model eğitilemez, çünkü CEO'nun temel becerisi gizli bilgidir ve metinlerle tamamen ortaya çıkarılamaz.

Zhang Peng: Yani, CEO'nun temel becerileri halen vektörleştirilemez. Bu da "tek kişi şirketi" idealini sınırlar—herkesin tek boyutlu avantajlarını kullanıp küresel en iyi kaynakları bir araya getirsin, yine de temel bir düzenleyici eksik; temel sorun düzenleme becerisidir. En iyi "parçalara" sahip olmak, yine de güçlü bir düzenleme becerisine sahip olmayı gerektirir.

Liu Ye: Ürün yöneticisi için de aynı şekilde, gizli bilgiler tamamen metinleştirilemez. Bu, mevcut AI eşlikçilerinin ve AI tarafından üretilen içeriklerin yeterince “canlı” olmamasının temel nedenidir—yüksek boyutlu gizli bilgi veri desteği eksikliği. Veri miktarı azken, odak noktaları becerilere yöneliktir; veri miktarı arttıkça, modellemeye geçilir. Robotlar şu anda uygulanamıyor, temel neden yeterli veri eksikliği.

Zhang Peng: Bunun sonucu olarak, şirketlerin gelecekteki rekabet avantajı, en üst düzey modellere erişip erişememesi değil; başlangıçtaki AI kaynakları görünürde aynı, hesaplama gücü ise finansal kaynaklar ve iş döngüsü yetkinliğiyle ilişkili olmakla birlikte, nihai farklar yine “prodüktör”ün kendisine dönecektir; yani bu kişinin düzenleme yeteneği ve hedeflerinin yenilikçi olması ile anlamı, bu iki unsur şirketin temel rekabet avantajını oluşturur.

Liu Ye: McKinsey'in eski ortağı bana, McKinsey'in temel işinin en iyi uygulamaları çıkarıp, modeller kurup, ardından şirketlere bunları adım adım uygulamada yardımcı olmak olduğunu söylemişti. Örneğin Çinli otomobil üreticilerine danışmanlık yaparken, Toyota'nın yöntemlerini Japon meslektaşlarından öğrenirdik; temelde en iyi uygulamaları kopyalayıp uygulamaktı.

Mi Meng'in kısa dizi örneği oldukça referans değerindedir. Türkçe edebiyatı mezunu olan o, temel ekibini Pekin ve Tsinghua Üniversitesi'nin matematik ve bilgisayar mühendisliği bölümlerinden gelen uzmanlardan oluşturmuş ve popüler kısa videoların mantığını ayrıntılı şekilde analiz etmiştir; bu sayede çok yüksek popülerlik oranları elde etmiştir. Bu yaklaşım, temelde endüstri için sosyal mühendislik modellemesi yapmaktır; aşırı uyum olasılığı olsa da, modelleme yönü doğrudur.

IBM, Accenture ve McKinsey bunun gibi işler yapıyor—ilk nesil McKinsey, en iyi uygulamaları ortaklara modelleyerek, IBM ise bunu dijital süreçlere dönüştürdü; temelde ikisi de «yönetimi ve süreci satıyor».

Zhang Peng: Temel, en iyi uygulamaları özümsemek ve bunları tekrar tekrar uygulamaktır; bu, geleceğin iş organizasyonları için kazanıp kaybetmenin anahtarıdır. Sadece detaylı şekilde parçaladığınızda etkili bir şekilde düzenleyebilirsiniz. Dolayısıyla sonraki temel yönünüz bu fikir doğrultusunda ilerlemek mi?

Liu Ye: Geçtiğimiz üç yıl boyunca ana olarak AI ToC işlerini yürüttük ve MetaOrg yöntemini kullanarak tüm eğitim ve öğretim sistemini yeniden inşa ettik. Bu, basit bir “AI ile verimlilik artırma” hikayesi değil. Tamamen Agentic bir eğitim ve öğretim organizasyonu kurduk; arkasında birbirinden ayrı sanal eğitim ekipleri çalışıyor: Dil öğrenme araştırma ekibi, ikinci dil edinimiyle ilgili en son teorileri takip ediyor, dikey metin toplama ekibi gerçek bağlamlardan yerel ifadeleri topluyor, diyalog değerlendirme ekibi ağız becerileri için çok boyutlu değerlendirme standartları oluşturuyor, diyalog tasarımı ekibi pedagojik yöntemleri doğal bir insan-makine etkileşimi haline getiriyor, soru kapları tasarımı ekibi alıştırma biçimleri ve içerik uyumunu çözüyor, veri analizi ekibi kullanıcı davranışlarından öğrenme etkisini gerçek sinyalleri ortaya çıkarıyor. Her ekip kendi becerilerine, çalışma akışına ve değerlendirme standartlarına sahip. Şu anda ders materyallerinin etiketlenmesi, izleme ve değerlendirme, kullanıcı analizleri ve ürün geliştirme gibi yaklaşık %80 iş, AI tarafından tamamlanıyor.

Gelişim yolculuğumuz, "AI'ı bir fonksiyon olarak" dan "AI'ı bir organizasyon yeteneği olarak" ya yükseltmeye yöneliktir. İngilizce öğretmeni pozisyonu orta karmaşıklık düzeyindedir ve bunu MetaOrg aracılığıyla diğer pozisyonlara soyutladık; en son beceri mimarisini birleştirdiğimizde, daha ileri düzeyde pozisyonlar oluşturmak mümkündür.

Şu anda AI öğretmenin tam süreç kurulumunu tamamladık, bu da düzenleme yeteneğinin soyutlanması ve mühendislik uygulamasını içerir; gelecekte Meta öğretmen yerine büyük olasılıkla Meta organizasyonuna geçiş yapacağız—en küçük birimi çalışan değil, pozisyon olacak ve temel odak noktası pozisyonlar arası iş birliği ve yönetimidir. Şu anki odak noktamız, her sektörün en önde gelen CEO'larını entegre etmektir, çünkü CEO'lar temel "prodüktörler"dir.

Zhang Peng: Yani sunduğunuz şey daha çok ölçeklenebilir bir birim gibi?

Liu Ye: Hedef, «şirket» yönünde ilerlemektir; büyük şirketler aslında birçok küçük şirketten oluşur ve en küçük birim pozisyondur. Tüm endüstri stratejisi seçimlerine dikkat etmenin yanı sıra, ürün yinelemelerini pozisyonlardan başlayarak ilerletmelisiniz—pozisyonlar iyi yapılamazsa, yöneticiler ne kadar yetenekli olursa olsun, verimli bir organizasyon oluşturulamaz.

Zhang Peng: Bir departmanı iyi yönetmek için önce departmanla ilgili yetenekleri ve pozisyonları ayrıştırmalı, ardından her pozisyonun karşılık gelen becerilerini ayrıştırmalı ve bu becerilerin SOTA seviyesine ulaşmasını sağlamalısınız.

Liu Ye: Tek temel yöntem: En üst düzey hizmet verilen işletmelerle ortaklık kurmak. Oluşturulan becerilerin, altının yazdığı bir planın üst düzey yöneticiler tarafından incelenmesi gibi, en üst düzey işletmeler tarafından ihtiyaçlara uygun olup olmadığı değerlendirilmesi gerekir; kendi kendinizi memnun etmek yeterli değildir. Örneğin, kısa dizi modellemesi yaparken, sektörün en üst düzey kurumlarından onay alınmalıdır, aksi takdirde gerçek anlamda en üst düzey bir beceri sayılmaz. Her şeyin değerlendirilmesi ve ölçülmesi gerekir.

Midjourney, fotoğrafçılar ve mühendislerden oluşan bir ekip sayesinde yüksek kaliteli görüntüler üretebilir; LV, Stable Diffusion ile eğitilen görüntü modeli sayesinde normal modellerden çok daha iyi sonuçlar elde eder, çünkü LV'nin küresel düzeyde en üst düzey görsel estetik ve veriye sahip olması gerekir. Görüldüğü gibi, değerlendirme yeteneği temeldir. Bir AI şirketi olmak için IBM veya Huawei gibi davranmalısınız—IBM, en üst düzey otomobil üreticilerine hizmet verdikten sonra otomobil üretiminin en iyi uygulamalarını öğrenip sunar; Huawei, IPD sürecini satın almak için 4 milyar dolar harcar, hem kendi yönetiminde hem de dışa sunumda kullanır; bu, temel rekabet avantajıdır.

Zhang Peng: Temel olarak, en iyi uygulamalara uygun olarak becerileri ayrıştırıp, bu becerilerin SOTA'sını gerçekleştirmek, ardından bunları pozisyon ve departman SOTA'sına yükseltmek, nihayetinde iş SOTA'sını oluşturmak, işte en üst seviyeye ulaşmanın açık bir yoludur. Bir diğer kritik soru ise: Becerilerin çağdaş kalması nasıl sağlanır? Dünya biyosferindeki varyasyon gibi, her dönemin SOTA'sı bir sonraki dönemde yararsız hale gelebilir; bu değişime nasıl tepki verilir?

Liu Ye: Algılama, planlama, eylem ve yansıma şeklinde insan ve biyolojik evrimle uyumlu temel mantık. Kuruluşun yüksek beceri yoğunluğunu ve çok disiplinli yapısını koruyun; bir ucunda teknolojinin öncüleriyle (araştırmacılarla) bağlantı kurun, diğer ucunda iş modellerini inceleyin ve aynı zamanda sektörün önde gelen müşterileriyle gerçek senaryolarda sürekli değerlendirme ve iyileştirme yapın; bu tek yöntemdir.

Zhang Peng: Bunun tersine düşünüldüğünde, öncü şirketlerin en iyi uygulamalarından oluşan sistemler, orta seviye şirketlerin sıçramalı gelişimine yardımcı olabilir; ancak bu tür sistemler büyük olasılıkla yalnızca kaynak ve finansal imkâna sahip olan şirketler tarafından kullanılabilir ve küçük ve orta ölçekli işletmeler ile genç girişimciler için maliyetli olur. Danışmanlık sektörü, geleneksel hizmetlerden araçlaşmış ürünlere geçiş yapmıştır; yeni nesil için fırsatlar sadece beceri düzeyinde mi mümkündür? Beceri düzeyinde nasıl yıkıcı yenilikler oluşturulur ve sektörün “soylu döngü”ye girmesinden nasıl kaçınılır?

Liu Ye: Önceki nesil SaaS sektöründe, Salesforce, Palantir, Notion, Slack gibi şirketler ya genel amaçlı araçlar üretti ya da entegrasyon hizmetleri sundu; bu da genç girişimcilerin hala fırsatları olduğunu kanıtladı—kendilerinin avantajlı olmadığı alanlardan uzak durup, genel becerilere odaklanarak uygun ekosistem konumunu bulun. Notion tipik bir örnek; spesifik iş süreçlerine girmeden yalnızca metin not alma işlevini soyutlayarak genel amaçlı bir araç haline geldi. Dünya nihayetinde sayısız akıllı ajanın (agent) iş bölümü ve iş birliğiyle şekillenecek; gençler önce ekosistem konumlarını bulmalı, ardından kendi avantajlarıyla birleştirmeli, geleceğin trendlerini belirleyip zamanın düşmanı olmamalı. Geçtiğimiz on yılda, ilk nesil internet girişimcileri çoğunlukla yurtdışından dönmüşlerdi (bilgi avantajıyla), ikinci nesil çoğunlukla programcıydı (araç patlamasıyla), üçüncü nesil endüstriyel internet ise ikinci kez girişimci olanlar oldu; kural net; gençler orta oyunu ve kendi avantajlarını net bir şekilde görmeli.

Zhang Peng: Yani beceri düzeyindeki yerel yenilik ve iyileştirmelerin etkisinin sınırlı olduğunu düşünüyorsunuz, o zaman yeni neslin en büyük fırsatı hedef yeniliğinde olabilir—dönemin ortaya çıkardığı yeni hedefleri tanımlamak, kaliteli becerilerle birleştirmek ve sürekli gelişmek; böylece yeni hedefler üzerinde yeni bir sistem kurup bir sıçrama gerçekleştirebilirsiniz.

Liu Ye: Beceri rekabeti çok incedir; şu anda beceri popüler olsa da, daha üst düzey insan uzmanlarıyla hizalanıp daha iyi bir beceri oluşturan biri ortaya çıkarsa, mevcut beceri yerini alabilir. Bu, koruma duvarı sorununa döner: Erken başlayanlar sonunda kazanmayabilir, çok daha üst düzey bir rakibin “toprak besinleri” haline gelebilir.

Zhang Peng: En büyük korku, bir "yükleyici" haline gelip daha yüksek boyutlu rakiplerin temel hazırlıklarını tamamlamaktır. Mevcut hedeflerde yalnızca verimlilik iyileştirmesi yapmak anlamsızdır ve verimlilik avantajı nihayetinde ortadan kalkar. Bu nedenle yeni nesil bir atılım gerçekleştirmek için hedefte temel bir farklılık yaratmalıdır.

Liu Ye: Evet, kendi kendine temel güç haline gelinemiyor, sadece daha yüksek boyutlu bir rakibi besliyor. Ticaretin özü çok basittir; temel olarak müşteri kimdir, müşteriye nasıl hizmet verilir ve müşteri nasıl sizden ayrılamaz hale getirilir sorularına cevap vermektir. Müşterisi kim olduğunu net olarak anlayamayan her genç, iyileştirme yapamaz.

Zhang Peng: Artırımlı pazarlara da dikkat etmelisiniz; mevcut pazarlarda rekabet etmek çok zordur. İşletmeniz başarılı olursa, ilgili alandaki şirketleri aynı ileri seviyeye çıkarırsınız; bu şirketler hem varlığa hem de bilgiye sahiptir ve gençlerin mevcut pazarda bunlarla rekabet etmesi zordur.

Liu Ye: Önceki nesil SaaS sektöründe, Notion ve Slack gibi şirketlerin başarısının temel nedeni hedef farklılaşmasıydı.

SaaS'nin önceki neslinin erken dönemlerinde, Çin fonları genellikle bilim insanlarına yatırım yapmayı tercih etti; ancak daha sonra, bilim insanlarının girişimcilikten ziyade işbirliği ve iletişim için daha uygun olduğunu fark etti—bilim insanlarının bulunduğu yüksek boyutlu düşük rekabet alanları, ticari dünyanın yüksek boyutlu yüksek rekabet mantığından farklıdır; alan boyutu ne kadar yüksekse, yeni bir alana geçmek o kadar zordur ve temel düşünce modelleri tamamen farklıdır. Herhangi bir alanın erken dönemleri her zaman teknik rekabetle (düşük boyutlu yüksek rekabet, teknoloji olgunlaşmamıştır) başlar; teknoloji olgunlaştıktan sonra ticari rekabet dönemine girilir (yüksek boyutlu yüksek rekabet, endüstri uzmanları, ürün yöneticileri, iş süreçleri çalışanları öne çıkar). Örneğin, Apple telefonu ilk çıkarıldığında, sıralamada yer alan uygulamalar çoğunlukla programcılar tarafından geliştirilmişti; birkaç yıl sonra endüstriyel internet yükselişe geçti ve sıralamada programcılar tarafından yönetilen ürünler tamamen yerini kaybetti.

AI çağı, mobil internetin mantığını sürdürürse, Silicon Valley'nin temel gücü deneyimli profesyoneller olmaya devam edecektir, Çin'in endüstriyel interneti gibi genellikle ikinci kez girişimcilerden oluşur. Gençlerin fırsatı, farklılaşmış hedefler bulmada devam edecektir.