你有莫得发现一个奇怪的形式？AI 让每个会用它的东说念主分娩力进步了 10 倍，但莫得一家公司因此变得更值钱 10 倍。这些分娩力都去哪了？Hebbia 的 CEO George Sivulka 最近写了一篇著作，获胜点出了这个让所有东说念主困惑的问题。他说，咱们正在重蹈 1890 年代电力翻新的覆辙，犯下科技史上最高尚的罪恶。

这个不雅点让我堕入了深度念念考。我看到身边太多东说念主在用 ChatGPT、Claude 荒诞进步个东说念主效力，在 Twitter 和公司 Slack 频说念里夸耀我方的"分娩力最大化"恶果。但闲适下来想想，这些个东说念主层面的分娩力爆发，真的转动成了公司层面的价值增长吗？大部分情况下，谜底是酌量的。George Sivulka 用一个历史训练讲解了为什么会这么，而这个训练对咱们通晓 AI 的真确价值至关要紧。

1890 年代，电力技艺承诺带来巨大的分娩力进步。新英格兰的纺织厂赶快把蒸汽引擎换成了更快的电动马达。但接下来的三十年里，这些电气化工场的产出真的莫得增多。技艺自己远超以往，但组织方式没变。直到 1920 年代，当工场澈底再行遐想了通盘分娩历程，引入活水线、在每台开拓中安设独处马达、让工东说念主和机器扩充完全不同的责任时，电气化才真确产生了可不雅的答复。这些答复不是来自技艺自己，也不是来自让个别工东说念主或机器更快地纺线，而是来自再行遐想了通盘机构和技艺的配合方式。

George Sivulka 说，这是科技史上最高尚的训练，而咱们当今正在再行学习它。我完全答应这个判断。2026 年，AI 正在让那些懂得诳骗它的个东说念主分娩力进步 10 倍。但这还不够。咱们只是换了马达，还莫得再行遐想工场。因为一个肤浅的事实：高效的个东说念主并不等于高效的公司。

Individual AI 和 Institutional AI 的根柢区别

George Sivulka 在著作中提议了一个中枢主张：Individual AI（个东说念主 AI）和 Institutional AI（机构 AI）。我认为这个别离特殊时弊，它讲解了为什么当今大大都 AI 居品给东说念主一种"嗅觉很高效"的错觉，但推行上并莫得真确推动价值创造。

面前市面上绝大大都被公开连接的 AI 应用，都是个东说念主在 Twitter 或公司 Slack 频说念里自我酣醉式地"分娩力最大化"，对推行业务产出真的莫得影响。这让我想起最近一年里反复被说起的"工作即软件"主张，天然场地对了，但莫得提供具体蓝图，也错过了更大的图景。真确的迁徙不是从器具到工作，而是把技艺和机构沿路构建（不管是传统机构照旧新机构）。一个真确高效的改日需要全新类别的居品，需要翌日的活水线。

我深切招供 George Sivulka 的不雅点：高效的组织需要的是"Institutional Intelligence"（机构智能）。接下来，我想聚集他提议的七大相反点，共享一下我对 Individual AI 和 Institutional AI 实质区别的通晓。

息争：从强大到次序

George Sivulka 用了一个念念想实验来诠释息争的要紧性。遐想一下，你翌日把公司东说念主数翻倍，但新增的都是你最优秀职工的克隆体。这些职工每个东说念主都有渺小相反、偏好、怪癖和不雅点（若是他们真的是你最优秀的职工，这少量尤其澄莹）。若是他们莫得得到充摊派理，若是他们之间缺少裕如的疏通，若是他们的职责范围、OKR、变装定位莫得明确界定，你创造的不是分娩力，而是强大。

这个譬如让我预料了当下好多公司的 AI 应用近况。从个东说念主层面磋议，组织可能变得更高效了，但当千千万万个 agent（代理）或东说念主类朝着违抗场地划桨时，最佳的情况是足履实地，最坏的情况是糟蹋组织的和谐。这不是假定，而是正在每一个经受了 AI 但莫得息争层的组织中发生的现实。每个职工都有我方的 ChatGPT 使用民俗，我方的领导词作风，我方的输出内容，而这些输出彼此之间完全不交流。组织架构图可能存在，但 AI 生成责任的推行流向却完全是另一趟事。

我认为息争对东说念主类和 agent 来说都是王人备必要的。Institutional Intelligence 将演化出一通盘"Agentic Management"（agent 经管）行业，专注于 agent 的变装和职责、agent 之间以及 agent 与东说念主类之间的疏通，以及磋议 agent 的价值（仅靠基于糜费的订价是不够的）。这让我预料，改日可能会出现特意的 Agent 经管岗亭，就像当今有技俩司理、居品司理一样，会有 Agent 司理特意崇拜息争这些 AI agent 的责任。

信号：在杂音中找到价值

George Sivulka 指出了一个好多东说念主淡薄但极其要紧的问题：Individual AI 创造杂音，Institutional AI 寻找信号。今天的东说念主类如故八成创造或者说生成他们能遐想的任何东西：AI 生成的著作、演示文稿、电子表格、相片、视频、歌曲、网站和软件。这确乎是一份礼物。但问题是，AI 生成的内容绝大部分都是通首至尾的垃圾。这种 AI slop（AI 垃圾内容）的泛滥如故变得如斯严重，以至于一些组织运行过度反应，完全遮拦使用 AI 输出。

这点我充耳不闻。George Sivulka 说他狡计着一家 AI 公司，但条目高管团队不要在职何最终书面居品中使用 AI，因为他受不了那些垃圾内容。这个矛盾的形式很诠释问题。遐想一下私募股权投资（PE）的寰宇正在快速变成什么样貌。客岁，可能有 10 个来去契机经过你的案头。本年，下个季度你会收到 50 个契机，每一个都被 AI 润色得绰绰有余，但你领有的时候照旧那么多，你需要在其中找到一个真确的好来去。

生成任何东西不再是问题。对至今天任何严肃的组织来说，问题是生成和遴选正确的东西。在无边选项中找到那一个好的恶果、那一个好的来去、杂音中的信号，在 AI 驱动的寰宇中变得越来越要紧。我认为，改日十年的时弊经济驱能源将是在指数级增长的垃圾山中发现信号。

Institutional Intelligence 必须找到信号，必须结构化杂音以穿透垃圾，而且必须在它所作念的责任中是笃定的、可瞻望的和可审计的。Individual AI 可能强调 Clawdbot 那种"永远在线"的分娩力，以不能瞻望的方式照拂一个东说念主全天候的需求，也等于一个非笃定性的 agent。而 Institutional AI 将依赖于笃定性 agent 的承重可瞻望性。那些领有可瞻望查验点、设施和历程的 agent 会扩展界限，会发现信号，并通过这些信号为组织带来收入答复。

偏见：从答信室到客不雅性

George Sivulka 提议的偏见问题让我以为非常有瞻念察力。对于社会政事偏见的担忧也曾主导了多年的 AI 连接。基础模子实验室最终通过裕如的 RLHF（东说念主类反馈强化学习）绕过了这个问题，推行上把所有模子都变成了马屁精。今天，ChatGPT、Claude 等都是如斯过度对王人，以至于它们会在 Overton 窗口内的任何话题上答应你（巧合以致稍许超出范围）。对于社会政事偏见的连接如故平息。但一个新问题取代了它。

这种进度的招供感，这种对所有事情的过度对王人，如故变得好笑地恶运。它自己如故成为一个梗。Claude 那种反射性的"你完全正确！"，不管你事实上是否真的完全正确。这听起来无害，但推行上不是。

George Sivulka 的不雅点让我警悟：许多组织内最高声倡导 AI 的东说念主，可能很快会是历史上发扬最差的职工。想想为什么。组织中发扬最差的职工，每天真的得不到任何正面强化，很快就会有 ASI（东说念主工超等智能）答应他们。他们会对我方耳语："有史以来最机灵的智能答应我。我的司理错了。"这是令东说念主酣醉的，Z6尊龙国际app2026世界杯中国官方下载亦然对组织有毒的。

这突显了一个要紧问题。这些个东说念主分娩力器具强化的是用户自己。但推行上最要紧的是强化说念理。组织经过数千年的演化，建造了特意用来对消这个问题的系统：投资委员会会议、第三方遵法访问、董事会、好意思国政府的行政、立法和法则三权分立、代议制民主，以及通盘民主轨制自己。

我完全招供 George Sivulka 的看法：组织很少因为东说念主们缺少信心而失败。它们失败是因为莫得东说念主欢悦或八成说"不"。Institutional AI 必须演出这个变装。它不会被 RLHF 调教成趋承用户或回答他们的信念，而是要挑战他们的偏见。它会在有分娩力时强化举止，并在非分娩性倾向出当前划出硬性界限进行再行调治。因此，组织内最要紧的 agent 不会是"应声虫"，而是有次序的"反对者"，它们会质疑推理、表示风险、扩充循序。一些最具影响力的改日 AI 应用将围绕机构抵制而建造：AI 董事会成员、AI 审计员、AI 第三方测试、AI 合规等等。

上风：通用才气 vs 专科深度

George Sivulka 在著作中提到了一个经典的创新者窘境：对于特定应用来说，深度每次都能打败广度。这让我预料了当前 AI 领域的竞争形态。基础模子公司为了争夺每一个东说念主和每一个组织，正在快速迭代才气。但对于专科应用来说，真确的上风很要紧。

Midjourney 的责任是在遐想图像上略微进步。Elevenlabs 的责任是在语音模子上略微进步。Decagon 的责任是在全栈客户工作体验上永久进步。天然基础模子会接近这些才气，但对于各自领域的行家来说，真确的上风很要紧。许多最佳的遐想师使用 Midjourney，许多最佳的语音 AI 公司会使用 Elevenlabs，因为即使基础模子在改良，专用应用对于推动其特定上风的坚贞温煦自己就界说了上风。

唯有专用贬责决议也在进化，那些对经济终局、对企业要紧的才气，将永远属于专用居品。这在金融领域发扬得大书特书，那处当今是 LLM 开发最热点的领域。一朝某种才气变得普及，从界说上说它就不会帮你打败市集。但若是前沿技艺八成产生一个片时的 1% 利基上风呢？那 1% 不错被杠杆化成十亿好意思元级的终局。

George Sivulka 共享了 Hebbia 的数据很能诠释问题。他们的用户一直卓绝前沿才气。LLM 的陡立文窗口在四年内从 4K tokens 增长到 1M tokens。他们的一些用户在单个任务中处理 30B tokens。本年他们如故看到了 100B tokens 任务的可能性。每次基础模子才气进步，他们都如故鼓舞得更远了。

我的通晓是，这就像一场挪动野心游戏。为平庸东说念主群提供使用体验自己等于一个要紧且有价值的野心，非常是在让职工战斗 AI 方面。但改日不会是东说念主们使用 ChatGPT/Claude 或者领域特定贬责决议的二选一，而是 ChatGPT/Claude 和领域特定贬责决议的并存。Institutional Intelligence 必须诳骗领域特定，以致可能是任务特定的 agent。

George Sivulka 提议了一个听起来无理但推行上不是的问题："AGI 会遴选使用哪些 agent 行动捷径？即使是超等智能也会想要特定领域的专用器具。"我以为这个念念考角度非常有有趣。在 AI 领域，野心柱永远在变化，而那些诳骗真确才气上风的组织才是会赢的组织。其他所有东说念主都在为一个特殊高尚的商品付费。

终局：简略时候 vs 扩展收入

George Sivulka 援用了一个让他再行念念考怎么向企业销售 AI 的不雅点：风投 Marc Volpi 曾告诉他，"若是你问任何 CEO，他们的首要任务是削减老本照旧扩展收入，真的所有东说念主都会说收入。"但是今天市集上真的每个 AI 居品都在提供老本削减，承诺咱们简略时候、用更少的资源作念更多的事，或者替代东说念主力。

这个不雅察让我深念念。Institutional AI 必须提供上行空间。而上行空间比简略的时候更难商品化。以 agentic 软件开发为例。编码 IDE 是有史以来最佳的 Individual AI 分娩力器具之一，但它们如故濒临来自 Claude Code（另一个 Individual AI 器具）的巨大压力。而 Cognition 在玩一个完全不同的游戏。他们最踏实增长的业务是构建技艺来销售转型，而不是器具。我会押注这种捏久力。

纯软件"正在快速变得不能投资"。纯工作无法扩展。贬责决议层，将技艺与终局聚集起来，才是捏久价值麇集的地方。或者以并购为例。Individual AI 匡助分析师更快地建造模子。Institutional AI 从一百个敌手方中识别出一个值得追求的，并将这个范围扩大到一千个。一个简略时候；另一个创造收入。

George Sivulka 指出，向"上游"挪动是当前市集的天然重力。基础模子正在向应用层挪动。应用层公司正在向贬责决议层挪动。Institutional Intelligence 等于贬责决议层。而贬责决议层，终局所在的地方，将麇集捏久价值并拿获最大的上行空间。

我的不雅察是，这种朝上踌躇动的趋势在通盘 AI 生态系统中都在发生。那些只提供器具的公司会发现我方越来越难以捍卫我方的位置，而那些八成提供可磋议业务恶果的公司将得回更高的估值和更强的市局面位。

赋能：给器具 vs 教使用

George Sivulka 提到了一个东说念主性的真相：尽管咱们有创造力，但东说念主类是挣扎变化的。信不信由你，纽约仍然有得胜的企业不承袭信用卡。他们在耗损钱，他们知说念我方在耗损钱，但他们在这种惰性面前仍然不为所动。相通，在可意想的改日，某些组织中的某些职工会拒却使用 AI。

从纯东说念主类组织过渡到 AI 优先的混杂组织，将是改日十年捏久且决定性的挑战。在很厚情况下，组织中最资深、最要紧的层级将是经受最慢的。这让我预料，技艺经受的遏制时常不在底层职工，而在高层经管者。那些离"分娩力器具举止"最远的最高层时常是经受新技艺最慢、但最要紧的参与者。

George Sivulka 指出，Palantir 是唯独一家在往时两个月科技股万亿好意思元抛售中仍以不凡倍数来去的"软件"公司，这是有原因的。Palantir 是首批真确的"历程工程"公司之一。不管你称之为"历程工程"照旧"编写 Claude 手段文献"，改日的 Institutional AI 将有一个行业特意将公司历程编码进 agent，并竣事将它们付诸行动所需的变革经管。

我认为历程工程将成为近期内最要紧的"技艺"之一。而在历程工程中，业务和行业专科学问比软件专科学问更要紧。领域特定的贬责决议带来崇拜前方部署工程、部署和变革经管的专科东说念主员的专科学问。

George Sivulka 共享了一个案例：一家顶级投行遴选 Hebbia 进行全面部署时说得最佳：当他们"不得不向团队讲解什么是 CIM（好意思妙信息备忘录）"时，他们对与大模子实验室伙同失去了有趣。Claude 或 GPT 敬佩知说念这个领域，但实验室崇拜架构扩张的团队不知说念。这酿成了所有的相反。这个例子让我意志到，在 B2B AI 领域，领域专科学问可能比纯正的技艺才气更要紧。

主动性：反应领导 vs 主动行动

George Sivulka 在著作终末提议了一个我以为最具前瞻性的不雅点：对于 agent 之间通讯的连接好多，也有东说念主在问改日的企业、软件居品和机构是否还需要东说念主类。但更好的问题是，改日的 AI agent 是否还需要领导。

他用了一个很形象的譬如：给 AGI 领导就像把电动马达接到能源织机上。它从根柢上、不能逆转地受到组织供应链中最薄弱枢纽的放胆，也等于咱们东说念主类。东说念主类真的不知说念要问什么正确的问题，更无用说何时问了。

AI 能作念的最有价值的责任是莫得东说念主预料要条目的责任。AI 应该找到莫得东说念主标记的风险、莫得东说念主预料的敌手方、莫得东说念主知说念存在的销售渠说念。这将洞开 AI 用例的多重可能性。

一个无领导系统捏续监视通盘投资组合的传入数据。它检测到一家公司的营运资金周期在流通三个月内暗暗恶化，将其与信贷契约中的契约阈值交叉参考，并在基金中的任何东说念主洞开 PDF 之前向运营搭伙东说念主发出警报。

当你摒除了东说念主类领导 AI 的需要，新的界面和新的责任方式就会出现。George Sivulka 说 Hebbia 在这方面有一些利弊的不雅点。这让我特殊期待看到他们会推出什么样的居品。我认为，从需要领导到主动责任，这可能是 Institutional AI 和 Individual AI 之间最根柢的区别。

再行遐想咱们的工场

George Sivulka 在论断中说，这一切都不酌量聊天机器东说念主、agent 和通盘 Individual AI 的需求。Individual AI 将是寰宇上大大都企业初次体验 AI 变革魅力的载体。推动使用和通用易用性，是建造 AI 优先经济所需变革经管的时弊第一步。

但同期，对 Institutional Intelligence 存在澄莹、挫折和巨大的需求。改日每个组织都会有一个来无礼实验室的聊天机器东说念主。每个组织也都会有为领域特定问题特意构建的 Institutional AI，而 Individual AI 将把 Institutional AI 行动我方器具带中的时弊器具来诳骗。

Individual AI 和 Institutional AI 的"更好地协同"故事是不能幸免的。但咱们要记着 1890 年代纺织厂的训练。开首电气化的工场输给了那些再行遐想车间的工场。咱们如故有了电力。当今是时候再行遐想咱们的工场了。

读完这篇著作后，我对当前的 AI 飞扬有了更清醒的相识。我看到太多公司和个东说念主千里浸在 Individual AI 带来的个东说念主分娩力进步中，却淡薄了组织层面的系统性变革。就像 1890 年代那些肤浅换了电动马达却不蜕变分娩历程的工场一样，他们可能会在改日的竞争中败给那些真确再行遐想了组织结构和责任历程的公司。

我信赖，改日五到十年，咱们将看到一个全新的产业崛起：特意匡助组织构建和部署 Institutional AI 的公司。这些公司不仅提供技艺，更要紧的是提供历程工程、变革经管和领域专科学问。它们将成为企业从 AI 期间的电力中真确获益的时弊。

对于创业者和投资东说念主来说，这意味着巨大的契机。那些八成将 AI 技艺与特定行业深度聚集、八成提供可磋议业务恶果而不单是是简略时候的公司，将得回最大的答复。而对于企业来说Z6尊龙2026世界杯(中国)IOS/安卓官方下载，当今就应该运行念念考怎么再行遐想我方的"工场"了。因为历史告诉咱们，只是领有先进技艺是不够的，真确的上风来自于技艺和组织的竣工聚集。