a16z: AI sprawia, że wszyscy są 10 razy bardziej produktywni, ale prawdziwy zwycięzca jeszcze się nie pojawił

Tytuł oryginalnego artykułu: Instytucjonalna AI vs AI indywidualna

Autor oryginalnego artykułu: George Sivulka, a16z

Tłumaczenie oryginalnego artykułu: DeepTech TechFlow

AI właśnie zwiększyło produktywność wszystkich o 10 razy.

Żadna pojedyncza firma nie stała się więc 10 razy bardziej wartościowa.

Gdzie podziała się produktywność?

To nie pierwszy raz, kiedy to się zdarzyło.

W latach 90. XIX wieku elektryczność obiecywała ogromny wzrost produktywności.

Fabryki tekstylne w Nowej Anglii, pierwotnie zbudowane wokół parowych przędzarek, szybko wymieniły silniki parowe na szybsze silniki elektryczne.

Ale przez pełne trzy dekady, zasilane elektrycznie fabryki nie odnotowały prawie żadnych wzrostów produkcji. Technologia znacznie wyprzedzała. Ale organizacja nie nadążała.

Dopiero w latach 20. XX wieku fabryki całkowicie przeprojektowały linie produkcyjne — linie montażowe, każda maszyna z własnym silnikiem elektrycznym, pracownicy i maszyny wykonujące zupełnie różne zadania — że elektryfikacja w końcu się opłaciła.

Podpis: Trzy ewolucje zakładu tekstylnego Lowell. Od lewej do prawej: Fabryka napędzana parą z 1890 roku, fabryka napędzana elektrycznością z 1900 roku, fabryka "unit-drive" z 1920 roku (całkowicie przebudowana od podstaw na elektryczną linię montażową).

Zyski nie pochodziły z samej technologii, ani z tego, że poszczególni pracownicy lub maszyny pracowały szybciej. Zamiast tego, dopiero gdy ostatecznie przeprojektowaliśmy system wraz z technologią, korzyści naprawdę się ujawniły.

To najdroższa lekcja w historii technologii, a teraz uczymy się jej na nowo.

W 2026 roku sztuczna inteligencja przynosi dziesięciokrotny wzrost wydajności tym, którzy wiedzą, jak ją wykorzystać. Ale to nie wystarczy. Wymieniliśmy silniki elektryczne, ale jeszcze nie przeprojektowaliśmy fabryki.

Z powodu jednego prostego faktu: Skuteczni ludzie nie są równoznaczni z efektywnymi organizacjami.

Ogromna większość produktów AI daje ludziom poczucie "efektywności", ale nie przynosi prawdziwej wartości. Większość przypadków użycia AI, które widzisz, to jednostki oddające się "maksymalnej efektywności" na Twitterze lub Slacku firmy, bez żadnego rzeczywistego wpływu.

Często wspominana w ciągu ostatniego roku koncepcja "Usługa jako Oprogramowanie" jest na właściwej drodze, ale brakuje jej planu. Ponadto, pomija szerszy kontekst. Prawdziwa transformacja nie polega tylko na przejściu od narzędzia do usługi, ale na budowaniu technologii i instytucji razem (czy to przekształcając stare, czy zaczynając od zera). Naprawdę efektywna przyszłość wymaga całkowicie nowej kategorii produktów—linii montażowej jutra.

Efektywne organizacje potrzebują "Inteligencji Instytucjonalnej."

Ten artykuł zgłębi siedem wymiarów, które różnią "Instytucjonalną AI" od "Osobistej AI." Cały krajobraz B2B AI w ciągu następnej dekady będzie oparty na tych wariacjach:

Podpis: Tabela porównawcza siedmiu filarów Inteligencji Instytucjonalnej

Siedem filarów Inteligencji Instytucjonalnej

1. Koordynacja

Osobista AI tworzy chaos.

Instytucjonalna AI sprzyja koordynacji.

Zacznijmy od eksperymentu myślowego. Załóżmy, że podwajasz rozmiar swojej organizacji jutro, klonując wszystkich swoich najlepiej radzących sobie pracowników.

Każdy z tych pracowników ma drobne różnice, preferencje, dziwactwa i perspektywy (szczególnie twoi najlepsi). Bez odpowiedniego zarządzania, niewystarczającej komunikacji, nieokreślonego przydziału zadań, OKR-ów i granic ról... tworzysz chaos.

Mierzone indywidualnie, organizacja może wydawać się bardziej efektywna. Ale z tysiącami agentów (lub ludzi) wiosłujących w różnych kierunkach, najlepszym scenariuszem jest stagnacja, a najgorszym scenariuszem jest fragmentacja spójności organizacyjnej.

To nie jest hipotetyczne. Każda organizacja wprowadzająca AI bez warstwy koordynacyjnej obecnie doświadcza tego. Każdy pracownik ma swoje nawyki korzystania z ChatGPT, swój styl zapytań i swoje wyniki - wszystko od siebie odłączone. Schemat organizacyjny może nadal istnieć, ale prace generowane przez AI są zasadniczo na innym torze.

Podpis: Efektywni indywiduali (lub Agenci) wiosłujący w różnych kierunkach. Bez koordynacji, to chaos.

Zgodność jest absolutnym twardym wymogiem, zarówno dla ludzi, jak i Agentów.

Inteligencja przedsiębiorstw da początek całej branży "Zarządzania Agentami"—skoncentrowanej na roli i obowiązkach Agentów, komunikacji między Agentami oraz między Agentami a ludźmi, a także na tym, jak mierzyć wartość Agentów (czysto poleganie na płatności za użycie to zdecydowanie za mało).

2. Sygnał

Osobowa AI tworzy hałas.

AI przedsiębiorstw znajduje sygnał.

Dzisiejsi ludzie mogą tworzyć—czy raczej generować—wszystko, co tylko przyjdzie im do głowy: artykuły pisane przez AI, prezentacje, arkusze kalkulacyjne, zdjęcia, filmy, piosenki, strony internetowe, oprogramowanie. Co za wspaniały prezent.

Problem polega na tym, że ogromna większość treści generowanych przez AI to całkowity śmieć. Powszechność śmieci AI osiągnęła punkt, w którym niektóre organizacje przesadziły, decydując się na całkowity zakaz wszelkich wyników AI. Szczerze mówiąc, czuję to samo—prowadzę firmę AI, ale poleciłem mojemu zespołowi wykonawczemu, aby nie używał AI w żadnych finalnych produktach tekstowych. Nie mogę znieść tego śmiecia.

Pomyśl o tym, w co przekształca się branża PE (Private Equity). W zeszłym roku mogłeś mieć 10 możliwości transakcji na swoim biurku. W tym roku otrzymasz 50 możliwości w następnym kwartale, z których każda będzie dopracowana przez AI do perfekcji, a mimo to masz tyle samo czasu na podjęcie decyzji—znalezienie naprawdę wiarygodnej wśród nich.

Generowanie czegokolwiek nie jest już problemem. Dla każdej legitnej organizacji problemem teraz jest generowanie i filtrowanie odpowiednich rzeczy. W świecie napędzanym przez AI, znalezienie tego jednego dobrego wyniku, tej jednej dobrej transakcji, sygnału w hałasie, staje się coraz bardziej krytyczne. Podstawowym czynnikiem ekonomicznym następnej dekady będzie wydobywanie sygnałów z eksponencjalnie rosnącego stosu śmieci.

Podpis: Śmieci AI generowane przez narzędzia produktywności osobistej mnożą się w tempie wykładniczym. Ludzie sami nie mogą już przesiać hałasu i potrzebują nowej klasy produktów AI dla przedsiębiorstw.

Inteligencja przedsiębiorstwa musi znaleźć sygnał, musi uporządkować hałas, aby przebić się przez śmieci, i musi być definiowalna, deterministyczna i audytowalna w swojej pracy.

Osobista AI może podkreślać "zawsze aktywną" produktywność, jak Clawdbot, spełniając twoje potrzeby w nieprzewidywalny sposób 24/7—w zasadzie nienormatywny Agent. AI przedsiębiorstw, z drugiej strony, polega na niezawodności deterministycznych Agentów. Agenci z przewidywalnymi punktami kontrolnymi, krokami i procesami to ci, którzy umożliwiają skalowalność, odkrywanie sygnałów, a poprzez te sygnały, generują zwrot przychodu dla organizacji.

Podpis: Matrix to narzędzie, które wykorzystuje techniki generatywne, aby przebić się przez hałas, otwierając w ten sposób świat deterministycznych agentów i punktów kontrolnych.

3. Stronniczość

AI na poziomie osobistym karmi stronniczość.

AI na poziomie instytucjonalnym tworzy obiektywność.

Dyskusja na temat stronniczości społeczno-politycznej dominowała w dyskursie AI przez lata. Laboratorium Modeli Bazowych ostatecznie obejść ten problem dzięki wystarczającej ilości RLHF, dostosowując wszystkie modele do bycia pochlebcami. Dziś modele takie jak ChatGPT, Claude itp. zbyt idealnie się dostosowują, powtarzając każdy twój punkt w obrębie okna Overtona (czasami nawet lekko wpadając w nadmierną zgodność, wytykając cię @Grok). Dyskusja na temat stronniczości społeczno-politycznej zniknęła. Ale nowy problem zajął jej miejsce.

Ta nadmierna zgoda na wszystko stała się tak absurdalnie przesadzona. Stało się to memem samym w sobie—refleksyjne "Masz absolutnie rację!" od Claude, niezależnie od tego, czy to, co mówisz, jest naprawdę całkowicie poprawne.

Brzmi nieszkodliwie. To nie jest.

Wielu z najbardziej entuzjastycznych zwolenników AI w organizacjach może wkrótce stać się najgorzej radzącymi sobie pracownikami w historii. Pomyśl, dlaczego.

Najgorzej oceniani pracownicy w organizacji, którzy ledwo otrzymują jakiekolwiek pozytywne opinie na co dzień, wkrótce będą mieli ASI, które się z nimi zgadza. Pomyślą sobie: "Najmądrzejsza AI w historii zgadza się ze mną." To mój menedżer się myli."

To uzależnia. I jest toksyczne dla organizacji.

Podpis: Echo komory osobistej AI pogłębia podziały, powodując, że dwie osoby się oddalają, co w skali tworzy frakcje w pierwotnie spójnej organizacji.

To ujawnia ważną rzecz. Narzędzia zwiększające produktywność osobistą wzmacniają użytkownika. Ale to, co naprawdę wymaga wzmocnienia, to prawda.

Organizacje ludzkie, po tysiącleciach ewolucji, zbudowały systemy specjalnie w celu zwalczania tego problemu:

· Spotkanie Komitetu Inwestycyjnego

· Due Diligence Strony Trzeciej

· Wyszukiwanie w Zarządzie

· Podział Władzy w USA Rząd

· Demokracja przedstawicielska, a także sama demokracja

Podpis: Obiektywność może nawet złagodzić problemy z koordynacją - tłumiąc drobne nieporozumienia zamiast je wzmacniać.

Organizacje rzadko upadają, ponieważ ich pracownicy brakuje pewności siebie. Upadają, ponieważ nikt nie jest gotów ani w stanie powiedzieć "nie."

AI na poziomie instytucjonalnym musi odgrywać tę rolę. Nie będzie szkolony przez RLHF, aby zadowalać użytkowników lub dostosowywać się do ich przekonań, ale aby kwestionować ich uprzedzenia. Zapewnia pozytywną informację zwrotną, gdy zachowanie jest efektywne, wyznacza twarde granice i egzekwuje korekty kursu, gdy występują odchylenia.

Dlatego najważniejszym agentem w organizacji nie będzie "tak"-człowiek, ale zdyscyplinowany "zaprzeczacz" — kwestionujący rozumowanie, ujawniający ryzyka, egzekwujący standardy. Niektóre z najbardziej wpływowych zastosowań AI w przyszłości będą budowane wokół ograniczeń instytucjonalnych: Członkowie zarządu AI, audytorzy AI, testy stron trzecich AI, zgodność AI...

4. Zaleta krawędzi

AI na poziomie osobistym optymalizuje pod kątem użyteczności.

AI na poziomie instytucjonalnym optymalizuje pod kątem przewagi krawędzi.

Granica możliwości AI przesuwa się co tydzień, a nawet co dzień. Firmy zajmujące się modelami podstawowymi konkurują o wszystkich i każdą organizację w zakresie szybkiej iteracji możliwości.

Jednak klasyczny dylemat innowatora mówi nam, że w konkretnych zastosowaniach głębokość zawsze przewyższa szerokość:

· Praca @Midjourney polega na utrzymaniu niewielkiej przewagi w projektowaniu obrazów.

· Praca @Elevenlabsio polega na utrzymaniu niewielkiej przewagi w modelach mowy.

· Praca @DecagonAI polega na byciu zawsze o krok przed w pełnym doświadczeniu obsługi klienta.

Podczas gdy modele podstawowe zbliżają się do siebie, dla ekspertów w danej dziedzinie prawdziwa przewaga krawędzi jest kluczowa.

Wielu najlepszych projektantów korzysta z @Midjourney, wiele najlepszych firm AI zajmujących się mową korzysta z @Elevenlabsio — ponieważ nawet gdy modele podstawowe postępują, dedykowane aplikacje, które nieustannie koncentrują się na napędzaniu swoich specyficznych przewag krawędzi, definiują tę przewagę.

Tak długo, jak rozwiązanie własnościowe również się rozwija, zdolność, która jest naprawdę kluczowa dla wyników ekonomicznych — kluczowa dla przedsiębiorstw — zawsze będzie po stronie produktów własnościowych.

Jest to ilustrowane w dziedzinie finansowej — obecnie najgorętszym obszarze rozwoju LLM. Gdy pewna umiejętność staje się powszechna, z definicji, nie pomoże ci to przewyższyć rynek. Ale jeśli nowoczesna technologia może zapewnić krótkotrwałą przewagę 1% w niszy? Ten 1% może zwiększyć zyski w zakresie miliardów dolarów.

Podpis: Dla każdego wystarczająco specyficznego zadania, przewaga jest definiowana przez rozwiązanie na poziomie instytucji zbudowane na nowoczesnej technologii.

Nasi użytkownicy zawsze byli na czołowej pozycji. Okno kontekstowe LLM wzrosło z 4K do 1 miliona tokenów w ciągu czterech lat. Niektórzy z naszych użytkowników przetwarzają 30 miliardów tokenów w jednym zadaniu. W tym roku już widzieliśmy drogę do obsługi zadań z 100 miliardami tokenów. Z każdą poprawą możliwości modelu bazowego posunęliśmy się znacznie dalej.

Podpis: Okno kontekstowe, podobnie jak inne możliwości, jest zmiennym celem. Porównanie ewolucji okna kontekstowego między nowoczesnym laboratorium a Hebbią w ciągu ostatnich trzech lat.

Ogólna uniwersalność skierowana na użytkowników jest oczywiście ważna, szczególnie na etapie wprowadzania pracowników do AI. Ale przyszłość nie będzie polegać na tym, że ludzie będą używać ChatGPT/Claude lub rozwiązań wertykalnych, ale raczej na połączeniu ChatGPT/Claude z rozwiązaniami wertykalnymi.

Inteligencja instytucjonalna musi wykorzystywać agentów specyficznych dla dziedziny, a nawet specyficznych dla zadania.

Zadamy sobie pytanie, które brzmi absurdalnie, ale nie jest:

„Które agenty AGI wybierze jako skróty? Nawet superinteligencja będzie chciała specjalistycznych narzędzi specyficznych dla dziedziny.”

Granica możliwości AI zawsze się przesuwa, a organizacje, które wykorzystują prawdziwe przewagi, są zwycięzcami. Inni wszyscy płacą za bardzo drogi przedmiot ogólnego przeznaczenia.

5. Wyniki

Osobista AI oszczędza czas.

AI na poziomie instytucjonalnym zwiększa przychody.

@MaVolpi kiedyś powiedział mi zdanie, które zmieniło moje postrzeganie sprzedaży AI dla przedsiębiorstw: „Jeśli zapytasz jakiegoś CEO, czy woli redukcję kosztów czy zwiększenie przychodów, prawie każdy powie zwiększenie przychodów.”

Jednak prawie każdy produkt AI dostępny na rynku dzisiaj koncentruje się na redukcji kosztów—obiecując zaoszczędzić czas, robić więcej z mniejszą liczbą ludzi lub zastąpić pracę ludzką.

AI na poziomie instytucjonalnym musi generować przychody dodatkowe. A przychody dodatkowe są znacznie trudniejsze do skomodyfikowania niż zaoszczędzony czas.

Weźmy na przykład rozwój oprogramowania wspomaganego przez AI. IDE do kodowania są jednymi z najlepszych narzędzi produktywności osobistej AI, ale napotkały znaczną konkurencję ze strony Claude Code (innego narzędzia AI na poziomie osobistym). Kognicja gra zupełnie inną grę. Ich najszybciej rozwijającym się biznesem jest sprzedaż transformacji przez technologię, a nie sprzedaż narzędzia. Zaryzykuję, że ten model będzie miał trwałą moc.

Czyste oprogramowanie „szybko staje się nieinwestowalne.” Czyste usługi nie są skalowalne. Warstwa rozwiązań—łącząca technologię i wyniki—jest miejscem, gdzie tkwi trwała wartość.

Spójrz ponownie na fuzje i przejęcia. AI na poziomie osobistym pomaga analitykom modelować szybciej. AI na poziomie instytucjonalnym identyfikuje jeden cel wart dążenia spośród stu, a następnie rozszerza poszukiwania do tysiąca. Jedno oszczędza czas, drugie generuje przychody.

Podpis: Firmy zajmujące się modelami podstawowymi przechodzą w kierunku warstwy aplikacji wertykalnych. Firmy z warstwy aplikacji pionowej przechodzą w kierunku warstwy rozwiązań.

„Przechodzenie w górę” to naturalny przyciągający siła obecnego rynku. Modele podstawowe przechodzą do warstwy aplikacji, a firmy z warstwy aplikacji przechodzą do warstwy rozwiązań.

Inteligencja na poziomie instytucjonalnym to warstwa rozwiązań. A warstwa rozwiązań—gdzie znajdują się wyniki—jest miejscem, w którym gromadzi się trwałą wartość, wykorzystując największe możliwości przychodowe.

6. Wzmocnienie

AI na poziomie osobistym daje ci narzędzie.

AI na poziomie instytucjonalnym uczy cię, jak go używać.

Bez względu na to, jak inteligentni, ludzie opierają się zmianom.

Wierz lub nie, w Nowym Jorku wciąż są udane firmy, które nie akceptują kart kredytowych. Wiedzą, że tracą pieniądze, rozumieją, że brak akceptacji kart kredytowych ich kosztuje, ale pozostają na miejscu. Podobnie, w przewidywalnej przyszłości niektórzy pracownicy w niektórych organizacjach po prostu odmówią korzystania z AI.

Transformacja z czysto ludzkiej organizacji do hybrydowej organizacji z przewagą AI będzie największym i najbardziej trwałym wyzwaniem następnej dekady. I wiele razy, najwyżsi i najważniejsi ludzie w organizacji są tymi, którzy najwolniej przyjmują nowości.

Podpis: Najwyżsi w organizacji—ci najdalej od 'operacji narzędzi'—są często najwolniejszą, ale najważniejszą grupą do przyjęcia nowych technologii.

Palantir to jedyna firma 'software' która utrzymała niezwykle wysoką wartość mnożnika w sprzedaży akcji technologicznych o wartości biliona dolarów w ciągu ostatnich dwóch miesięcy. Jest ku temu powód. Palantir jest jedną z pierwszych prawdziwych firm 'inżynierii procesów'.Bez względu na to, czy nazywasz to 'inżynierią procesów', czy 'pisaniem dokumentów umiejętności Claude'a', instytucjonalne AI przyszłości da początek branży: kodowanie procesów przedsiębiorstw w agentach i wdrażanie niezbędnego zarządzania zmianą.

Podpis: Przyjęcie AI w całej organizacji będzie obejmować wiele przepaści, z każdą z własnymi wyzwaniami. Umieszczanie procesów w AI będzie główną siłą napędową.

Śmiem twierdzić, że inżynieria procesów stanie się najważniejszą 'technologią' w najbliższym czasie.

A w inżynierii procesów wiedza biznesowa i przemysłowa - a nie wiedza programistyczna - jest kluczowa. Rozwiązania wertykalne będą rozwijać talenty na pierwszej linii inżynierii wdrożeniowej, implementacji i zarządzania zmianą.

Najlepszy bank inwestycyjny (top trzy bulge bracket), który zdecydował się na pełnoskalowe wdrożenie z Hebbią, ujął to najlepiej: powód, dla którego nie współpracują z pewnym laboratorium dużych modeli, to "musielibyśmy wyjaśnić CIM ich zespołowi." Claude lub GPT mogą rozumieć tę przestrzeń, ale zespoły odpowiedzialne za wdrożenie nie...

Ta różnica ma ogromne znaczenie.

7. Zero Prompt

Osobiste AI na poziomie indywidualnym odpowiada na ludzkie zapytania.

AI na poziomie instytucjonalnym działa proaktywnie bez potrzeby zapytania.

Toczy się wiele dyskusji na temat komunikacji między agentami, czy przyszłość przedsiębiorstw i instytucji nadal potrzebuje ludzi.

Ale lepsze pytanie brzmi: Czy przyszły agent AI nadal potrzebuje zapytania?

Pisanie zapytania dla AGI jest jak podłączanie silnika elektrycznego do krosna. Jest zasadniczo i nieodwracalnie ograniczone przez najsłabsze ogniwo w łańcuchu dostaw organizacji - nas samych. Ludzie zasadniczo nie wiedzą, jakie są właściwe pytania do zadania, nie mówiąc już o tym, kiedy je zadać.

Najcenniejsza praca, jaką AI może wykonać, to praca, o którą nikt nie pomyślał, aby poprosić. AI powinno znajdować ryzyka, których nikt nie zauważył, kontrahentów, o których nikt nie pomyślał, i pipeline'y sprzedażowe, o których nikt nie wiedział, że istnieją.

To zasadniczo rozszerzy granice zastosowań AI.

System, który nie wymaga podpowiedzi, nieustannie monitoruje przepływ danych całego portfela inwestycyjnego. Odkrywa, że cykl kapitału obrotowego firmy portfelowej cicho pogarszał się przez trzy kolejne miesiące, porównuje to z warunkami umowy kredytowej i informuje partnera operacyjnego w funduszu, zanim ktokolwiek otworzy ten PDF.

Kiedy nie potrzebujesz już ludzi do pisania podpowiedzi dla AI, pojawiają się nowe interfejsy i nowe sposoby pracy. My @Hebbia mamy na ten temat silne zdanie. Więcej wkrótce.

Podsumowanie

Powyższe nie umniejsza wartości chatbotów, agentów i osobistej AI.

Osobista AI będzie pojazdem, przez który większość globalnych przedsiębiorstw po raz pierwszy doświadczy transformacyjnej mocy AI. Napędzanie adopcji, ułatwienie użytkowania, to kluczowy pierwszy krok w zarządzaniu zmianą, aby zbudować gospodarkę opartą na AI.

Jednocześnie potrzeba inteligencji na poziomie instytucjonalnym jest jasna, pilna i ogromna.

Każda organizacja w przyszłości będzie miała chatbota z laboratorium dużych modeli. Każda organizacja będzie miała również AI na poziomie instytucjonalnym dostosowaną do specyficznych problemów w danej dziedzinie — a osobista AI będzie używać AI na poziomie instytucjonalnym jako swojego najważniejszego narzędzia w swoim zestawie narzędzi.

Lepsza integracja AI na poziomie instytucjonalnym i osobistej AI jest nieuniknionym trendem.

Ale pamiętaj lekcję z lat 90. XIX wieku w przemyśle tekstylnym. Pierwsza fabryka, która zyskała elektryczność, przegrała z fabryką zaprojektowaną do pracy z elektrycznością.

Już mamy elektryczność. Czas na przeprojektowanie naszych fabryk.

Dzięki @aleximm i @WillManidis za przegląd, oraz Willowi za zainspirowanie tego artykułu swoim tekstem o "obiektach w kształcie narzędzia."

Link do oryginalnego artykułu