委内瑞拉强震遇难人数升至4930人
内容来源：条记侠 ( Notesman ) 。责编? | ? 贾宁 ?排版? | 沐言第 9673 ?篇深度好文：6144| 17 分钟阅读AI 天演论条记君说：用了 AI，员工干活快了，但公司做决定的方法没变。汇报层级还在，信息还要层层转述，文件越来越多，拍板速度未必更快。工具升级了，组织照旧原来的组织。Notion 联合首创人 Ivan Zhao 把软件与大模型称为 " 组织里的钢 "，钢结构泛起后，建筑才有时机突破砖石的高度限制。Notion 建立于 2013 年，是一款全能型效率软件，在全世界拥有凌驾 1 亿用户，世界 500 强有一半都在用，年度经常性收入已经突破 6 亿美元。他把已往两年 Notion 的内部调解称为 Refounding（重建），在同一家公司里再创业一次。这个历程触及了几个很尖锐的问题：信息不必层层搬运之后，中间那些人另有什么用？经验正在贬值，公司该为什么样的人才买单？哪些事情可以即兴，哪些必须按流程走？成熟公司怎么在不绝掉旧业务的前提下重建自己？AI 越来越强，人类组织里什么工具反而越来越贵？今天这篇文章，我们把这些事彻底聊透，希望对你有所启发。一、AI 替换的不是岗位，而是旧的信息管道Ivan 把古板知识型公司的许多事情概括为 " 推纸 "，就是在各个岗位之间传输文件，推着纸走。一线员工把情况整理成文档，主管压缩成周报，部分卖力人提炼成几页幻灯片，再由高管带进集会。决策形成后，同一条链路反向运行：战略拆成目标，目标拆成任务，再经过几层解释传给执行者。这些环节里有治理，也有须要的协调。但其中相当一部分时间，花在了收集、压缩、转述和分发信息上。已往只能这么做，因为高管不可能阅读所有客户反响，组织也只能靠层级过滤信息。价钱是什么？信息会在过滤中损耗。信息每经过一次转述，就更整齐，也更远离现场。坏消息可能被修饰，客户一句带着情绪的诉苦，最终只剩报内外一个轻微波动的数字。AI 让公司有时机换一种做法。它可以阅读集会纪录、客户反响和内部文档，帮人找到相关配景，也能把疏散信息整理成开端判断。在规则明确的节点，一些小决定甚至不必再层层上报。这就是 " 组织里的钢 " 落到现实里的样子：信息不必再沿着原来的楼梯逐层搬运。Notion 对市场部分的调解提供了一个具体案例 :他们把市场事情拆成两部分。一部分是靠近产品的内容组，卖力内容、创意、社区和外部叙事。另一部分是靠近销售的获客组，卖力需求和线索。旧结构里，产品变革需要先传给营销卖力人，再由营销卖力人分派给内容、品牌（即内容组）和增长团队（获客组）。他们的新结构是让内容团队靠近产品，让获客团队靠近销售，减少中间往返。调解背后的逻辑很直接：既然信息可以更快抵达需要它的人，为什么还要设置一个职位充当交换机？我不太认同把它概括成 " 中间层正在被 AI 取代 "。这个题目很抓人，却把两件事混在了一起。Ivan 的原话里，没有说所有中层治理者都会消失。他明确说：组织不会酿成完全扁平的网络。责任、信任、资源分派和执法义务都需要明确归属，AI 不会让这些问题凭空消失。更准确地说，压力会先落到那些不作独立判断、主要卖力转发信息的岗位上。如果一位治理者每天主要在收集下属进度，再整理给上级，AI 确实能接手 TA 的不少事情�？扇绻煜ひ滴衽渚�，能发明团队没看到的危害，也能在冲突里做取舍，还愿意对结果卖力，那就差别了，这种价值不会轻易消失。治理者得重新回覆一个问题：如果各人都能看到足够的信息，我还能提供什么？谜底或许不再是 " 我知道得更多 "，而是面对同样的质料，能否作出更好的取舍，并担负结果。这已经不可是裁不裁人的问题。治理权威已往有一部分来自信息差，以后更多要靠判断和责任来建立。二、能力变自制之后，人才价值会被重新订价组织结构变革之后，招聘标准也不会坚持原样。Ivan 在访谈里给了一个人才公式：人才价值 = 能力 × 品味 × 主动性。他在公司里用乘法，是因为任何一项太弱都会拖累结果。好比一个人执行力很强，却不知道什么值得做，或者一直等别人推动，在变革快的情况里依然很难独当一面。又好比，知识型公司恒久偏爱经验，事情年限、任职公司和项目规模都很容易放进表格里，经验通常也意味着更熟悉流程、更少出错。但现在，这部分优势正在缩水。一个刚结业的工程师可以借助编码 Agent（智能体，下同）阅读陌生代码、搭建原型、增补测试；产品经理可以自己制作可交互页面，设计师也能跨过一部分技术门槛，把想法做成可以体验的工具。写作、剖析、编程的入门线正在下降，经验虽然另有用，只是不可再单独组成优势。Notion 由此形成了一种 " 杠铃型 " 组合。一端是年轻、能量高、愿意入手的人；另一端是能提供架构判断和偏向的资深人才。年轻人缺少经验，却更愿意使用新工具，可以带着多个 Agent 快速试错。顶级资深人才则能识别局部效率背后的系统危害，为多个人和多个 Agent 提供统一偏向。麻烦最大的是只有熟练度，却没有独立判断的资深人员。已往，把成熟流程执行得比别人更稳，就能在组织里找到明确位置。现在，AI 可以快速学习流程，还能低成外地同时跑多个版本。经验如果没有长制品味、架构能力或客户洞察，就容易停留在一套正在贬值的操作要领上。这也是 Ivan 重复谈 " 品味 " 的原因。这里说的不是视觉审美，而是识别重要问题的能力。你能不可看出一个产品只是能用，照旧足够好？能不可在十个说得通的偏向里选出一个？AI 可以生成大宗谜底，也能模仿已往的优秀作品�？梢患夜鞠氤晌裁础⒃敢獾８菏裁次：�，照旧得由人决定。人的主动性也会拉开差别。AI 能缩短从想法到结果的距离，却不会让一个习惯期待指令的人突然开始寻找问题。相反，原本就主动的人，现在可能独立完成已往需要一个小团队才华做完的事情。Notion 调解了招聘方法，他们不再先看简历，而是让候选人做出一个工具，再提交作品链接。作品会袒露许多简历无法证明的信息。这个人选择了什么问题？完成到什么水平？怎样使用工具？遇到模糊处时，又作出了什么决定？这种面试方法比简历麻烦，但它更接近公司真正想知道的事：这个人拿到工具以后，究竟能做出什么。古板招聘先写岗位说明书，再找最匹配的人。AI native（AI 原生，下同）团队更想找能拥有完整问题的人。AI 时代受影响最大的，未必是某个年龄段，更可能是有 " 我只卖力这一小段 " 的事情习惯的人。本钱下降后，公司自然会偏爱那些能穿过职能界限、把问题带到终点的人。三、产品需要爵士乐，财务仍要行军人才变了，事情方法也必须随着变。Ivan 用 " 爵士乐队 " 描述 Notion 想要的组织。爵士乐有节拍、和声和主题。乐手要有训练，也要听得见别人，但不会在演出前写死每一个音符。这个比喻放在 AI 产品开发上很贴切。Ivan 还做了另一个比喻：古板软件像造桥，设计和质料确定后，工程可以拆成稳定办法。AI 产品更像酿造工艺，底层能力会连续变革。同一套提示和事情流，模型升级以后，体现可能就纷歧样。团队无法只靠一张半年期路线图治理这种变革。团队需要更短的反响周期，让设计、工程和产品一起试验。先视察模型在真实情况中的行为，再决定下一步。如果岗位之间隔着漫长的交接流程，市场和技术可能已经变革，团队却还在讨论上一个版本的需求文档。所以，最接近问题的人需要有现场判断权，不可每次都等上面给出完整指令。不过 " 爵士乐模式 " 很容易被说得太浪漫。没有配合目标、足够强的人和实时反响，所谓即兴很可能只是各干各的。Notion 给这个比喻加了一条很实在的限制：产品可以爵士，财务仍然要行军。产品面对快速变革，需要给足探索留空间；财务管的是现金、本钱和生存界限，必须稳定、可预测，也更守旧。两边没法用同一种节奏治理。研发和产品可能每周都要调解，宁静、合规、财务和要害基础设施仍然离不开严格流程。治理者要划清的是：哪里允许即兴，哪里必须按流程做事。使用大模型的本钱也体现了这种现实。许多 AI 公司习惯把最强模型用于所有任务，似乎模型越强，产品就一定越好。但知识事情的差别很大，庞大战略剖析可能需要强模型，整理内部工单、查找制度或生成通例摘要，就没须要花同样的钱。一旦 AI 酿成基础设施，选择用什么大模型就成了经营问题。公司得凭据任务的危害、难度和价值作选择，没须要让每一次小请求都消耗最高本钱。AI native 也不即是凡事都用最先进的技术。模型能力、事情节奏和本钱账要一起算。所有人都要知道，眼前哪场仗必须赢。一家公司往往同时需要爵士和行军，只是要用在差别地方。四、成熟公司转向 AI，必须先让自己重新变软首创公司可以从一张白纸开始。成熟公司的麻烦，是纸上已经写满了已往验证过的谜底。产品有稳定客户，部分有年度目标，治理者有清晰界限，流程也曾资助公司取得乐成。任何剧烈改变都会碰到现实阻力：收入不可停，客户不可丢，团队也不可能全部推倒重来。这些谜底一经有效，所以格外难改。Notion 经历过两次接近 " 重新开办 " 的转折。第一次爆发在早期。产品多年找不到真正的市场契合，钱也快用完了。Ivan 和联合首创人 Simon Last 裁掉团队，搬到京都，只剩两个人重新构建产品。两个人重新回到最基础的问题：用户究竟需要什么工具，他们又为什么非做这件事不可。第二次重启更难。当 Ivan 提前体验 GPT-4 时，Notion 已经是一家拥有数百名员工的成熟 SaaS 公司。他把那次体验形容为 " 宗教体验 "。在他看来，知识事情的入口可能要变了，Notion 如果只增加几个 AI 功效，早晚会被挤到边沿�？烧庵煮贫挥辛⒖袒焕蠢殖刹�。Notion 在 Agent 偏向摸索了一年半，试过自建模型、微调，也试过差别产品路径，都没有马上跑通。基础模型继续进步后，相关产品才泛起增长迹象。这段低谷给他们泼了一盆冷水：CEO 宣布 " 全面拥抱 AI"，只代表偏向变了，产品和组织不会自动跟上。对成熟公司来说，再创业更像一边维持旧业务，一边允许一部分人重新进入未知。Ivan 建议：首创人要亲自使用模型、亲自做工具、亲自接触产品，不可只听团队汇报。这不是因为首创人天然更懂技术，而是新变革刚泛起时，还没有一套成熟指标能取代一手感受。领导者如果没亲手试过，很容易把 AI 项目交给立异部分，再用旧业务的指标逼它尽快证明回报。项目最后往往只剩几个容易汇报的小功效。至公司常见的立异困境，恰恰是每个人都在优化自己卖力的一段，局部指标越来越漂亮，完整用户体验却没有明显进步。Notion 通过收购和人才引入，让数十位有创业经历的人继续在公司内部卖力完整问题。他们的优势未必是更能刻苦，而是习惯把产品、用户、招人和结果连在一起看。AI 降低了个人和小团队完成闭环的本钱，也给成熟公司一次重划责任规模的时机。与其增加协集合会，不如让更少的人卖力更完整的问题，再用 AI 补上执行缺口。所以，" 重建公司 " 不可简化成裁人，也不是首创人重新专断一切，它更像一次组织体检。哪些人开始掩护自身利益？哪些乐成经验已经酿成禁止讨论的谜底？哪些治理层还在作判断，哪些人只是在维护流程？公司变老的一个迹象，就是越来越难修改自己。五、AI 越强，人类组织的几样工具越贵谈 AI 组织时，人们最爱问 " 什么会消失 "。岗位会不会减少？治理层会不会变��？这些问题虽然都现实，但只盯着替代，会看漏另一边：有些能力变自制，就会有别的能力涨价。AI 能生成计划，也能给出建议，却不会替公司担负失败结果。它更不知道一次决策碰到了组织里的哪段旧伤，也无法独立建立客户对一家公司的信任。Ivan 提到 " 上下文 " 和 " 品味 "，我认为还要加上责任与意义。责任解决的是一件很朴素的事：谁来拍板，谁在信息不完整时作选择，结果欠好时又该找谁。意义回覆团队为什么愿意恒久投入。公司不但靠任务列表运转，还靠配合叙事和一些牢固