我們仍處於 AI 的「水車階段」，把聊天機器人硬塞進為人類設計的工作流。歷史告訴我們，誰掌握了原料，誰就定義了時代。當知識工作融入永不休息的智能，未來會是什麼模樣？本文源自 Ivan Zhao，Notion CEO 所著文章，由TechFlow整理、編譯及撰稿。 （前情提要：2025 年加密用戶最關心什麼？不同 AI 大模型給出了這些回答 ） （背景補充：a16專文：當 AI 攻陷內容平台，加密質押如何找回信任感？ ） 我們仍處於 AI 的「水車階段」，把聊天機器人硬塞進為人類設計的工作流。每個時代都由其獨特的科技原料所塑造。鋼鐵鍛造了鍍金時代，半導體開啟了數位時代。如今人工智慧以無限智能的形態到來。歷史告訴我們：誰掌握了原料，誰就定義了時代。 左圖：少年安德魯·卡內基和他的弟弟。右圖：鍍金時代匹茲堡的鋼鐵廠。 19 世紀 50 年代，安德魯·卡內基還是個在匹茲堡泥濘街道上奔跑的電報員，那時十個美國人裡有六個是農民。僅兩代人之後，卡內基和他的同行便鍛造了現代世界，馬匹讓位給鐵路，燭光讓位給電燈，鐵讓位給鋼。 從那以後，工作從工廠轉向辦公室。如今我在舊金山經營一家軟體公司，為成千上萬的知識工作者打造工具。在這座科技小鎮，人人都在談論通用人工智慧（AGI），但二十億辦公室工作者中的大多數尚未感受到它的存在。不久之後，知識工作會是什麼模樣？當組織結構中融入了永不休息的智能，又將發生什麼？ 早期的電影常常像舞台劇，一台攝影機對著舞台拍攝。 未來常常難以預測，因為它總是偽裝成過去的樣子。早期的通話像電報一樣簡短，早期的電影像錄下來的舞台劇。正如馬歇爾·麥克魯漢所說：「我們總是透過後視鏡駛向未來。」 如今最普遍的人工智慧，看起來還像過去的 Google 搜尋。引用麥克魯漢的話：「我們總是透過後視鏡駛向未來。」今天，我們看到的是模仿 Google 搜尋框的 AI 聊天機器人。我們正深陷於每一次技術變革中都會出現的那種令人不適的過渡期。 對於未來會怎樣，我也沒有全部答案。但我喜歡借助幾個歷史隱喻，來思考人工智慧如何在個人、組織乃至整個經濟的不同層面發揮作用。 個人：從自行車到汽車 最初的跡象，可以在知識工作的「高階實踐者」，程式設計師身上看到。 我的共同創辦人西蒙曾是一位「十倍程式設計師」，但近來他很少親手寫程式碼了。走過他的工位，你會看到他在同時調度三四個 AI 編程助手。這些助手不僅打字更快，還會思考，讓他成了一名效率提升 30 至 40 倍的工程師。他常在午餐前或睡前排好任務佇列，讓 AI 在他離開時繼續工作。他已化身為無限智能的管理者。 1970 年代《科學美國人》一項關於運動效率的研究，啟發了史蒂夫·賈伯斯提出「思想的自行車」這個著名比喻。只是自那以後的幾十年，我們一直在資訊高速公路上「踩著自行車」。 1980 年代，史蒂夫·賈伯斯稱個人電腦為「思想的自行車」。十年後，我們鋪就了名為網路的「資訊高速公路」。但如今，大多數知識工作仍依賴人力。這就像我們一直在高速公路上騎自行車。 有了 AI 助手，像西蒙這樣的人已經從騎自行車升級為開汽車。 其他類型的知識工作者何時才能「開上汽車」？有兩個問題必須解決。 與編程助手相比，為什麼 AI 輔助知識工作更難？因為知識工作更零散，也更難驗證。 首先是情境碎片化。在編程中，工具和情境往往集中在一處：整合開發環境、程式碼儲存庫、終端機。但一般的知識工作分散在幾十種工具裡。想像一個 AI 助手試圖起草產品簡介：它需要從 Slack 討論串、戰略文件、儀表板中的上季度資料，以及只存在於某個人腦中的組織記憶裡提取資訊。目前人類是黏著劑，靠複製貼上和在瀏覽器分頁之間切換來拼湊一切。只要情境沒有整合，AI 助手就只能局限於狹窄的用途。 第二個缺失要素是可驗證性。程式碼有個神奇的特性：你可以透過測試和報錯來驗證它。模型開發者利用這一點，透過強化學習等方式訓練 AI 更好地編程。但你如何驗證一個專案管理得好不好，或一份戰略備忘錄是否出色？我們尚未找到改進通用知識工作模型的方法。因此，人類仍需留在循環中監督、引導並示範什麼是「好」。 1865 年的《紅旗法案》要求汽車在街上行駛時，必須有一名持旗者在車前步行開道（該法於 1896 年廢除）。 今年的編程助手實踐告訴我們，「人在迴路」並不總是理想的。這就像讓人在生產線上挨個檢查螺栓，或者在汽車前步行清道（見 1865 年《紅旗法案》）。我們應當讓人站在更高處監督循環，而非置身其中。一旦情境得以整合，工作變得可驗證，數十億工作者將從「踩自行車」變為「開汽車」，再從「開車」走向「自動駕駛」。 組織：鋼鐵與蒸汽 公司是近代的發明，它們隨著規模擴大而效能遞減，終會觸及極限。 1855 年紐約與伊利鐵路公司的組織結構圖。現代公司及其組織架構是隨著鐵路公司演進而來的，鐵路是最早需要遠距離協調數千人的企業。 幾百年前，大多數公司只是十幾人的作坊。如今我們有了員工數十萬的跨國公司。溝通基礎設施依靠會議和資訊相連的人腦在指數級增長的負荷下不堪重負。我們試圖用層級、流程和文件來解決，但這無異於用木材建造摩天大樓，是用人類尺度的工具解決工業尺度的問題。 兩個歷史隱喻展現了，當組織擁有新的科技原料後，未來可能呈現怎樣的不同面貌。 鋼鐵的奇蹟：1913 年竣工的紐約伍爾沃斯大廈曾是世界最高建築。 第一個是鋼鐵。在鋼鐵之前，19 世紀的建築高度被限制在六七層。鐵雖然堅固，但脆而重；增加樓層，結構就會在自重下坍塌。鋼鐵改變了一切。它堅固且柔韌，框架可以更輕，牆壁可以更薄，建築陡然拔高至數十層，新型建築由此成為可能。 AI 就是組織的「鋼鐵」。它有望在各工作流中保持情境連貫，在需要時呈現決策而無須噪音干擾。人類溝通不必再充當承重牆。每週兩小時的對齊會議可能變為五分鐘的非同步複核；需要三層審批的高階主管決策或許幾分鐘就能完成。公司能夠真正實現規模化，而避免我們曾視為必然的效能衰減。 依靠水車提供動力的磨坊。水力強大但不穩定，且受地點和季節限制。 第二個故事關於蒸汽機。工業革命初期，…