那些最先进的以人工智能为核心的企业究竟是如何运作的？
“三人独角兽”实验已经进行了三年，涉及数百家公司——包括我们旗下的企业以及其他公司。大家都明白一个道理：小团队才能快速行动。然而，在那些能够建立正确组织结构的公司与那些无法做到这一点的公司之间，仍然存在着巨大的差距。
那家仅有三名员工的独角兽企业，其发展理念绝不仅仅在于人数少以及“运用人工智能”。关键在于构建能够让这些人协同工作的系统，把人工智能视作同事而非工具，并以打造出色产品这一任务作为整个公司的核心目标。
如果结构设计出错，最终只会得到一堆无用的工具、质量低劣的产品，而且效率也提不上去。如果设计正确，就能迅速取得成功。
以下是我们所看到的能够取得成功的架构，以及那些会困住那些以人工智能为首要发展方向的初创公司的陷阱。
0 到 1 阶段已经解决，1 到 2 阶段则是你的瓶颈所在。
旧有的组织结构是将产品、设计、工程和支持部门分开，中间设置中层管理，这种结构是为那个将产品从无到有创造出来的过程极为困难的时代而设计的，其目的就是帮助团队实现从 0 到 1 的突破。
人工智能已经解决了那个问题。在人类历史上，填满空白屏幕从未如此容易过。新的瓶颈出现在从 1 到 2 的环节：制作原型、进行测试、完成配对、学习经验——然后重复这个过程。重点也从开发转向了验证。
如今，获胜的方案能让你尽快进入发布与学习阶段。
那些运用人工智能却效率低下的公司会陷入产品发布前的困境之中。人工智能使得人们可以轻易地尝试各种方法，于是人们就倾向于让人工智能来判断产品是否合格，而非真正将产品推出市场，让真实的客户数据来给出答案。
克制住那种冲动，先把产品配对发送出去。让公司能够快速从这些结果中吸取经验。
如今，获胜的方案能让你尽快进入发布与学习阶段。
任务舱
我们发现，对于此用途而言，任务舱的结构最为合适。
应按照目标来组建团队，而非依据工作职能——无论是解决客户问题、完善产品功能，还是实现营收目标。每个小组都需全权负责相应的目标：深入了解客户需求、制作原型、推出产品、进行评估、不断优化，无需等待其他部门的协助。
在这样一个团队中，目标是通过一切可用的手段来解决问题——无论是产品、销售还是市场营销方面的手段。虽然仍然会有领域专家，就像“三个人组成的独角兽团队”模式那样，但所有人都会跨职能协作，利用人工智能来弥补自身技能与认知上的不足。
以下是建造任务舱的五项基本规则：
1）聘请具备出色沟通能力的创意人才。
团队中的每个人都应该具备创造全新成果的能力，并且要有实际完成过某项任务的记录。那些无法完成工作的人是没有立足之地的，尤其是在人工智能时代，如今创造成果比以往任何时候都更加容易。
但关键在于，这仅仅是第一步而已。真正重要的是，那些负责执行任务的人必须懂得如何优化成果、接受反馈，并能够进行有效沟通。他们应当具备较低的自我意识、较高的情感智力，同时还是优秀的团队合作者。
这种心态很难找到，但确实存在。这类员工会全神贯注地致力于推出新的想法与方法，同时从之前的尝试中吸取经验。我们将这种方式称为“1000 项同步实验法”。
2) 经理应列在组织结构图中
不要再将人工智能视为软件。应将智能体视作队友，并据此分配任务给他们。
每个团队都应能够明确指出哪些工作由人类完成，哪些由人工智能处理，哪些需要人工审核。如果不存在这样的划分，那就不能称其为真正运用了人工智能的团队——只不过是一群使用了相关工具的人而已。
3) 询问人工智能能否做到这一点，并诚实地评估结果。
在决定外包之前，先问问：这部分工作能否由人工智能来完成？或者让现有人员借助人工智能来处理？即便结果并不完美，其质量是否仍足以用于实际应用？
关键在于不要以为，只要人工智能能够完成某项任务，其质量就一定足够高。有时候，确实需要请人类专家来处理。但也要清楚了解人工智能在哪些方面表现优异。
在您的业务中，有些领域采用这种模式是可行的。并非所有情况都适用——我们并不是说您就应该一直使用质量低劣的产品。不过，存在一种折中的方法，或许能够奏效；而如果这种方法行不通，至少也能帮助您了解什么才是对您来说最重要的。
这种态度可能会遇到一些抵制。避免这种情况的关键在于，要奖励那些能够带来实际成果的自动化流程所带来的努力（而非那些毫无意义的指标）。
尽可能往前推进，这样就能获得更多资源。不能反过来说。
4) 构建评估文化
内容质量低下的问题确实存在。无节制地增加内容量只会降低产品品质，而客户会比你更早察觉到这一点。如果人工智能能够生成十倍于以往的内容、代码或答案，而你的质量控制标准却没有相应提升，那无疑是在加速自身的衰落。
评估文化是防止产出劣质产品的指南。必须明确界定何种产品才算合格可以交付，而且所有人都必须对此有统一的认识。
5) 每个人都要与客户交谈
如今，顾客信息已成为贵公司最稀缺的资源。
当任何人都能在一周内造出任何产品时，优势就属于最了解顾客的人。你们的工程师、设计师和操作人员应当直接与顾客沟通，或直接分析相关数据，以此为下一步行动提供依据。
陷阱
大多数公司在理论上都明白这些道理，但实际上却会陷入一些常见的陷阱。以下是我们要经常看到的几种陷阱：
陷阱 1：雇佣不会沟通的集成电路工程师
官方的观点是，人工智能已经消除了对“纯粹”管理者的需求——这在很多情况下确实如此。但若仔细观察究竟是谁在推动这一变革，就会发现某种规律。
最优秀的 AI 团队由那些灵活、主动且乐于尝试新方法的工程师组成——但他们的独特之处还在于，这些工程师同时具备出色的沟通能力。程序员与营销人员都能快速行动，并及时互相通报进展。
大多数公司都是在个体层面应用人工智能的，并不会刻意挑选具备这种特质的员工。每个人都在自己的工作范围内变得更快、更独立——但不同团队之间却缺乏协作。
如果个人开始得很快，但团队层面却无法协同配合，最终只会留下一堆半完成、从未真正投入使用的作品。当然，每个人的工作速度都很快；但没有任何成果能够真正落地应用。
陷阱 2：测量了错误类型的开始速度
最近，Lenny Ratchitsky 对科技行业从业者及创业者们的态度进行了调查。有 97%的人表示人工智能让自己“更擅长工作”了，但仔细分析调查结果后发现，这些人评判工作表现的标准仅仅是工作产出量和速度而已。
开始或许是一间初创公司发展过程中最重要的因素。但如今，很多人却误解了它的意义。
他们用旧有的标准来衡量速度，也就是从 0 到 1 的转变速度。他们注意到“用人工智能写一篇博客只需 2 分钟”，或者“用一个周末就能开发出一个产品”，但却忽视了这些其实还只是初稿而已——实际上并未有成品问世。
今天，我们来衡量一下学习速度。从原型阶段到产品正式上线需要多少时间？从 V1 版本发展到 V2 版本又需要多少时间？这个时间曲线应当是持续加速的。
如果并非如此，那就意味着你并没有加快进度。你可能会觉得自己动作很快、效率很高，但实际上只是在白费力气而已。
陷阱 3：将追踪 AI 使用情况作为衡量生产力的指标
你所做的每一件事都应当始终以完成上述“交付与学习”的产品循环为目标。今天你创造了什么新事物？这些是昨天还不存在的；你又学到了什么新知识？这些都是昨天所不知道的。那么，这些又会如何影响你明天的行动呢？
许多知名企业都陷入了这种误区，将人工智能技术的应用与实际成果混为一谈。这其实就是“tokenmaxing”策略的实质。那些曾经采用这种策略的企业如今削减在人工智能上的投入，并抱怨投资回报不佳，也就不足为奇了。
目前出现的一个衡量标准是每百万代币带来的收入——这一标准强调了人工智能应用应当用于创造价值，而非成为目的本身。看看这一标准能否真正被广泛采用，将会很有趣。
奖励的是实际影响与成果，而非仅仅是工具仪表盘或代币的使用情况。
陷阱 4：不招聘大三学生
没错，人工智能正在取代过去五十年来用于培训大三学生的那些工作。简单的解决办法是停止招聘大三学生，但这是个极其错误的做法。
你在食用那些种子玉米，这会让你的企业容易遭受人才流失、文化侵蚀以及知识丧失的威胁。你也没有在培养那些你希望留任的下一代人才。
明智的做法是以不同的方式来培训你的大三学生。
我们提出一种新的学徒模式：这些初级人员负责协调各种智能体（他们很可能已经熟悉人工智能技术），在严格的评估循环中开展工作，并从第一天起就对工作成果负责。每位初级人员都会被分配一个项目来执行。
这确实是个很高的标准：如今的年轻人必须比历史上任何一代人都更快地应对执行任务与自我负责所带来的挑战。很多人会失败，但那些成功的人，才是真正的 A+级团队成员。
那些能解决这个问题的企业，就能拥有下一代人才；而那些做不到的企业，五年后就会发现自己没有可用的人才，只能手忙脚乱地应对危机。
陷阱 5：将资源不足误认为是高效运营
小型团队仍然需要完善的问责机制、明确的指导方针，以及评估哪些方法有效、哪些无效的机会。
如果你的团队能够尽可能地实现自动化处理、不断迭代并快速学习，但仍有部分工作无法完成，那么你可能就需要招聘更多成员。这虽然不应是你的第一反应，但如果因此而限制了团队的发展潜力，那无疑是一种风险。
即便员工人数只有 10 人，你们的责任依然与原来那支 200 人的团队一样。不要为了适应较小的团队规模而缩小工作范围或降低目标，同样也不应要求团队去做超出其实际能力范围的事情。
归根结底就是：以人工智能为主并不意味着完全依赖人工智能。那些彻底取消人工服务支持的公司，其服务质量随之下降，客户满意度也有所降低，工程师们则不得不忙于处理各种请求——最终还是不得不重新引入人工服务支持。这并不是说人工智能服务不可用，而是说明削减成本并非正确的做法，而推动生长才是正确的方向。
核心要点：
不要照搬 2010 年代 SaaS 公司的组织结构图。也无需模仿那些仅依赖人工智能、且已出现问题的架构。
把握其中的细微差别。打破组织内部不必要的界限。大力推行自动化，但在必要的地方才招聘人员。从一开始就将人工智能应用到每一个工作流程中。让人类始终与客户保持联系，并由他们来负责做出决策。应以个人的工作成果作为评估标准，而非那些毫无意义的 AI 相关指标。
成功的模式从来不是用人工智能取代人类，而是让人工智能助力人类；最优秀的企业能够理解这一要点，并据此采取行动。
