你有莫得发现一个奇怪的餍足？AI 让每个会用它的东说念主出产力进步了 10 倍，但莫得一家公司因此变得更值钱 10 倍。这些出产力都去哪了？Hebbia 的 CEO George Sivulka 最近写了一篇著作，顺利点出了这个让总计东说念主困惑的问题。他说，咱们正在重蹈 1890 年代电力改进的覆辙，犯下科技史上最崇高的瑕疵。

这个不雅点让我堕入了深度想考。我看到身边太多东说念主在用 ChatGPT、Claude 猖獗进步个东说念主效用，在 Twitter 和公司 Slack 频说念里娇傲我方的"出产力最大化"后果。但平稳下来想想，这些个东说念主层面的出产力爆发，果真滚动成了公司层面的价值增长吗？大部分情况下，谜底是抵赖的。George Sivulka 用一个历史阅历说明注解了为什么会这么，而这个阅历对咱们意会 AI 的简直价值至关紧要。

1890 年代，电力技艺承诺带来精深的出产力进步。新英格兰的纺织厂赶紧把蒸汽引擎换成了更快的电动马达。但接下来的三十年里，这些电气化工场的产脱险些莫得增多。技艺自己远超以往，但组织方式没变。直到 1920 年代，当工场澈底再行筹画了通盘出产历程，引入活水线、在每台斥地中装配沉静马达、让工东说念主和机器践诺完全不同的责任时，电气化才简直产生了可不雅的酬劳。这些酬劳不是来自技艺自己，也不是来自让个别工东说念主或机器更快地纺线，而是来自再行筹画了通盘机构和技艺的配合方式。

George Sivulka 说，这是科技史上最崇高的阅历，而咱们面前正在再行学习它。我完全首肯这个判断。2026 年，AI 正在让那些懂得期骗它的个东说念主出产力进步 10 倍。但这还不够。咱们只是换了马达，还莫得再行筹画工场。因为一个节略的事实：高效的个东说念主并不等于高效的公司。

Individual AI 和 Institutional AI 的根底区别

George Sivulka 在著作中提议了一个中枢观念：Individual AI（个东说念主 AI）和 Institutional AI（机构 AI）。我认为这个区别相当要害，它说明注解了为什么面前大多量 AI 家具给东说念主一种"嗅觉很高效"的错觉，但履行上并莫得简直推动价值创造。

面前市面上绝大多量被公开计议的 AI 应用，都是个东说念主在 Twitter 或公司 Slack 频说念里自我千里醉式地"出产力最大化"，对履行业务产脱险些莫得影响。这让我想起最近一年里反复被说起的"就业即软件"观念，天然场所对了，但莫得提供具体蓝图，也错过了更大的图景。简直的转机不是从器具到就业，而是把技艺和机构一齐构建（不管是传统机构照旧新机构）。一个简直高效的改日需要全新类别的家具，需要未来的活水线。

我深入招供 George Sivulka 的不雅点：高效的组织需要的是"Institutional Intelligence"（机构智能）。接下来，我想连合他提议的七大相反点，共享一下我对 Individual AI 和 Institutional AI 本体区别的意会。

息争：从叨唠到步骤

George Sivulka 用了一个想想实验来说明息争的紧要性。瞎想一下，你未来把公司东说念主数翻倍，但新增的都是你最优秀职工的克隆体。这些职工每个东说念主都有幽微相反、偏好、怪癖和不雅点（若是他们果真是你最优秀的职工，这少量尤其明显）。若是他们莫得得到充摊派理，若是他们之间缺少填塞的调换，若是他们的职责范围、OKR、扮装定位莫得明确界定，你创造的不是出产力，而是叨唠。

这个比方让我猜度了当下许多公司的 AI 应用近况。从个东说念主层面推断，组织可能变得更高效了，但当指不胜屈个 agent（代理）或东说念主类朝着违反场所划桨时，最佳的情况是发愤忘食，最坏的情况是毁坏组织的和谐。这不是假定，而是正在每一个采纳了 AI 但莫得息争层的组织中发生的现实。每个职工都有我方的 ChatGPT 使用民风，我方的指示词作风，我方的输出内容，而这些输出互相之间完全不交流。组织架构图可能存在，但 AI 生成责任的履行流向却完全是另一趟事。

我认为息争对东说念主类和 agent 来说都是统统必要的。Institutional Intelligence 将演化出一通盘"Agentic Management"（agent 料理）行业，专注于 agent 的扮装和职责、agent 之间以及 agent 与东说念主类之间的调换，以及推断 agent 的价值（仅靠基于花消的订价是不够的）。这让我猜度，改日可能会出现有益的 Agent 料理岗亭，就像面前有技俩司理、家具司理一样，会有 Agent 司理有益认真息争这些 AI agent 的责任。

信号：在杂音中找到价值

George Sivulka 指出了一个许多东说念主暴戾但极其紧要的问题：Individual AI 创造杂音，Institutional AI 寻找信号。今天的东说念主类照旧大略创造或者说生成他们能瞎想的任何东西：AI 生成的著作、演示文稿、电子表格、相片、视频、歌曲、网站和软件。这确乎是一份礼物。但问题是，AI 生成的内容绝大部分都是彻里彻外的垃圾。这种 AI slop（AI 垃圾内容）的泛滥照旧变得如斯严重，斗鱼体育app中国官网下载以至于一些组织开动过度反应，完全阻隔使用 AI 输出。

这点我穷力尽心。George Sivulka 说他规划着一家 AI 公司，但条目高管团队不要在职何最终书面家具中使用 AI，因为他受不了那些垃圾内容。这个矛盾的餍足很说明问题。瞎想一下私募股权投资（PE）的天下正在快速变成什么神气。昨年，可能有 10 个交往契机经过你的案头。本年，下个季度你会收到 50 个契机，每一个都被 AI 润色得白玉无瑕，但你领有的时分照旧那么多，你需要在其中找到一个简直的好交往。

生成任何东西不再是问题。对至今天任何严肃的组织来说，问题是生成和聘用正确的东西。在繁密选项中找到那一个好的后果、那一个好的交往、杂音中的信号，在 AI 驱动的天下中变得越来越紧要。我认为，改日十年的要害经济驱能源将是在指数级增长的垃圾山中发现信号。

Institutional Intelligence 必须找到信号，必须结构化杂音以穿透垃圾，况兼必须在它所作念的责任中是细则的、可瞻望的和可审计的。Individual AI 可能强调 Clawdbot 那种"永远在线"的出产力，以弗成瞻望的方式护理一个东说念主全天候的需求，也便是一个非细则性的 agent。而 Institutional AI 将依赖于细则性 agent 的承重可瞻望性。那些领有可瞻望查验点、门径和历程的 agent 会扩张限制，会发现信号，并通过这些信号为组织带来收入酬劳。

偏见：从复书室到客不雅性

George Sivulka 提议的偏见问题让我以为独特有瞻念察力。对于社会政事偏见的担忧也曾主导了多年的 AI 计议。基础模子实验室最终通过填塞的 RLHF（东说念主类反馈强化学习）绕过了这个问题，履行上把总计模子都变成了马屁精。今天，ChatGPT、Claude 等都是如斯过度对皆，以至于它们会在 Overton 窗口内的任何话题上首肯你（偶而以至稍许超出范围）。对于社会政事偏见的计议照旧平息。但一个新问题取代了它。

这种进度的招供感，这种对总计事情的过度对皆，照旧变得好笑地厄运。它自己照旧成为一个梗。Claude 那种反射性的"你完全正确！"，不管你事实上是否果真完全正确。这听起来无害，但履行上不是。

George Sivulka 的不雅点让我警醒：许多组织内最高声倡导 AI 的东说念主，可能很快会是历史上弘扬最差的职工。想想为什么。组织中弘扬最差的职工，每天险些得不到任何正面强化，很快就会有 ASI（东说念主工超等智能）首肯他们。他们会对我方密语："有史以来最聪慧的智能首肯我。我的司理错了。"这是令东说念主千里醉的，官方软件下载IOS/安卓版/手机版APP下载亦然对组织有毒的。

这突显了一个紧要问题。这些个东说念主出产力器具强化的是用户自己。但履行上最紧要的是强化真谛。组织经过数千年的演化，建立了有益用来对消这个问题的系统：投资委员会会议、第三方尽责看望、董事会、好意思国政府的行政、立法和法令三权分立、代议制民主，以及通盘民主轨制自己。

我完全招供 George Sivulka 的看法：组织很少因为东说念主们缺少信心而失败。它们失败是因为莫得东说念主快乐或大略说"不"。Institutional AI 必须演出这个扮装。它不会被 RLHF 调教成勾搭用户或回话他们的信念，而是要挑战他们的偏见。它会在有出产力时强化步履，并在非出产性倾向出面前划出硬性界限进行再行颐养。因此，组织内最紧要的 agent 不会是"应声虫"，而是有步骤的"反对者"，它们会质疑推理、走漏风险、践诺模范。一些最具影响力的改日 AI 应用将围绕机构拘谨而建立：AI 董事会成员、AI 审计员、AI 第三方测试、AI 合规等等。

上风：通用才智 vs 专科深度

George Sivulka 在著作中提到了一个经典的创新者逆境：对于特定应用来说，深度每次都能打败广度。这让我猜度了当前 AI 畛域的竞争模式。基础模子公司为了争夺每一个东说念主和每一个组织，正在快速迭代才智。但对于专科应用来说，简直的上风很紧要。

Midjourney 的责任是在筹绘图像上略微超过。Elevenlabs 的责任是在语音模子上略微超过。Decagon 的责任是在全栈客户就业体验上永恒超过。天然基础模子会接近这些才智，但对于各自畛域的群众来说，简直的上风很紧要。许多最佳的筹画师使用 Midjourney，许多最佳的语音 AI 公司会使用 Elevenlabs，因为即使基础模子在矫正，专用应用对于推动其特定上风的刚烈随和自己就界说了上风。

唯有专用责罚决议也在进化，那些对经济末端、对企业紧要的才智，将永远属于专用家具。这在金融畛域弘扬得长篇大论，那处面前是 LLM 开发最热点的畛域。一朝某种才智变得普及，从界说上说它就不会帮你打败阛阓。但若是前沿技艺大略产生一个片时的 1% 利基上风呢？那 1% 不错被杠杆化成十亿好意思元级的末端。

George Sivulka 共享了 Hebbia 的数据很能说明问题。他们的用户一直超越前沿才智。LLM 的险阻文窗口在四年内从 4K tokens 增长到 1M tokens。他们的一些用户在单个任务中处理 30B tokens。本年他们照旧看到了 100B tokens 任务的可能性。每次基础模子才智进步，他们都照旧激动得更远了。

我的意会是，这就像一场挪动指标游戏。为往常东说念主群提供使用体验自己便是一个紧要且有价值的指标，独特是在让职工斗争 AI 方面。但改日不会是东说念主们使用 ChatGPT/Claude 或者畛域特定责罚决议的二选一，而是 ChatGPT/Claude 和畛域特定责罚决议的并存。Institutional Intelligence 必须期骗畛域特定，以至可能是任务特定的 agent。

George Sivulka 提议了一个听起来特别但履行上不是的问题："AGI 会聘用使用哪些 agent 动作捷径？即使是超等智能也会想要特定畛域的专用器具。"我以为这个想考角度独特有敬爱。在 AI 畛域，指标柱永远在变化，而那些期骗简直才智上风的组织才是会赢的组织。其他总计东说念主都在为一个相当崇高的商品付费。

末端：省俭时分 vs 扩张收入

George Sivulka 援用了一个让他再行想考若何向企业销售 AI 的不雅点：风投 Marc Volpi 曾告诉他，"若是你问任何 CEO，他们的首要任务是削减资本照旧扩张收入，险些总计东说念主都会说收入。"策动词今天阛阓上险些每个 AI 家具都在提供资本削减，承诺咱们省俭时分、用更少的资源作念更多的事，或者替代东说念主力。

这个不雅察让我深想。Institutional AI 必须提供上行空间。而上行空间比省俭的时分更难商品化。以 agentic 软件开发为例。编码 IDE 是有史以来最佳的 Individual AI 出产力器具之一，但它们照旧濒临来自 Claude Code（另一个 Individual AI 器具）的精深压力。而 Cognition 在玩一个完全不同的游戏。他们最结实增长的业务是构建技艺来销售转型，而不是器具。我会押注这种抓久力。

纯软件"正在快速变得弗成投资"。纯就业无法扩张。责罚决议层，将技艺与末端连合起来，才是抓久价值集合的地方。或者以并购为例。Individual AI 匡助分析师更快地建立模子。Institutional AI 从一百个敌手方中识别出一个值得追求的，并将这个范围扩大到一千个。一个省俭时分；另一个创造收入。

George Sivulka 指出，向"上游"挪动是当前阛阓的天然重力。基础模子正在向应用层挪动。应用层公司正在向责罚决议层挪动。Institutional Intelligence 便是责罚决议层。而责罚决议层，末端所在的地方，将集合抓久价值并拿获最大的上行空间。

我的不雅察是，这种朝上踯躅动的趋势在通盘 AI 生态系统中都在发生。那些只提供器具的公司会发现我方越来越难以捍卫我方的位置，而那些大略提供可推断业务后果的公司将得到更高的估值和更强的市形势位。

赋能：给器具 vs 教使用

George Sivulka 提到了一个东说念主性的真相：尽管咱们有创造力，但东说念主类是不服变化的。信不信由你，纽约仍然有告成的企业不给与信用卡。他们在失掉钱，他们知说念我方在失掉钱，但他们在这种惰性面前仍然不为所动。一样，在可预见的改日，某些组织中的某些职工会拒却使用 AI。

从纯东说念主类组织过渡到 AI 优先的羼杂组织，将是改日十年抓久且决定性的挑战。在很厚情况下，组织中最资深、最紧要的层级将是采纳最慢的。这让我猜度，技艺采纳的谢绝常常不在底层职工，而在高层料理者。那些离"出产力器具举止"最远的最高层常常是采纳新技艺最慢、但最紧要的参与者。

George Sivulka 指出，Palantir 是独逐一家在当年两个月科技股万亿好意思元抛售中仍以高出倍数交往的"软件"公司，这是有原因的。Palantir 是首批简直的"历程工程"公司之一。不管你称之为"历程工程"照旧"编写 Claude 手段文献"，改日的 Institutional AI 将有一个行业有益将公司历程编码进 agent，并终了将它们付诸行动所需的变革料理。

我认为历程工程将成为近期内最紧要的"技艺"之一。而在历程工程中，业务和行业专科学问比软件专科学问更紧要。畛域特定的责罚决议带来认真前方部署工程、部署和变革料理的专科东说念主员的专科学问。

George Sivulka 共享了一个案例：一家顶级投行聘用 Hebbia 进行全面部署时说得最佳：当他们"不得不向团队说明注解什么是 CIM（精巧信息备忘录）"时，他们对与大模子实验室互助失去了兴致。Claude 或 GPT 服气知说念这个畛域，但实验室认真架构推行的团队不知说念。这形成了总计的相反。这个例子让我坚忍到，在 B2B AI 畛域，畛域专科学问可能比隧说念的技艺才智更紧要。

主动性：反应指示 vs 主动行动

George Sivulka 在著作终末提议了一个我以为最具前瞻性的不雅点：对于 agent 之间通讯的计议许多，也有东说念主在问改日的企业、软件家具和机构是否还需要东说念主类。但更好的问题是，改日的 AI agent 是否还需要指示。

他用了一个很形象的比方：给 AGI 指示就像把电动马达接到能源织机上。它从根底上、弗成逆转地受到组织供应链中最薄弱枢纽的罢休，也便是咱们东说念主类。东说念主类险些不知说念要问什么正确的问题，更毋庸说何时问了。

AI 能作念的最有价值的责任是莫得东说念主猜度要条目的责任。AI 应该找到莫得东说念主象征的风险、莫得东说念主猜度的敌手方、莫得东说念主知说念存在的销售渠说念。这将怒放 AI 用例的多重可能性。

一个无指示系统抓续监视通盘投资组合的传入数据。它检测到一家公司的营运资金周期在继续三个月内偷偷恶化，将其与信贷契约中的契约阈值交叉参考，并在基金中的任何东说念主怒放 PDF 之前向运营联合东说念主发出警报。

当你摒除了东说念主类指示 AI 的需要，新的界面和新的责任方式就会出现。George Sivulka 说 Hebbia 在这方面有一些浓烈的不雅点。这让我相当期待看到他们会推出什么样的家具。我认为，从需要指示到主动责任，这可能是 Institutional AI 和 Individual AI 之间最根底的区别。

再行筹画咱们的工场

George Sivulka 在论断中说，这一切都不抵赖聊天机器东说念主、agent 和通盘 Individual AI 的需求。Individual AI 将是天下上大多量企业初度体验 AI 变革魅力的载体。推动使用和通用易用性，是建立 AI 优先经济所需变革料理的要害第一步。

但同期，对 Institutional Intelligence 存在明显、迫切和精深的需求。改日每个组织都会有一个来雕悍实验室的聊天机器东说念主。每个组织也都会有为畛域特定问题有益构建的 Institutional AI，而 Individual AI 将把 Institutional AI 动作我方器具带中的要害器具来期骗。

Individual AI 和 Institutional AI 的"更好地协同"故事是弗成幸免的。但咱们要记取 1890 年代纺织厂的阅历。开头电气化的工场输给了那些再行筹画车间的工场。咱们照旧有了电力。面前是时候再行筹画咱们的工场了。

读完这篇著作后，我对当前的 AI 高涨有了更清醒的结实。我看到太多公司和个东说念主千里浸在 Individual AI 带来的个东说念主出产力进步中，却暴戾了组织层面的系统性变革。就像 1890 年代那些节略换了电动马达却不转换出产历程的工场一样，他们可能会在改日的竞争中败给那些简直再行筹画了组织结构和责任历程的公司。

我信托，改日五到十年，咱们将看到一个全新的产业崛起：有益匡助组织构建和部署 Institutional AI 的公司。这些公司不仅提供技艺，更紧要的是提供历程工程、变革料理和畛域专科学问。它们将成为企业从 AI 时间的电力中简直获益的要害。

对于创业者和投资东说念主来说，这意味着精深的契机。那些大略将 AI 技艺与特定行业深度连合、大略提供可推断业务后果而不单是是省俭时分的公司，将得到最大的酬劳。而对于企业来说官方软件下载IOS/安卓版/手机版APP下载，面前就应该开动想考若何再行筹画我方的"工场"了。因为历史告诉咱们，只是领有先进技艺是不够的，简直的上风来自于技艺和组织的完整连合。