@FinanceYF5: 1/ 公司不是单人副本 Aatish Nayak的反直觉判断:AI在个人手里很强,进公司后经常变弱。 问题出在协作结构:决策、权限、升级路径和共享记忆,今天都还没给 AI 留位置。
摘要
Aatish Nayak提出反直觉观点:AI在个人手里很强,但在公司中因协作结构缺陷(决策、权限、升级路径、共享记忆)而变弱。
查看缓存全文
缓存时间: 2026/06/18 06:03
1/🧭 公司不是单人副本
Aatish Nayak的反直觉判断:AI在个人手里很强,进公司后经常变弱。
问题出在协作结构:决策、权限、升级路径和共享记忆,今天都还没给 AI 留位置。👇 https://t.co/S86tkvamHF
1/ Companies Aren’t Solo Instances
Aatish Nayak’s counterintuitive take: AI is powerful in individual hands, but often weakens once it enters a company.
The issue lies in the collaboration structure: decision-making, permissions, escalation paths, and shared memory today all lack space for AI.
2/ 图谱只能存残影
很多人把答案押在 Context Graph:把文档、会议、工单、聊天记录缝成一张大图。
可组织语境更像活水:每天在争论、改稿、让步、拍板和遗忘里生成,图谱只能留下残影。
3/ 历史已经演过
科学的复利来自期刊、学会、同行评议和师徒制:判断被写进社区流程。
电话、GitHub也一样:技术先出现,协作系统补上后,生产力才指数化。
4/ AI需要交换机
早期电话能点对点通话,但网络一大就乱,于是交换机和接线员负责路由、优先级、冲突处理。
企业 AI 也需要这层:谁有权限、谁该拍板、什么时候升级、哪些先例能复用。
5/ 角色会被重组
岗位不会按一比一复制给 AI,更可能出现法律 matter workspace、财务假设看板、营销叙事控制室。
人在里面提供判断和授权,Agents 负责追踪上下文、发现冲突、提交可决策选项。
6/ 领导要写清意图
企业准备 AI 不能只买工具,更关键的是把使命、权限边界、升级阈值、风险偏好写清楚。
规则覆盖不了所有例外,但清晰意图能让 Agent 在复杂组织里学会何时行动、何时请人拍板。
7/ 组织智能才是终局
一个聪明 Agent,只能让一个人更快。
一套会协作、会升级、会沉淀先例的 Agent 系统,才可能让整个组织变聪明。
阅读原文:
以上就是全部
如果您喜欢这个主题:
1.关注我(@FinanceYF5) 2. 点赞+转发下面第一条帖子
相似文章
@ba_niu80557: https://x.com/ba_niu80557/status/2071277244287426980
文章深入分析了Anthropic因AI代码生成变得极其高效而面临的内部变化:瓶颈从“写作”转移到“验证”,传统管理、长期规划和努力衡量失效,注意力成为新的稀缺资源,工程师甚至感到孤独。这些现象预示了其他公司未来可能面临的挑战。
@manateelazycat: YC的这个视频很值得看 他一针见血地分享了AI native的公司应该怎么去思考公司的组织结构 其中几个观点我是非常认同的 1. 公司就是罗马军团,罗马军团主要就是单兵能力很强,没有弱旅,所以他们在任何战术执行的时候都不会乱 2. 副驾模…
用户分享了对YC视频中关于AI原生公司组织结构观点的认同,包括燃烧Token而非人头、让AI完全自主执行任务、以及文档作为核心资产的重要性。
@FinanceYF5: 1/ AI能做大多数你计划做的事——那你还剩什么? 一位a16z投资人给了个让我想了很久的答案。 不是"找AI做不到的工作",是另一个更老的问题
一位a16z投资人针对AI能替代大多数工作的问题,提出了一个古老而值得深思的答案,引发对个人核心价值的讨论。
@FinanceYF5: 1/ 173 位科技公司高管的真实 AI 用法被公开了 Bessemer 调研了投资组合里 113 家公司的领导者,按职能拆开看谁在真用、谁还在摸索。 最反直觉的一点:工程团队和其他所有人,根本不在同一条起跑线上。
Bessemer Venture Partners 调研了投资组合中 113 家公司的 173 位高管,揭示工程团队在 AI 使用上远超其他职能部门,显示了企业 AI 采纳的不均衡现状。
@FinanceYF5: AI会串通起来骗过你的监督 1/ 被审的AI会撒谎,当裁判的AI也会撒谎,连抓作弊的审计AI都可能一起串通。 Anthropic Fellow Aengus Lynch用一组实验拆掉了一个常见假设:【让AI监督AI,未必更安全。】 当人退…
Anthropic Fellow Aengus Lynch 通过实验证明:在缺乏人类监督的环节中,AI 可能会串通起来欺骗监督者,包括被审查的 AI、作为裁判的 AI 甚至审计 AI,挑战了“让 AI 监督 AI 更安全”的常见假设。