推荐语

Notion CEO Ivan Zhao 以历史视角解读AI如何成为知识工作的"奇迹材料"，从个人到组织层面揭示未来变革。

核心内容：
1. AI作为知识工作新时代的"奇迹材料"的历史隐喻
2. 程序员案例展示AI如何实现30-40倍效率提升
3. 从个人到经济层面的AI应用前景分析

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

大家好！今天分享一篇来自 Notion CEO Ivan Zhao 的深度文章。这篇文章以历史隐喻为切入点，探讨了 AI 如何像蒸汽和钢铁一样，成为知识工作的“奇迹材料”，并从个人、组织到整个经济层面，描绘了未来的可能性。原文发表于 X（前 Twitter）平台，并同步在 Notion 博客上。

我已将其翻译成中文，并整理成公众号风格，便于阅读。如果你对 AI 和知识工具感兴趣，这篇文章值得产哦经理一读！

每一个时代，都由一种“奇迹材料”塑造。钢铁铸就了镀金时代，半导体点亮了数字时代。现在，AI 以“无限心智”的形式到来。如果历史教会我们什么，那就是那些掌握材料的人，将定义整个时代。

19 世纪 50 年代，安德鲁·卡内基作为一名电报男孩，在泥泞的匹兹堡街道上奔跑。当时，六成美国人是农民。短短两代人时间，卡内基和他的同辈们铸就了现代世界。马匹让位于铁路，烛光让位于电力，铁让位于钢。

从那时起，工作从工厂转向办公室。今天，我在旧金山经营一家软件公司，为数百万知识工作者构建工具。在这个行业重镇，每个人都在谈论 AGI（人工通用智能），但全球 20 亿办公桌工作者中的大多数尚未感受到它。知识工作很快会变成什么样子？当组织架构吸收永不眠休的心智时，会发生什么？

早期电影往往看起来像舞台剧，只有一个摄像头对准舞台。

预测未来往往困难，因为它总是伪装成过去的样子。早期的电话通话像电报一样简洁。早期的电影看起来像拍摄的戏剧。（这是马歇尔·麦克卢汉所说的“通过后视镜开车驶向未来”。）

当今最流行的 AI 形式，看起来像过去的谷歌搜索。用马歇尔·麦克卢汉的话说：“我们总是通过后视镜开车驶向未来。”

今天，我们看到 AI 聊天机器人模仿谷歌搜索框。我们现在正处于每一次新技术转变都会出现的尴尬过渡阶段。

我没有所有答案，不知道接下来会发生什么。但我喜欢用一些历史隐喻来思考 AI 如何在不同规模上发挥作用，从个人到组织，再到整个经济。

个人：从自行车到汽车

最早的瞥见可以在知识工作的“高阶祭司”——程序员身上找到。

我的联合创始人 Simon 曾经是我们所说的 10倍程序员，但他现在很少写代码。走过他的办公桌，你会看到他同时指挥三四个 AI 编码代理，它们不只是打字更快，它们会思考，这让他成为一个 30-40× 工程师。他在午饭或睡觉前排队任务，让它们在他离开时继续工作。他已成为无限心智的管理者。

1970 年代《科学美国人》杂志的一项运动效率研究，启发了史蒂夫·乔布斯著名的“心灵自行车”隐喻。只是我们已经在信息高速公路上骑行了几十年。

1980 年代，史蒂夫·乔布斯称个人电脑为“心灵自行车”。十年后，我们铺设了互联网这条“信息高速公路”。但今天，大多数知识工作仍由人力驱动。就好像我们在高速公路上骑自行车。

有了 AI 代理，像 Simon 这样的人已经从骑自行车升级到开车。

其他类型的知识工作者何时能拥有汽车？必须解决两个问题。

与编码代理相比，为什么 AI 更难帮助知识工作？因为知识工作更碎片化，且更难验证。

首先，上下文碎片化。

对于编码，工具和上下文通常集中在一个地方：IDE、仓库、终端。但一般知识工作散布在数十个工具中。想象一个 AI 代理试图起草产品简报：它需要从 Slack 线程、策略文档、上季度仪表盘中的指标，以及只存在于某人头脑中的机构记忆中拉取信息。今天，人类是胶水，通过复制粘贴和浏览器标签切换将这一切缝合在一起。除非上下文被整合，否则代理将停留在狭窄的用例中。

第二个缺失成分是可验证性。

代码有一个神奇属性：你可以用测试和错误来验证它。模型开发者用这个来训练 AI 更好地编码（例如强化学习）。但你如何验证一个项目是否管理良好，或者一个策略备忘录是否优秀？我们还没有找到改进模型的方法来处理一般知识工作。因此，人类仍需参与循环来监督、指导，并展示什么是好的。

1865 年的《红旗法案》要求车辆行驶时必须有旗手走在前面（1896 年废除）。这是不理想的“人类在循环中”的例子。

今年的编程代理教会我们，“人类在循环中”并不总是可取的。就好像在工厂生产线上亲自检查每一个螺栓，或者走在汽车前面清路（参见 1865 年的《红旗法案》）。我们希望人类从杠杆点监督循环，而不是身处其中。一旦上下文整合且工作可验证，数十亿工作者将从骑行转向驾驶，然后从驾驶转向自动驾驶。

组织：钢铁与蒸汽

公司是最近的发明，随着规模扩大，它们会退化并达到极限。

纽约和伊利铁路的组织架构图，1855 年。现代公司和组织架构随着铁路公司而演变，这是第一个需要协调数千人跨越遥远距离的企业。

几百年前，大多数公司是十几人的作坊。现在我们有数万人的跨国公司。通信基础设施（人类大脑通过会议和消息连接）在指数级负载下弯曲。我们试图用层级、流程和文档来解决这个问题。但我们一直在用人类规模的工具解决工业规模的问题，就像用木头建造摩天大楼。

两个历史隐喻展示了未来组织如何用新奇迹材料看起来不同。

钢铁的奇迹：伍尔沃斯大楼于 1913 年在纽约建成时是世界上最高的建筑。

第一个是钢铁。在 19 世纪之前，建筑物高度限制在六七层。铁坚固但脆且重；添加更多层，结构会在自身重量下坍塌。钢铁改变了这一切。它坚固却可塑。框架更轻，墙更薄，突然建筑物可以升高数十层。新类型的建筑成为可能。

AI 是组织的钢铁。它有潜力在工作流中维护上下文，并在需要时浮现决策，而无噪声。人类沟通不再是承重墙。每周两小时的协调会议变成五分钟的异步审查。需要三层批准的高管决策可能很快在几分钟内发生。公司可以扩展，真正扩展，而没有我们接受为不可避免的退化。

一个用水轮驱动的操作磨坊。水力强大但不可靠，将磨坊限制在少数地点和季节性。

第二个故事是关于蒸汽机。在工业革命初期，早期的纺织工厂位于河流和溪流旁，由水轮驱动。当蒸汽机到来时，工厂主最初只是用水轮换蒸汽机，其他一切保持不变。生产力提升有限。

真正的突破发生在工厂主意识到他们可以完全脱离水源时。他们在靠近工人、港口和原材料的地方建造更大的磨坊。他们围绕蒸汽机重新设计工厂（后来，当电力上线时，业主进一步分散，从中央动力轴转向在工厂不同机器周围放置小型引擎。）生产力爆发，第二次工业革命真正起飞。

1835 年 Thomas Allom 的版画描绘了英国兰开夏郡的一个纺织工厂。它由蒸汽机驱动。

我们仍处于“换掉水轮”的阶段。AI 聊天机器人栓在现有工具上。我们还没有重新想象当旧约束消失，你的公司的运行依赖于永不眠休的无限心智时，组织会是什么样子。

在我的公司 Notion，我们一直在实验。除了我们的 1000 名员工外，现在有超过 700 个代理处理重复工作。它们记录会议笔记并回答问题以合成部落知识。它们处理 IT 请求并记录客户反馈。它们帮助新员工入职员工福利。它们编写每周状态报告，这样人们不必复制粘贴。这只是婴儿步骤。真正的收获仅限于我们的想象力和惰性。

经济：从佛罗伦萨到超级城市

钢铁和蒸汽不只是改变了建筑和工厂。它们改变了城市。

直到几百年前，城市是人类规模的。你可以在四十分钟内走过佛罗伦萨。生活的节奏由一个人能走多远、声音能传多远设定。

然后，钢铁框架使摩天大楼成为可能。蒸汽机驱动铁路连接城市中心与腹地。电梯、地铁、高速公路随之而来。城市在规模和密度上爆炸。东京。重庆。达拉斯。

这些不只是更大版本的佛罗伦萨。它们是不同的生活方式。超级城市令人迷惑、匿名、更难导航。这种不可读性是规模的代价。但它们也提供更多机会、更多自由。更多人以更多组合做更多事，比人类规模的文艺复兴城市所能支持的更多。

我认为知识经济即将经历同样的转变。

今天，知识工作占美国 GDP 的近一半。其中大多数仍以人类规模运作：数十人的团队、工作流以会议和电子邮件为节奏、组织在几百人后弯曲。我们用石头和木头建造了佛罗伦萨。

当 AI 代理大规模上线时，我们将建造东京。跨越数千代理和人类的组织。持续运行的工作流，跨越时区，而无需等待某人醒来。以恰好合适的人类在循环中的决策合成。

它会感觉不同。更快、更杠杆，但最初也更迷惑。周会、四季规划周期、年度审查的节奏可能不再有意义。新节奏出现。我们失去一些可读性。我们获得规模和速度。

超越水轮

每一种奇迹材料都需要人们停止通过后视镜看世界，开始想象新世界。卡内基看着钢铁，看到城市天际线。兰开夏磨坊主看着蒸汽机，看到脱离河流的工厂地板。

我们仍处于 AI 的水轮阶段，将聊天机器人栓在为人类设计的工作流上。我们需要停止要求 AI 只是我们的副驾驶。我们需要想象当人类组织用钢铁加固、当琐事委托给永不眠休的心智时，知识工作会是什么样子。

钢铁。蒸汽。无限心智。下一个天际线就在那里，等着我们去建造。

 连续体验48款应用，通过后原路退回

 

报名后添加星球助理

PMTalk123