公司不过是算法的图谱

# 公司不过是一张算法图 来源：https://danielmiessler.com/blog/companies-graph-of-algorithms AI 即将把你的公司视为一系列待优化的组件 2024年5月6日 公司不过是一张算法图 我认为很多人之所以不理解 AI 的潜力有多大，是因为他们没意识到万物皆算法。 **具体来说，他们没意识到公司其实只是一堆算法的集合。** 这话怎么说呢？ 假设你的公司负责处理照片：修图、加风格、添上说明文字——然后客户可以下载大尺寸版本。我们把这公司叫做 *Memories*。 这家公司成立于 2000 年代初，创始人是位艺术家/摄影师，运作方式如下： Memories 公司工作流程 - 用户上传手头最高质量的数字照片，或者把照片寄给公司 - *Memories* 收到后做高质量扫描——用传统摄影技术 + Photoshop 检查质量、修复损伤 - 然后给照片添加某种风格，比如复古、电影感、家庭风等等——再加上说明文字 - 接着让用户下载图片，或者把打印件寄给用户 很简单，对懂电脑的人来说，这就是一系列步骤，也就是——算法。 > 可解释性成为新的货币。 而且，每一个步骤本身也是一个算法，就像整套算法一样。所以你可以把“上传”步骤单独拆开来看。 上传流程分解 你可以继续拆。每一个步骤还能再往下分解——层层嵌套，全是算法。 算法中的算法 但发送和处理环节并不是构成业务的全部流程。你还有： - 组建公司 - 招聘员工 - 纳税 - 支付基础设施费用 - 做营销 - 做客服 - 等等 随着你继续这个流程，你会开始看到构成业务的所有不同部分的完整图景。 完整的业务图 我把它看成一张算法图。 我用“图”这个词，是因为它能让我思考不同组件之间的关系，并且用动作来描述它们——比如“发送给”或“接收”，等等。 ## 透明是 AI 的燃料 (https://danielmiessler.com/blog/companies-graph-of-algorithms#transparency-is-ai-fuel) 这个分解任何流程——尤其是整个业务——的过程本身就很强大。如果你在 2022 年对任何一家企业做了这件事，那家企业都会获得巨大的优势。 它能让你看到所有部分、它们如何组合在一起，并找出工作流中哪些可以优化甚至淘汰。 但当 AI 加入其中时，事情就变得真正非凡了。 **AI 既擅长执行离散任务，也擅长判断事物如何相互配合，而你公司工作流中的每一个组件都成了优化或淘汰的绝佳目标。** ## 等着咨询公司上门吧 (https://danielmiessler.com/blog/companies-graph-of-algorithms#expect-the-consultants) AI 否定者只是没有意识到大多数企业有多么不透明、流程中浪费有多严重、冗余和低效有多普遍。 AI 即将终结这一切，而埃森哲、毕马威和麦肯锡这样的咨询公司将引领这股浪潮。他们会找到你的高管团队，提供类似下面的服务。 ### 透明化/优化提案 (https://danielmiessler.com/blog/companies-graph-of-algorithms#the-transparency-optimization-pitch) - 我们将对整个企业进行详尽的自动化和人工访谈流程 - 我们将找出公司内部正在执行的各种工作流，包括**哪些是自动化的，哪些是由人工完成的** - 然后，我们将找出流程中浪费的地方 - 我们会找出哪些团队是冗余的 - 我们会找出哪些团队效率不高 - 我们会找出哪些流程和工作流根本不应该存在，因为它们可以被淘汰或合并到另一个工作流中 透明化提案 结果将不可避免是一家更小、更精干的公司，不仅省钱，而且运营所需的人力也更少。 不可避免的结果 ## 持续优化 (https://danielmiessler.com/blog/companies-graph-of-algorithms#continuous-optimization) 这不会只发生一次。 一旦 AI 以这种方式在公司内部被使用，离一个持续分析这些业务组件/算法的工作流就只有一步之遥了。 持续优化 系统会不断提出类似这样的问题： 市场部组件 好的，我看到你们市场部有这 6 个组件，我们来看其中一个： 市场工作流详情 不错，那么 AI-Consulting-Corp 有几个问题： 1. 这里面涉及多少人？ 2. 有多少封邮件是人发的？ 3. 为什么我们不能持续生成创意？ 4. 为什么我们要等整整一个月才能有新点子？ 5. 从创意到活动为什么需要那么长时间？ 6. 创建营销文案需要多长时间？ 7. 谁在写这些文案？（再次问，多少人？） 8. 谁在发送所有这些邮件？（哦，又是人） 诸如此类，没完没了。 而这不仅仅限于市场部。每个部门都有同样的模式——客服、人力资源、招聘，你说得出的都有。 客服 人力资源与招聘 ## 透明为优化打开大门 (https://danielmiessler.com/blog/companies-graph-of-algorithms#transparency-opens-the-door-for-optimization) 整个过程就是步骤。可以清晰表述和可视化的步骤。 然后可以被优化。 AI 很快就能做其中的大部分事情，而且往往比大多数人类做得更好。 - 发送会议邀请 - 创意生成 - 会议总结 - 给创意评分 - 向业务领导沟通 - 捕捉领导层的决策 - 制定执行计划 - 制定公司沟通策略 - 协调公司内部各小组 - 启动活动 - 监控公众反馈 - 获取线索 一项接着一项，没完没了。 AI 介入前后对比 > 你可能从未以这种方式看待过你的公司，但 AI 很快会。 上述每一项都只是另一个算法。而随着 AI 越来越好，做这些事情的人会越来越少。（后续我会讨论在这种模式下，哪些人类工作可能仍然存在。） ## 但我的公司不一样 (https://danielmiessler.com/blog/companies-graph-of-algorithms#but-my-company-is-different) 你的公司不一样 你可能会说，你的公司不只是接收图片、优化然后发回给客户。 你的公司很特别。你有更难的步骤。或者更多的步骤。比我说得要复杂得多。 不。没区别。 那只是意味着图更大。而对人类来说一次处理太多可能很困难，但对 AI 来说并不意味着困难。 > 无论产品或公司多么特别，它仍然作为一系列步骤的管道在运行。 再次强调，理解所有部分以及它们如何配合——并且能向决策者清晰地解释清楚——正是 AI 的强项。 你从事什么行业真的不重要。你——或任何其他人——做的任何事都可以像这样分解成步骤。 ## 好吧，我现在很沮丧 (https://danielmiessler.com/blog/companies-graph-of-algorithms#ok-well-now-i-m-depressed) 我不是想吓唬你。也不是让你讨厌 AI。或者考虑去当阿米什人。 我是在告诉你未来会发生什么，你需要为此做好准备——无论是作为想要在这种新模式中竞争的企业主，还是作为这些公司里的员工。 **好处是，企业即将变得高效得多。这意味着更高的生产率、更多的产出，最终世界上的新事物也会多得多 (https://danielmiessler.com/blog/creativity-friction-coefficient)。** 同样的过程也会让创业变得更容易，包括那些在 2022 年或之前毫无机会的人。 但也会有坏处——尤其是许多容易自动化的人类岗位的消失。我的建议是不要沮丧，而是认清正在发生的事情并做好准备。 人类保留的部分 唯一的出路就是直面它。 ## 总结 (https://danielmiessler.com/blog/companies-graph-of-algorithms#summary) 1. 企业可以看作一张算法图。 2. 一旦以这种方式表述，低效之处以及优化/淘汰的机会就会变得清晰。 3. AI 即将让这个过程对所有企业变得普遍，因为公司迫不及待地想用 AI 进行优化，而 AI 的燃料就是透明。 4. 无论你是企业主还是员工，是时候开始准备了。 5. 了解你的公司作为算法图的样子，并在 AI 到来之前开始思考它会提出什么建议。