文 | 李智勇
AI 的应用形态确实在发生一种本质性变化。（此前好像有人说过 AI 下半场，但和我这里的应该不是一个事。）
一堆新词与此有关，比如：AIfirst（智能优先），Agentic Enterprise，AI Native ( 智能原生），System Intelligence（系统智能），无人公司（Zero-Person Company）。
这些词更像是横看成岭侧成峰的结果，其实大家尝试表述的是一个事（未来之物）。
这种 AI 生效范围从一般工具场景到系统整体的跃迁，我觉得叫下半场可能更合适。因为俩阶段性质完全不一样。一个是工具智能，一个是系统智能。
这事刚开始，还需要模型再迭代个 1~2 次，但说起来也就 1 年左右的事，一点也不遥远。
注：无人公司这事现在看有俩人吆喝：一个是鄙人，影响力实在不大；一个是奥特曼，这个就太大了，它管这个叫 Zero-Personcompany。但我确实不是抄袭他的说法，我写书比他早一点，属于原创，巧合而已。
前两年我们其实被 " 工具智能 " 所环绕。
无论是撰写邮件、生成图像的 chatGPT，还是创造视频的 Sora，每当他们升级，我们就很高兴。
这些单点能力无论多么强大，其本质仍是被调用的工具。
然而，尽管 AI 工具层出不穷，许多企业却发现 AI 并未带来预期的革命性效率，AI" 不好用 " 的抱怨普遍存在。
这一点也不难理解。
这种 " 工具智能 " 的瓶颈不止在于技术比如模型精度不行，还在于其 " 不自由 "。
它就像一个被缚的巨人，空有智慧，却无感知和行动的自主权。
它无法主动感知企业运营的全域信息（数据不自由），也无法自主执行闭环的复杂任务（工具不自由）。
它的智能是 " 瞬时 " 的、" 被动 " 的、" 非连续 " 的。
要打破这一桎梏，就需要 " 系统智能 " ——一种能够自主感知、决策、执行、反馈的闭环智能体体系。
而实现这一跃迁的前提，是赋予 AI 两大核心自由（前提是模型得好使，但这点太显然了，并且注定会越来越好使，我后面就不说了，但不是说不关键）：
1. AI 的数据自由： 这不仅指 AI 有权访问数据库，更是指它有权实时感知组织内部（如 ERP、CRM、OA）和外部（如市场、供应链、舆情）的一切结构化与非结构化数据流。它必须像神经系统一样，无延迟地触达组织的每一个末梢。（老板机密藏起来一部分那种是不太灵的，需要别的高级藏法 ...）
其实再深挖一层会发现，非结构化的原始数据重于结构化数据。
结构化数据更像个标签系统，其实是有损提取。
2. AI 的工具自由： 这即是随时可以调度自己需要调度的东西。AI 必须拥有绝对的 " 执行权 "，能够自主调用任何 API、执行任何软件、调配任何资源（如生产线、物流、预算），以完成它所决策的任务。
然而，为什么实现双重自由如此之难？
因为过去的所有系统是给人用的。
马车道跑不了火车，所以不稀奇。
专业点说法是：数据第一性，本质上不是技术议题，而是组织议题。
几十年来，企业信息化的核心难题——数据孤岛——从来都不是技术无法打通，而是组织不愿打通。ERP 会比电商产品技术难度高么！
数据是组织结构的属性，是权力边界的映射。
数据就是领地，数据就是筹码和权力。
（数据背后是信息和知识）
过去数据问题为什么解决不了，你用技术解决权力问题你也解决不了。
因此，要求为 AI 实现彻底的 " 数据自由 "，无异于一场 " 政治革命 "。它等于要求传统的各层管理者交出他们最核心的权力——信息裁决权和资源调配权。
正是在这一点上，前沿的人工智能与经典的组织行为学产生了最激烈的交汇。
所以说：从现在开始，AI 好用的关键是组织，不是技术。
AI 进化的天花板，不是算法或算力，而是由法约尔和韦伯在一个世纪前奠定的、以 " 控制 " 为核心的组织形态。
不打破这层组织天花板，" 系统智能 " 便无从谈起。
我写《无人公司》实在是觉得自己对这部分有点心得，但有些同学似乎被一人公司等等给带歪了，觉得不能马上学个工具发家致富都是瞎扯。这种可别买书了。
如果说僵化的组织结构是 " 问题 "，那么 "AI First"（智能优先）就是解决方案。
但我们必须重新定义 "AI First"。它不是指多买几个 AI 工具，并且不用不行；也不是指成立一个 AI 创新部来点缀门面。
这些最多有点发烧上降温贴的意思。
这些浅层的应用，只是在旧的组织结构上裱糊一层智能的外衣，并未触及根本，也无法让 AI 真正好用起来。
"AI First" 的真正含义是：一种组织设计原则。
它要求企业在设计每一个业务流程、数据架构和权责分配时，必须优先考虑 AI（而非人类）的需求。人类的介入应该被视为例外，而非默认。
这真的是反过来的，我整到现在才算弄清楚为啥智能原生原生不好理解，就是因为这需要站在 AI 视角看问题。原因是它反人类，是一个 AI 视角。
比如让黑猩猩按照人类优先原则理解人类社会，那困难大概是一样的。
当一个组织开始严肃地践行 "AI First" 原则时，它的唯一目标，就是系统性地、不可逆转地为 AI 扫清障碍，确保其在第一部分中所论述的 " 数据自由 " 和 " 工具自由 "。
这一过程必然会带来组织 " 形态迁跃。
1. 数据壁垒必须被打碎： 为了让 AI" 感知 " 一切，所有数据源必须实时汇入一个无差别的 " 数据中枢 "。也许物理上不是一个地儿，但 AI 要用的时候要能访问到。
2. 业务流程必须被 API 化： 为了让 AI" 执行 " 一切，所有业务功能（从下单、排产到支付、客服）都必须被重构为 AI 可调用的 " 服务 " 或 " 工具 "。当然命令行也行，或者有个环境，让 AI 能自己做工具，然后测试把活干了，也行。
3. 人类职能必须被重定义： 人类的角色不再是流程的 " 执行者 " 或 " 审批者 "，而是 AI 系统的 " 设计者 "、" 监督者 " 和 " 维护者 "。
当这个过程完成后，传统的组织金字塔便宣告解体。取而代之的，是一个由无数 AI Agent（智能体）作为基础节点、通过实时数据流相互连接的 " 智能体网络 "。
这，就是 " 智能原生企业 "（Agentic Enterprise）。
在智能原生企业中：
● Agent 是基本单元： 公司的员工不再是人类岗位，而是一个个职能明确的 AI Agent（如财务 Agent、营销 Agent、代码 Agent、客服 Agent）。
● 数据流驱动业务流： 业务的触发不再依赖 " 上级指令 " 或 " 跨部门会议 "。而是由数据驱动：一个 " 市场 Agent" 感知到竞品降价，便立即自主触发 " 定价 Agent" 调整策略，并同时通知 " 营销 Agent" 更新广告文案。数据流背后当然是 AI，也就是通用智能的决策能力。
● 组织即平台： 公司（或 CEO）的核心价值，不再是 " 管理 "，而是 " 运营平台 "。即为海量的 AI Agent 提供运行所需的算力、工具集、安全合规框架，并为其设定一个总目标（例如：利润最大化或市场占有率第一）。
" 智能原生企业 " 是 "AI First" 的必然产物，它为 AI 提供了梦寐以求的 " 双重自由 "。但它还不是终点，它只是为最终的 " 质变 " 搭建了完美的舞台。
这不是简单的数字孪生，而是行为也要以 AI 为原动力进行驱动。
没有这个凭啥是智能原生。
在智能原生企业的初期，人类仍然扮演着 " 最终决策者 " 的角色（Human-in-the-loop）。我们监督 Agent 的工作，我们为高风险决策设置 " 审批 " 节点。
但一个不可逆转的趋势正在发生：AI 的判断水平正在系统性地超越人类。
随着大模型在推理、归纳和多模态理解力上的指数级发展，在绝大多数商业决策上——无论是广告投流、供应链管理、风险定价还是研发方向—— AI 基于全域数据得出的结论，将比人类管理者基于 " 经验 " 和 " 直觉 " 的判断更加精准。
此时，" 奇点 " 到来了。
人类的 " 干预 " 和 " 审批 "，不再是系统安全的 " 保障 "，反而可能是系统效率的 " 瓶颈 " 和 " 噪声 "。
人类指导 AlphaGo 下棋，绝对是减分项。
我每次看到大家分享用 AI 改善效率，心里都嘀咕，这绝对是自己在为颠覆自己而铺平道路。
一旦越过这个临界点，智能原生企业内部将启动一种不可阻挡的自我进化机制。
这个过程可以被拆解为以下几个步骤：
1. 循环 1（执行与学习）： AI Agent 网络（系统智能）基于已获得的 " 双重自由 "，自主运行业务（例如：完成一次产品迭代和市场推广）。
2. 循环 2（自我反馈）： AI 立即捕捉并分析该业务产生的所有新数据（用户行为、销售额、成本、舆情反馈）。
3. 循环 3（模型优化）： AI 利用这些实时反馈，即时优化自己的业务决策模型（例如：调整用户画像、改进定价策略）。这是标准的机器学习。不一定上来就优化模型。
4. 循环 4（组织优化）：【这是关键一步】 AI 在分析中发现，流程中某个 " 人类审批节点 "（例如：法务部门对广告文案的常规审核）是多余的，或其判断的准确率低于 AI。该节点已成为系统效率的瓶颈。
5. 递归（Recursion）： 系统智能自动发起 " 组织结构变更 " 提案（例如：" 建议将此常规审核权完全移交给 AI 合规 Agent，人类仅在 AI 风险评分 > 0.95 时介入 "）。基于 "AI First" 的最高效率原则，该提案被（人类设计者或 AI 治理系统）批准。
6. 螺旋（Spiral）： AI 的 " 工具自由 " 或 " 数据自由 " 的边界进一步扩大。它带着更强的能力和更大的自主权，返回（循环 1）执行下一项任务。
这个 " 执行 - 反馈 - 优化 - 扩权 " 的循环，就是 " 螺旋递归 "。
它是一个不断自我强化的正反馈。AI 通过一次次循环，递归地优化掉组织中所有 " 不必要 " 的人类节点，从而 " 螺旋式 " 地提升自身智能和权限的边界。
不要以为是瞎说，2022 年 chatGPT 以来，人们各种对 AI 应用的尝试，基本在这个框架下。
那么，这个螺旋递归的终点是什么？
答案是 " 无人公司 "（Zero-Person Company）。也对应 AI 的 Level5 Organization。
随着上述循环的不断加速，人类的岗位，无论是体力劳动（如物流、制造）还是脑力劳动（如财务、营销、管理），都将被 AI Agent 系统性地优化掉。
最终，公司演变为一个仅由最高目标（如股东价值最大化）和外部规则（如法律合规）所驱动，由 " 系统智能 "100% 自主运行的经济实体。它没有人类员工，只有 AI Agent 在实时数据流中自主协同、自我进化。
在这个终极形态中，人类只存在于公司的外部：作为资本的所有者（设定目标）、作为社会的监管者（设定规则）、以及作为产品的最终消费者。
不要问我社会形态是啥了，真感兴趣可以看哲学笔记。假如每个人都有一个或多个无人公司，这有什么不好！
当然也可以看下面这个视频：
AI 从 " 工具智能 " 到 " 系统智能 " 的进化史，注定是一部组织形态的变革史。
我一直觉得整个组织行为学教材要重写，不过我也写不动就是了。
也就是我们开头说的：从现在开始，AI 好用的关键是组织，不是技术。
" 数据自由 " 是这场变革的引爆点，它像一个试金石，将真正拥抱未来的企业和那些叶公好龙的企业区分开来。
那些试图在旧的科层制 " 酒瓶 " 里装 AI" 新酒 " 的企业，会发现 AI 永远也 " 不好用 "。
记住不是现在不好用，而是永远不好用。下半场就这意思。
但过于激进也不行，超出 AI 能力边界会死的透透的。
这就是我们这个时代的领导者的新命题。
20 世纪的企业家和 CEO，其核心工作是管理员工；而 21 世纪的企业家，其核心工作将是设计智能。
他们的职责不再是发布指令和监督执行，而是成为一个 " 智能系统架构师 "：
他们必须设计一个能让 AI 实现 " 双重自由 " 的组织； 他们必须为这个 " 智能原生企业 " 设定清晰、可量化的总目标； 最后，他们必须有足够的远见和勇气，在 " 螺旋递归 " 启动后，主动 " 让开道路 "，允许系统自我进化。
