AI原生组织的第一性原理：我品故我在！
​
​当模型和Agent能够非常高效地干活，组织里还需要人吗？在IoA时代，我们每个个体不可替代的部分是什么？

我看到本体论的一个经典命题：我思故我在。“思（Think)”，就是我们今天大模型里的推理，在哲学上的意思是，基于确定性的已知去预测未知。你知道前面的现象，去做归纳总结；或者你知道最终结果，再往前反推。

在推理层面，已经没有人的机会。因为但凡是个确定性的信息，AI算得比人快多了。那人的位置在哪里？在“品（Taste）”，这是AI干不了的。

“品（Taste）”没有逻辑，它基于我们整个人生的经验、阅历和直觉。AI永远不可能100%复刻我的人生的完整经历和感受。我的脚往左还是往右，是由我自己决定的。没有确定性的东西，只是他想要那样，是他基于自己的人生、阅历、直觉和感觉，觉得应该是这样。这就叫“品”。

对照来看：能够被AI彻底替代的，叫“思”；被AI局部替代的，叫“行”；AI完全不可替代的，叫“品”。那么你的公司要做什么？是裁掉“思”的员工吗？不，是帮助员工从“思”变成“行”或者“品”。

让AI代替推理，保护每个人品鉴的权利。这就是AI native组织（AI原生组织）的第一性原理：人提供Context与Taste，机器提供Think。

我可以用三条公理来概括：人机分工、人机协作，以及对人好。

第一条人机分工，就是让机器干机器的活，让人干人的活。

第二条是协作方式的升级。职能团队负责训练和打磨本条线的AI能力，业务线负责带领AI完成项目目标，人始终站在关键节点上做判断和拍板。这个模式会产生重要的管理逻辑迁移，整体来说，组织的层级会越来越少，但每一层对人的要求都在提高。

现在我们公司的管理层会议，原来动辄开一上午，现在一小时就能搞定。原因很简单，会前AI已经把所有人的信息和Context汇总对齐，找出冲突点和待讨论议题，开会时人只需要做品鉴和决策。

第三条是用伦理学的维度讨论：什么是好的AI？什么叫对人好的AI？AI在企业里没法被好好推起来的根本原因，是很多员工总觉得老板会把自己裁掉。

当我们给出这样的原则，真正的问题是：AI是否可信，如何真的做到？

​就像无人驾驶的模型永远做不到100%的可靠安全，而是无限接近99%。比如你要求一个人没有任何坏念头，但是你知道对人有这样的要求是不现实的。

在研究一个课题：从Single Agent with MoE（混合专家的单个模型）到Multi-Agent（多智能体协作系统）。

在这一过程中，如何解决可信度的问题呢？我们的系统中，Agent之间的交互是完全透明的。这相当于一个人机协同的群体，具体的活全由龙虾干，人只贡献Taste和Context。这就是我们这套系统的底层逻辑。

它意味着将来每一个人都可以在本地部署自己的模型，能够保护每个组织独有的知识。作为企业家、合伙人，你肯定会高兴。但同时，我们也得想办法让每一个个体活得好。

在AI原生组织模式下，有一个非常美好的副产品，就是组织变得高度透明。每个人的贡献都清晰可见，这反而会激发每个人去找到自己独特的定位。

所以，我不建议大家因为用了AI就去裁员。未来并不是机器取代人的世界，而是人机同行的美好世界。这不单是情怀的问题，它背后有重要的商业逻辑：

当整个行业都在用同一套基础模型、同样的工具，大家的输出结果必然趋于一致。这时候两头挤压就来了：客户认为你没有差异化会压价，上游模型厂商掌握定价权会随时涨价。利润空间会被迅速压薄。在这样的局面下，公司之间唯一真正的区别，就是人带来的Taste和Context。

人是不一样的，品味是不一样的，这是任何AI都无法复制的东西。所以留住人、培养人的Taste，才是真正的护城河。

由此，当技术发展到最后，AI原生组织就会被推到“理念型组织”。

大家拥有共同的理念、共享的目标，所有人都在这个共识之下去共同探索。使命、愿景、战略，这都算是共享目标。虽然听起来宏大，但其实本质就是关于团队间的协作和信息共享。

具体的工作方法实际上就是先获取Context，并且发现Context与理念之间的冲突，然后把冲突解决掉，最终做出决定。其实公司里很多都是这种冲突，比如老板想把产品做成A方向，你的团队却说应该是B方向。

因为团队拥有的是Context，老板拥有的是理念。现在解决冲突的方法，比以前效率高多了。以前你只能靠人去想，但今天可以用龙虾。你定好目标后让龙虾去算，算完以后你能得出一些结论。这就是新的工作方法。

——罗华山12点於广州

科学干餐饮&创业不迷路
28年聚焦餐饮连锁产业
罗华山和1万个餐饮朋友
餐饮O2O赋能1万个品牌