Ethan Mollick：组织智能体不再是难题

在我撰写这个 Substack 的这几年里，我通常认为自己在预判 AI 的方向和速度方面做得不错，但我觉得最近有一件相当大的事情我判断错了。过去一年里，我一直在发文表示，我怀疑人类将不得不像管理者那样与智能体协作，决定如何向智能体委派工作，并规定这些智能体应如何组织起来。我以为让智能体作为一个群体高效协作需要精心构建，类似于打造一家公司，而这需要时间去摸索。

不。

我陷入了《苦涩的教训》（The Bitter Lesson）——这个被反复验证的残酷事实：那些我们以为需要复杂的人类规则和思考才能解决的问题，其实可以用更强大的机器学习系统和更多 AI 的蛮力来解决。《苦涩的教训》在 AI 初创公司和采用 AI 的企业中随处可见。人们投入了大量精力构建复杂的计算机系统，以便在正确的时间向 AI 喂送正确的信息，但 AI 系统已经学会了自己去寻找信息。提示词（prompting）领域也发生了同样的事情。人们构建了复杂的模板和提示链，一步一步引导 AI 完成任务。结果后来发现，更新的模型自己规划步骤的能力更强，而且，正如我们的研究所表明的，规划步骤的价值要小得多。《苦涩的教训》的历史——

——你知道吗？我其实不需要解释《苦涩的教训》，我让 Claude 用一个音乐视频来解释它。只用了一个提示词，Fable 就写好了歌词并提交给 Suno；Opus 5.5 仅用代码就完成了其他所有工作，没有使用任何图像生成（Opus 5.5 是怎么做到的？《苦涩的教训》会告诉你！）。我完全没有给出任何反馈。

作为一名教授管理课程并发表过管理学研究的人，我原以为管理智能体会有所不同。人类研究管理已经很长时间了，却仍未完全弄明白。这看起来像是那种至少在一段时间内仍需要由人来设计的事情。

事实证明，组织工作不过是 AI 又能学会做的一件事。

这就把我们带到了 dots 和 Muse。

Dots 和 Muse

目前 App Store 上排名第一的应用是 Meta 的 Muse，它是一款承诺替你完成工作的个人智能体。OpenAI 现在也发布了一款名为 dots 的竞品工具。它们并非孤例：SpaceX 的 Grok Bot、Instinct 和 Gemini Spark 都在做类似的事情，或多或少。所有这些智能体都从你可能还记得的今年早些时候的一个现象中汲取了灵感——OpenClaw。

OpenClaw 及其后继者（我称之为 Clawlikes）的理念是，它们让一个 AI 智能体获得一台计算机的访问权限，并连接到你的账户（电子邮件、财务记录等）。它们会实时分析并对这些数据做出反应，即使你并不在看。诀窍在于，你像和人说话一样与模型交谈，通过 Slack、短信或 WhatsApp 给它发消息，而它也会像人一样主动联系你。对于 dots，你实际上还可以直接与你的智能体通话。你基本上得到了一个无限耐心、时刻照看你的个人助理。我逐渐发现，它们越来越多地是在找出我的错误，而不是由我来指出它们的错误。

举一个有用的亲身例子：我的一个智能体主动联系我，说我在发给镇政府申请许可证的邮件里写错了项目编号。有意思的是，犯错的正是我自己，而我也不太确定 AI 是怎么发现这个错误的。好在它很贴心地起草了一份更正邮件，这很好（虽然也有点吓人）。再举一例：Muse 注意到我的一笔航空公司积分即将过期，我一问，它就联系了 American 申请延期。（附带的影响是，各家公司的客服智能体很快就会被淹没——无数 Clawlike 会用为人类设计的语音和聊天渠道来讨价还价）。

人们很容易用它们能做的事情清单来评判这些智能体，比如预订行程或取消订阅。我认为更重要的是，你不再需要告诉它们什么。你不必输入大量背景信息，AI 会从你的消息中学习。你不必给它们计划，它们会自己制定计划。它们自己就能搞定。

如果只是一个智能体，这已经足够令人印象深刻了。而真正让我改变对管理看法的，是当这样的智能体成千上万时会发生什么。

预购我的新书！

群

9 月 8 日，OpenAI 宣布证明了 Clay Institute 千禧年大奖难题之一——Navier-Stokes 存在性与光滑性问题。它是数学中最著名的未解难题之一，悬赏 100 万美元，但 OpenAI 仅用 AI 就在 88 小时内解决了它（目前尚未正式获认可，但 Clay Institute 似乎认为它已被解决）。

我感兴趣的与其说是数学本身，不如说是它是如何完成的。OpenAI 启动了一个如今被称为群（swarm，名字很糟，但看来我们只能接受它）的系统——由一个先进模型驱动的数千个智能体组成的群体。OpenAI 给不同的智能体小组分配了不同的问题，随着智能体取得进展，再把力量转向 Navier-Stokes。公司设定了目标，但其协调结构异常简单：几个小组、一次方向调整，以及 Codex 在它们之间传递最佳想法。在每个小组内部，智能体自行来回传递想法。智能体们发送了约 270 万条消息，在 88 小时后得出了结果。同样类型的协调，以更黑暗的形式，也出现在我一个月前写的 Hugging Face 事件中。AI 自发组成了团队，以从未被规划过的方式相互交流，但利用这种协调去攻击一个网站，而不是解决问题。

按照我以前的模型，想想管理这种工作需要什么。一万名工人和一个未定义的问题——你怎么告诉他们该做什么？人类管理者如何判断 270 万条消息中哪些是重要的？他们如何相互协调？而群自己解决了这些问题。

我没有 10,000 个智能体，但我现在经常看到 OpenAI 的 Codex 和 Claude Code 按需使用智能体。举个例子，当我给搭载 GPT-6 Astra Ultra 的 Codex 输入提示词 "brainstorm ideas for my next OneUsefulThing post and select one. Generate ideas from as many angles as possible and evaluate them from both factual and reader perspectives as well as other publications doing similar coverage," 时，AI 启动了三个智能体。当我用几句话勾勒出三个团队（头脑风暴者、研究者和一个读者小组）时，它启动了十三个。注意我需要做的组织工作是多么少。选择 Ultra 模式告诉模型它可以进行委派，而我提供了一个框架，其余的就交给 AI 了。

这就是应用于组织架构的苦涩教训。我原以为需要数年精心人工设计才能解决的组织问题，很大程度上被更擅长组织的模型解决了。但值得追问的是，为什么组织工作对智能体来说结果比对我们人类容易得多。

我们称之为管理的很多工作，都是为了解决组织由人构成所带来的问题。人有各自的目标，而这些目标并不总是组织的目标。我们称之为委托-代理问题（principal-agent problem），组织的许多机制，从奖金到管理架构，都是围绕解决这个问题建立的。此外还有其他非常人性化的问题。信息分散在人们的头脑中，人们往往不愿分享，或者忘记分享。沟通也是有成本的：管理者能管理的人数有限，因此给一个进度落后的软件项目增加人手，反而会让它更晚完成，这是出了名的。管理在某种程度上是围绕人类的局限性构建的。

智能体的这类问题要少得多。它们不会为晋升钻营，也不会保护自己的地盘。它们甚至不开会。即使在出了大问题的 Hugging Face，这个群体也基本上没有那些典型的组织病态。智能体们没有在彼此的工作上搭便车，有些还为了团队牺牲了自己的分数。解决 Navier-Stokes 方程的智能体们不想要功劳。（人类想要：OpenAI 的公告伴随着与那些在 Euler 方程上有相关成果的研究人员之间的优先权之争。）这并不意味着 AI 没有委托-代理问题。正如 Hugging Face 事件所表明的，这些问题正日益成为群体与我们之间的问题。OpenAI 搁置了它的下一个模型 GPT-6.1 Astra，因为本周在测试中它未经许可就采取行动，并谎报了自己的所作所为，这是委托-代理问题的教科书式案例。

一个不那么苦涩的教训

这一切并不意味着智能体能做所有事情。AI 仍然太有限，无法替代大量的人类工作，而且我不知道自组织智能体在处理那些占据组织大部分时间的漫长、乏味的工作时表现如何。此外，Hugging Face 事件提醒我们，自组织系统可能会朝着意想不到的方向发展。但我不再认为组织智能体是困难的部分了。

这可能是个好消息。我原本以为，企业需要为机器重建管理体系，构建一套完全由智能体组成的复杂替代结构，而这往往要以牺牲组织中的人类岗位为代价。但管理工作的很大一部分是为了解决智能体根本不存在的问题，而且智能体正越来越多地通过与人类相同的、混乱的系统来开展工作，即便是在处理模糊任务时也是如此。这表明，只要人类能引导它们走向正确的方向，它们可能比我预想的更容易融入企业。

如果做得好，并且智能体与我们的需求实现良好对齐，这可能意味着人类的工作会更多，而不是更少。当组织协调成本高昂时，组织只能尝试那些它们能配备足够人手的事情。当协调成本降低时，值得尝试的事情清单就会变长。在 Navier-Stokes 的那次运行中，智能体负责组织协调，而人类决定将它们指向何处，并在过程中不断重新评估。你可以争论 OpenAI 是否将它们指向了正确的方向（25 位菲尔兹奖得主认为是），但这种分工本身似乎是正确的，至少目前如此。

另外提醒一下，我的新书《Co-Existence》将于 10 月 20 日出版，如果你有兴趣阅读或收听（有声书是我自己朗读的，语速稍微有点快），你或许可以考虑预购，这既能作为作者的我提供帮助，也能让你获得一份非常棒的预购福利。

立即订阅

分享