AI 原生组织转型 02：用 AI 推进流程、闭环迭代

00:00大家好，欢迎大家来到新一期AI炼金术啊，这一期接着我们上一次讲的AI组织转型和战略的上半期来讲。我也不知道讲几期才能结束，但是这一期呢我们已经换了更好的话筒，所以音质应该会好一点。好的，上一期在讲说为什么很多公司都已经把AI用起来了，但是却没有取得成效，也没有取得商业成果，

00:25是因为这是三层不同的事情。第一层呢是你可以用AI完成具体的工作，可以做得更好，做得更快，这是任务层。第二层其实是协调层，就是可以把不同的工作可以协调到一起，让它们可以对齐。让他们可以，呃，所有的能量都可以往同一个方向使，那这是协调层，就是公司牛不牛。

00:46第一层是人牛不牛，第二层是公司牛不牛。那第三层是你做的事到底市场是不是需要，你是在一个吃亏的生态位上内卷，还是在一个稀缺的生态位上可以赚钱。那这是三层不同的事情。我们经常会以为说，哎呀，只要我用好了AI工具，我就可以提效。

01:04不一定，可能你提的效相互之间冲突掉了，你组织不适配。也可能是我的组织也适配了，我整体效果提升了，但是做出来这个东西没人要，呃，这也没有用，对吧？所以其实三个不同的层次。那我们上次主要讲的是第二个层次，就是组织层怎么样去把单体的提效的话，把做组织变革，跟AI原生的组织应该什么样子。

01:26那我们讲说，跟AI原生的组织应该是用AI来对齐，对齐事实，对齐打法，然后用AI来推进，用它来发现工作，用它来分配工作，用它来传导工作，用它来检查工作，以及用AI来做闭环，用AI来做能力的闭环，做市场的闭环。好的。上一次其实只讲了一半，本来是想都讲完的，还只讲到了好像是讲到那个分配工作。

01:51那我们这一次就呃顺着讲，讲传导工作。就很多的工作不光是派下去就好，啊，那在传统的组织里面，其实你会发现AI的组织里面，其实这两事后来会差不多是以同一件事情。但是在传统的组织里面，其实你分好活之后，活还会在人与人之间有大量的传递。

02:10就我做完了，我做完了，然后我会讲说小王你去处理一下下面，或者说我们就会跟下游的部门再拉一个协调会说，哎。这边已经完成了，我们正正式做一个交接，有什么要碰的，然后再来来回回再碰几次，对吧？有一个信息的传导和工作的传导。那AI这个时代的话，最好的传导是什么样的传导呢？

02:30最好的传导就是不要传导。就不要传导。最好就是一个活的话，一堆人全搞定了，或者自动的它就流到了下一个环节。所以要不然就是全搞定，要不然的话呢，就是就是嗯，不不用干了，不用干了。AI的话会自动的把它传导到下一个部门。

02:49但如果万一实在要传导的话呢，那么也应该是怎么传？应该是从人传人改成机器传人。就所有人都对着机器工作，然后机器从我这里把这个活拿走之后，然后它会传给下一个人。这样子来推进，它更像是流水线。流水线上的话，你会发现说，其实你你你在那个车子上敲，比如说福特对吧，福特的那个呃工业的流水线造汽车。

03:14它是那台汽车你在上面敲两下，然后它就会把那台汽车统一的挪到下一个工位，老王就会在上面装个灯啊干嘛的。它是它是自动流转的。所以不光是福特流水线，不光是里面用了一些机器，其实用的也没没那么多，用了一些机器去敲那辆车。但是更关键的是流水线本身的这个推进，这个这个这个传送带，本身就是个机器。

03:39那我们组织里面完成各种各样的工作其实也可以这样设计，就是不光我们在设计任务层，哎这边哎这个活可以让AI干，那么从一个任务到下一个任务到下一个任务，一直到交付用户，这个过程本身，这个流程本身也应该让AI来负责推进，让AI来负责把一个活从一个一个人那里推到另外一个人那里，对吧？

04:02推到另外一个人那里，这个跟福特的那个道理是一模一样的。所以，呃，举个例子来讲的话，就是像，嗯，安克，安克他们就讲过这样的例子，他们就会说，之前他们也会做了非常多的一个流程的，呃，AI的一个培训，然后就会跟大家讲说，你们可以用这个AI工具，用那个AI工具，然后培训满意度巨高。

04:26然后满意度巨高之后呢，他们就回去看这些agent有没有被用，发现其实都根本没有被用起来。那他们最后就发现，说不光是应该是让人，哎，我们教育你说你应该用好这个agent，应该是整个流程让agent去推动。你必须要完成什么样的事情，甚至于是agent推动下一个agent去完成某件事情，然后这个agent会去指挥说人，

04:49你能不能帮我一下，帮我完成什么东西。所以是反过来做，不是我们去培训人让他去用好某个工具，而是让agent来控制AI来控制全流程，让它来推动流程的发生。他们反过来做了这个。那具体来讲的话，他们做了第一层叫做项目容器，就是要做啥事，然后会开个项目会，然后的话呢会给那个系统发一个ID，

05:14然后这个ID不是一个编号，而是它自己就是在系统里面就认识这个项目，所有的项目信息相关上下文归到这里。然后你输入一个产品型号，它就会把呃库里面已有的相关的信息啊，包括说那个呃社交媒体的评论啊，什么乱七八糟的这种相关信息全部拿到。第二层呢，它就会说啊，那既然是这么一件事，你想完成的目标是这个，它会来编排说整个路径，就是流程上到底有哪些活，

05:39要经过哪些步骤，需要哪些agent或者人类来参与，然后一步两步三步四步应该怎么走。然后他们自己举的例子是说系统会编排，因为系统知道系统里面有哪些agent，有哪些人嘛，它就推荐了十五个智能流程体来流程智能体来做。然后项目负责人就加了六个，一共二十一个，然后哪些是并行，哪些进系统。

06:00呃然后哪些要要怎么跑全部都会写在这个编排系统里面。所以它就相当于有点像我们定计划说几月几号小王就应该干嘛小张就应该干嘛。他们是由一个agent来完成这个计划，并且这个计划里面编排的大部分其实也是其他的agent。那agent和agent之间怎么交接呢？

06:19就是我们前面讲的对齐的那个部分，就是用那种核心的数据对象，他们会定义一个一个的。我我的理解其实就是一个文档或者一个数据包，然后文档和文档之间交接，对吧？这个时候的话，每一个agent流程智能体完成工作之后，就会因为这个项目是有一个总ID的嘛，就会把这个东西丢回到总总的项目，

06:38告诉你说我完成了。他就会去催下一个智能体说，我把这个包给你，你来做下一步。所以所有的人其实都是在一个流水线上，咔嚓咔嚓咔嚓往前走。做好了，我把它交回去，然后他再往下一个环节，要下一个人工作，而不是点对点的是说小王小李，你去帮我做下一个，

06:55你去帮我做下一个。那对于人类来说在干嘛呢？人类来说，我看到他们还做了一个东西叫做全局的仪表盘。其实看到的东西就是，呃，自己的上上下下，我的产出流向谁，我被谁影响，上上下下有一个全局的仪表盘。那这样子大家就可以看到说，呃，哎呀，它卡在哪里了呀？

07:14然后有哪些阻塞呀？在等谁呀？然后以及，哎，AI有一些想不清楚的地方的话，需要我这个伟大的人类来给点建议啊，然后我来做决策啊，这些东西就可以。所以每个人只需要打开这个仪表盘，他就可以看到说，当前这件事他已经到了哪里，卡到了哪里，他呃昨天干了什么，

07:33然后下面接下来要干嘛，需要我来干什么，这些事情都就已经都清楚了，而不需要我去盯进度。我们人招来这么贵的人的话，不是用来查信息盯进度的嘛，我们是用来干活的，我们是用来干活的，所以把整个这个这个这个链路全部交给AI，所以我觉得这个蛮好的，蛮好的。

07:53当然了，这边我再补一个稍微听起来没有那么fancy的例子，因为我们前面也讲说就是嗯，最好的这种传递就是根本不要传递嘛。那我也看过一个酒店行业的例子，然后酒店行业的例子给的是说，呃原本的话你会要给那个，给酒店前台比如说，客人给酒店前台打个电话说我们的空调不制冷，我们的空调不制冷然后有问题。

08:19那原本酒店前台就会理解这件事情，然后他就会去想说，哎这是个什么样的问题，然后他就会发给客房部，然后客房部就会分析说这边到底是什么样一个状态，他就会把这个信息发给比如说一个工程班，然后就去排班，然后再来做。

08:36那这样子其实这个工作的过程当中就会发生几次的一个传导，可能有三到四次的一个传导。但是逻辑上来讲，如果AI也来旁听了这个电话，这个例子是华住讲出来，但是我不知道他们有没有真的做到。对。然后如果逻辑上来讲，AI如果已经听到了这个会议，它其实已经知道了哪个客户在哪间客房有了什么问题，

08:58它为什么不直接发这个工单发给那个值班的班组呢，对吧？因为这个信息理论上来讲，我们前面讲对齐嘛，就是哪个班哪哪这个客房该归谁负责，空调坏了应该归谁管，然后哪个班组现在正在值班，理论上来讲应该在中央是有一套一套系统的。那你应该调到这套系统，然后直接把这个工单直接发过去就好了呀。

09:21甚至你直接发过去的时候，应该带上上下文，比如说这是哪家酒店啊，他们用的空调是哪一个啊，应该直接从上下文里取到，或者说由中央的AI帮你配齐，然后再统一的发给下一个那个接接工单的人。这样子的话，理论上来讲，那个那个前台就不需要说我还要想着我要打电话给那个客房部，客房部想着打电话给那个班组。

09:43而是前台接完这个电话就会看到说系统已经理解了发生了这件事情，向他确认一下说是不是这么这么件事，然后前台说哎你没有理解错，是这么一件事，然后他就自动在后台去处理了，然后过一会儿告诉你说啊，那个某某班组的王师傅他大概两个小时之后，他会去那边，我已经发了短信给客人了，你这件事你就不用操心了。

10:04所以最好的传导工作就是根本不用传导，对吧？根本不用传导，所以这个是传导的一个一个一个部分。那AI原生组织的传导的话呢，就是，嗯，我觉得大体上来讲，就是我我们今天讲的东西都听起来非常的政治不正确。对。我们上次讲的也是，其实还是把AI放在中央。

10:25以前是人传人，现在都是有一个总线，就不需要我把我手上的这个半成品交接给老王，而是它都放在了一个传送带上面。我做好了之后，它会自动地到小王那个，呃，到老王那个步骤。所以的话呢，那这样子其实是AI来做一个总轴，有一个agent来控制。

10:43而这个控制点的话，如果是我交接给老王的时候，那么其实很多的隐性知识其实是我和老王那边的。他就会说，哎，那个那个老冉，那个你这个这个点没有说清楚，我们再碰一下。那我们就会私下再哒哒哒哒再沟通。其实很多的经验，比如说到底是哪个点没有说清楚。

11:01其实不会暴露出来。但是如果说我们要交给AI去总控的话，那么其实就必须要说清楚。因为我是交回给了那个流水线，流水线它其实第一个就是，那下游他没有机会来找我说，那他这个时候就应该说清楚说，嘿。那你你流水线你应该帮我检查，那上游必须要包含这些东西的，你一定要检查到位。

11:22那就会把很多的隐性知识，当你在设计的这个结构看起来没什么区别的时候，放回流水线，脱裤子放屁，对吧？然后传传过去，但是传过去的过程当中，因为假设我跟老老，呃，老王就已经隔成两个屋子。那这个时候的话，他就不能过来问我说这个东西到底还是什么的时候，他就必须要把很多的隐性知识必须要说出来，

11:44否则的话整条流水线就会断掉，他就会拿到不合不合格的成品。那这样子的话，呃，公司就可以把这个AI就可以把更多的，或者说他的过程当中做的时候就会抱怨说这个东西不对啊，哪里不对啊，然后你帮我帮我打回去，然后流水线就会把它送回来，打，帮我打，让我返工。

12:01那这个返工的过程就会被记录下来，记录下来，这个流水线理论上来讲就应该学习到说下一次他就应该提前地向我提这个要求。哎，我讲岔了。这个应该放在后面，那个那个那个那个，呃，闭环的地方讲，啊，无所谓。然后所以你就会发现，它整体上来讲，它就是一个，呃，把隐性知识挖掘出来的一个过程，挖掘出来的一个过程。

12:23而另外一方面呢，另外一方面的话呢，那，呃，整个的那个交接的那个步骤，交接的那个那个步骤就变少了，所有的东西都会变得明确化，有一条总线在跟。而另外一方面的话呢，就是整体上来讲，速度上面它其实就由总线来控制，其实有点像监工了，有点像监工。

12:43你你反正我这边每每分钟做出来四个小盘子，然后你要在上面配四个小小杯子，那我这边一分钟做出来四个，那你下面的压力就是一分钟四个，一分钟四个。否则就会堆积到你那里，而且这个堆积的话全部都是写在明面上的。所以整体上来讲的话，这个看起来就会非常的，呃，非常的吓人。

13:05这整个速度提升，理论上来讲就会比单体的效率提升要大很多。因为但凡干过活的人都知道，就是最好我们的损耗都是损耗在交接上面的，最好就是不要交接，对吧？但是实在要交接的话，交接也绝对不是我交你接就结束的，过程当中会有大量的损耗。

13:25所以用总线来控这个损耗的话，会相对比较靠谱一点。这样子就变成了从每一个人去推事情，变成了事情在推每一个人，那这种效率是完全不一样的。但是这里面会有一个缺点啊，就是，哎呀，当你被事情推的时候，有的时候会感觉自主性在下降，所以这方面还是得就又做一个权衡。

13:46整体上来讲，嗯。这个听起来政治非常不正确，就是AI原生组织转型很多时候就是把人类边缘化的一个过程。那这个时候的话，其实当然我们可以往好听了讲，就是人类既是董事长又是打杂的。但是你当一个具体的人在干活的时候，他只会感觉到自己是打杂的。

14:06就AI干不了的事才推给我干一下嘛，然后干完之后他又催着我干下一件事，以及我就有点像是是一个接单的，而不是我拥有这份工作。所以这个时候的话，其实工作的那个，如果是这一类的工作的话，它的无聊程度是会上升的。这个要需要我们后面靠另外一个设计，就是小圈子化，然后来把它弥补掉。

14:26但是整体上来讲，就是它也不是只有优点。没有缺点的一件事情。OK，好。所以我们刚刚讲了，就是要用AI来，呃，发现工作，要用AI来分配工作，要用AI来传导工作。那最后一个就是其实可以用AI来检查工作。

14:42我们在前面讲对齐的时候，对齐打法的时候其实也会讲嘛，其实现在很多的东西，呃，最后AI帮你重做一遍来对齐，对齐我们的打法，AI来帮你，比如说把颜色都改成你们的品牌色啊，诸如此类的。那最后检查是什么呢？检查也是，就是我们设计的所有的流程编排也好，最终靠不靠谱都不一定。

15:03所以这个过程当中需要有大量的AI来设计，设计检查点，然后让AI来查，就有点像我刚刚说我要交这个老王。那中间其实AI会要查一下我给他的东西到底对不对，那如果不对的话要怎么改？那这个过程当中，整个系统也会不断地变得更强，不断变得更强，对吧？

15:21所以AI要做检查。那之前像安克的阳萌就会说，其实比设计工作更重要的事情是设计检查点嘛，设计检查点。为什么呢？就是因为AI并没有那么靠谱，它有很多幻觉，它很多事儿它跟你说做了也没做。那这个时候很多人的想法就是，哎，你说AI有幻觉，所以不能用。

阳萌

15:40啊，不是的，我的幻觉比AI严重多了，我们人类比AI的远远没有AI靠谱。那我们不是也能用人来工作吗？为什么我们不是相信每一个人，而是用机制、用检查来提高质量？所以我们对AI也应该是这种逻辑，就是你设计好了流程之后，也要设计很多检查点。

16:00有一些是人类来检查，有一些是AI来检查，有一些是一起来检查。然后把它检查好之后的话，确保整个流程的质量可以，呃，提高，可以顺利地往下流下去，往下流下去。就比如说先举一个例子，就是那个，嗯，我经常跟徐文浩聊嘛，就是这个播客我们两个做，然后

16:19他就分享过很多的他们公司的那个Harness的案例。比如说，然后最后你就会发现说，其实，呃，每个人都在web coding了之后，其实写出来的大量都是垃圾。那这个垃圾怎么样把里面的精华给用上，怎么样把垃圾给稍微清洗一下，不要变成一个大型屎山呢？

16:38他之前就有一期播客在讲说，他们在代码上传之后会有几十道的门禁。然后然后以前就比如说什么格式啊、重复率啊、命名啊、依赖啊，就检查检查检查检查检查，然后再有几百个测试用例，然后检查检查检查检查检查。所以的话，这种检查的话在过去的时候都是成本巨高的，现在都应该用AI来做。

16:59当然了，也不是说AI来做就万能的，就是徐文浩上一次也分享过，就是，呃，他们一到三月份的时候web coding，然后发现最后出了无数的bug，但是他们又设了很多的那个测试用例去检查，那些测试用例都是通过的。最后发现那个AI根本没有没有认真检查。

17:18它全部用的是模拟数据，mock了整个的所有的那个test case，然后假装全部通过了。所以像安克他们就指出来说，就一定要用一个干净的、跟之前干活的那个无关的一个上下文，让它来对抗性地检查，而不要是顺着来检查，而不要顺着来检查。

17:37或者最后的话就是AI还是诸多有不靠谱的地方。所以，呃，你可能就是你指挥一帮AI在干活，你又搞了一个东厂西厂在监督他们干活，但是你这个皇帝有的时候还得检查东厂西厂有没有好好干活，这样子才能检查下去，对吧？

17:54那安克的话，他们就是一个更大的例子嘛，他们就会涉及各种各样的检查点，然后涉及各种各样的检查点。比如说他们做，呃，新品做价格调研的话，他们就会检查说这个价格到底对不对。然后他们就会，哎，发现，哎，新品的竞品的促销价被当作了日常价格读进来了。

18:11那理论上来讲，如果读进来了之后，他们的整个定价什么，有的是根据竞品的价格来改的嘛。那下游的定价就会按照这个虚假的锚定价去定价。那所有的我们的毛利测算什么，后面就都会错。所以他们时刻的就有这种各种各样的检查，各种各样的检查，发现这个错误，发现了之后马上就改，改完之后。

18:30马上把后台的所有受到这个，呃，定价错误的，呃，监控错误的那种所有的数据全部改回去，全部改回去。这就是非常敏捷的一个一个一个改法嘛。然后另外的话呢，你去看他们的整个的新品上市的项目流程图，你就会发现里面有很多点写了CP，checkpoint，

18:52就会在这个点我们要检查什么，在那个点我们要检查什么。而这个检查很多时候都是交给AI去完成的。所以在这个时候的话，你就会发现，呃，交接的速度，我我们从上往下讲，就是发现活的速度，分配活的速度都在提升。然后的话呢，那个传递活的速度也在高速地提升，交给总线。

19:13然后质量，这些都是关于速度的。那质量怎么保证呢？其实就是里面会加入大量的checkpoint，加入检查点。这个检查点先默认都是用AI的，因为当你的产量达到一定程度之后，人类是搞不定的。所以的话，这边就是交给AI去做。

19:29那交给AI去做的第二件事情就是，AI就是你的东厂西厂，它去监控他们。然后监控完了之后的话，他们浮上来，还你也不能完全相信他们，然后人类再在上面再去做检查。所以这个时候的话，像安克和徐文浩他们之前都讲了一个点，就是，呃，叫做dashboard。

19:47叫做那个仪表盘。呃，徐文浩他们这边在讲说，你在设计的时候要设计，呃，方便人类去检查，这也是一个Harness的设计的一个一个方向。就是你最后那个检查，你不要搞一堆东西，人类看不懂嘛，所以。包括他的话也会说周一给他检查什么，周二给他检查什么，就是符合人类带宽，把所有的所有的检查点符合人类带宽，

20:08人类检查以及在过程当中加入大量的AI去检查。OK，这就关于那个呃推进的部分，推进的部分。所以推进就是呃发现活儿，然后那发现工作，然后分配工作、传导工作、检查工作这些事情，尽可能的把都把AI放中间，尤其是前三个。最后一个的话还是尽可能把人类的话，还是也不能完全放心把人类放进去。

20:31OK，大概这样子。好啊，接着讲。那最后一个，我们讲了那个对齐，讲了讲了推进，那下面一个就是叫做闭环。

20:44什么叫闭环呢？闭环就是我们不光要把当下这件事儿给做好，还得做得下一次比这次好，那下下次做得更好。那这里面其实有两层闭环，一层是内部的闭环，就是这事儿做成了啊，比如说我们做一个做一个潜水艇，它确实沉下去了，然后然后它确实又浮起来了啊，那这事儿棒棒啊，对吧？

21:04那我们把这个经验给给沉淀下来。那如果发现做砸了，发现说啊哪个螺丝松了啊，那我们下次说螺丝要拧紧一点，下次应该避开这个坑。所以这就是一种平时讲的复盘啊、复利啊这种东西。那第二层是外部的，就是我们做的这个东西，外部的市场反馈到底好不好？

21:21比如说我录这期播客，那到底放到市场上有没有人听，对吧？有没有人听？有没有播放量，有没有转发量？那那这这就有数据嘛。根据这个数据闭环再来反思说我们选题要不要改啊，或者说那个那个标题要不要改啊，什么诸如此类的，

21:38然后再闭环再回调。所以它是根据市场反馈回调。所以第一层就是我们内部定义它有没有做到。第二层就是市场来反馈我们到底有没有做准。那这样子两个闭环，两个闭环。

21:49第一层培养能力嘛，第二层培养我们呃站的位置到底站的站的对不对。OK。大部分我们传统的公司来讲的话，都叫做开环系统，就是我们其实没有闭环。闭环也就是隔几个月开一个什么战略会啊，什么反思啊什么的，但是实际上啥都不干。而且开会的时候因为嗯大家都是人类嘛，我们都要脸的，要面子的。

22:10你也不可能去天天盯着其他部门说你这里也没做好。然后其他部门天天盯着你的时候，你也会很想打他。所以这些事情不见得会做得怎么到位。但是AI会做得更到位一点。AI会做得更到位一点。

22:25所以我们可以让AI把这个闭环给帮我们建立起来。当然了。现在也会有一个更fancy的词讲这个叫loop。那包括那个最近几天不是那个Google的呃AI老大Jeff Dean出来了吗？他出来创业了，他的公司就叫Discovery Loop。

Discovery Loop

22:41所以loop这个词，就是循环这个词的话，现在是AI里面最重要的一个词，最重要的一个词。其实我们应该把我们的每个公司都变成一个闭环的系统，它可以越做越好，越做越好，越做越好。要不然的话，它就是一个死公司，傻公司嘛，它就只是个执行系统，它不是一个进化系统。

22:58要把它变成一个进化系统。那为什么AI在闭环上面更有优势呢？第一个就是AI脑子更好嘛，它能力上更更好。原本的时候我们要做闭环的话，你就每件事你要去分析一下，你要找数据，你要去分析，你要去思考，你要去把数据相关性给匹配起来。

23:16呃，那其实做不到呀，特特别是很多时候业务线的人的话，他每天要打业务，他不太愿意去闭环。就有点像我们读书的时候，你会发现很多人愿意去做卷子，但是他不愿意去对答案。就就很神奇的，他不愿意去反思那个卷子为什么做错。只愿意继续做，因为做的时候你总有成就感，但是反思的时候是要面对问题的。

23:38所以这个事情就是在不管是能力上还是意愿上的话，大家会卡住的比较大一点。那第二件事情呢就是那个那个呃，很多时候我们以前做出来的闭环做了也没用，你会反思一件事情说，啊，我们以后一定要怎么样，然后这事就忘了。如果我们的那个活儿的体系，就是我们刚刚讲的发现活、分配活、检查活这些体系的话，它不是AI化的，

24:05它不是中央的去处理的话，你只是大家说，我们以后一定要对客户好一点，啊，这种屁话就就就就没有用。它是沉淀不下去的，所以你闭闭了这个环，你就算分析，第一个你是分析不出来到底原因是什么，然后也不知道怎么改。第二个是你知道怎么改了之后，往往这个事情落不下去。

24:23但是如果我们那个流水线是本身已经AI原生了的话，那么其实就很容易写到那个流水线里面去。所以这样子的话会更容易。当然了。最后一个原因就是因为大家的那个私心嘛，就是我们大家讨论闭环的时候，因为有的时候是整个公司呃一个大的一个环节，

24:41那到底发生了什么问题，很多时候就会从一个一个一个业务问题，一个技术问题变成一个政治问题，说谁跟谁是一伙的，然后你是不是甩锅，他是不是甩锅，就很无聊。所以的话，如果有一个AI，假装公正第三方，虽然你写不同的prompt，它也会有朝不同的方向，

25:02但是大家相对来讲反倒会比它认一点，比它认一点。所以的话呢，我建议大家就是用AI来做这个做这个闭环。那首先第一层的闭环就是这个我们自身能力的这个闭环嘛。那呃就比如说我们之前聊的那个说呃组织里面比如说大家要写那个SVG的那个文件，然后都要用什么样的方式来写。

25:24那只要有一个人写出来了，就应该沉淀出这个skill，那大家以后就可以复用，都可以复用。OK。所以的话呢，那AI写沉淀这呃AI做这个闭环有什么好处呢？呃它主要就是它可以在过程当中，就有点像是我们以前经常会想说，我们要想出一个完美的解决方案，

25:43然后写一个SOP，大家都按照这个SOP走。然后什么先建个中台，然后定个标准，这样子三年就过去了。但是现在我们只要你的Harness搭得足够好，Harness我真的不知道怎么翻译，我现在发现有很多就是...

25:57对，哎，听听听这种播客的居然也会有那种英文检查员，对。然后对对对，但是实在是有些东西不知道怎么说嘛，叫驾驭工程啊。啊，你的驾驭工程做得足够好的话呢，那么

26:10你的那个那个那个呃，就可以反过来做，是在真实的业务当中去看他做得好做得不好，然后你去把这件事情沉淀下来。但有些可能呃，刚接触AI的同学会说，可是我不会写skill呀，可是我不会让系统怎么样呀。你不需要会，你只要提醒你的AI要做就行了。

26:31对，你就告诉他说，哎。我们最近那个做的好的做的不好的事情你理一理，然后看看我是不是这么认为。啊，对对对，这事我确实觉得这是一个好的经验。然后你把它沉淀一下，让我们下次也这样，他他会自己去干的。对，所以你至少有这个意识就可以了，有这个意识就可以了。

26:46所以让真实的项目跑起来，去呃沉淀进去，碰到正反反复反馈，然后你再跟你的AI讲说，你们的公司搭的Harness，讲说哎，我要沉淀这些经验，比如说有很多的Harness自己本身也带这种功能了。然后然后他就会把这个沉淀下来，要把这件事给用起来。

27:05那么再举一些稍微刻意一点的例子的话，比如说Claude Code，Claude Code的他们就公开他们的安全组吧，就公开说他们每一次就是要那个那个呃去解决内部的什么问题之后，都会要求他们自己的那个Claude Code，他们是用Claude Code去写Claude Code，然后说我们要总结经验，然后这次哪些成功的你写到那个Cloud的MD文件里面，

27:28你哪一次做的不好的，你写到CLAUDE.md文件里面。然后之前不是我采访余一嘛，他会说他的那个MD文件已经巨长巨长，然后他好像还会定期的让他的AI去看一下那个MD文件，比如说是不是写的是经验，还是写了一堆的那种无聊的表层的规则，能不能把它抽象和总结成又精炼，

余一

27:48所以你既要总结经验。还要还要总结总结经验的经验，让那些经验真的可以下次被复用，下次被复用。所以像Cloud就会这么来这么来做嘛，这么来做。

28:00那而且这个好处就在于说因为他们项目组是共享，有项目组级别的共享的那个MD文件，就相当于我们做事的规范的文件。那那些agent整个项目组都会去看，那只要有一个人更新了那个项目组的文件的话，满足要求的，那么整个项目组都会受益，这就是一个简单的例子。

28:17那还有一个那个复利的一个呃非常好有趣的例子，我觉得是Every。我我很喜欢他们公司的YouTube视频。他们的创始人的话是其实是个网红，然后天天讲说怎么做产品啥啥的，怎么搞AI。然后他们公司有点像个孵化器，孵化了五六个不同的产品，然后有一些是帮你写email的。

28:38有些是帮你那个语音输入的啥啥的。那理论上来讲的话，当你一个公司同时跑几个产品，是不是理论上来讲，那这些产品都在比如说都会有登录系统，都会有一个那个什么Affiliate Marketing一个模块。有一些模块的话，你会觉得哎，这些不是每个人重做一遍吗？

28:56那是不是应该有一个中台，有一个中台，我们把这些模块通通都做了。但是只要你有一个中台，有一个有一个不是直接面向市场的环节，这个中台自己它就会呃组织嘛，自己它就会有自己的生命力，就有点像我们的计划生育的那个部门一样，对吧？那那个那个你有了这些中台之后就会就其实对前台就是个阻碍，就有点像阿里现在不也在拆中台嘛。

29:20但你会说那可是你直接看到比如说你有五六个部门都在重复造轮子，你也会觉得很扯。那他们怎么办的呢？他们就是去让那个AI，哪一个哪一个模块，就比如说另外一个另外一个项目他们做的那个，比如说叫做呃呃验证码那个那个那个那个那个那个邀请码模块做的特别好。

29:43他们会说，我们让我的AI，因为我们大家都是兄弟，我可以去看你代码。他们直接把代码说哪一段是写邀请码的，你自己去看一下。然后的话，他们就那个AI自己去看，看完之后再自己这边按照那边的逻辑重写一遍。所以这个也是一种复利。也是一种复利，它跟之前的逻辑不太一样。

30:01就是之前我们会因为理解一个东西和写东西很贵，所以我们就要提前把规范都做好。但现在是可以大量的都是散兵游勇往前打，打出来的经验和教训的话，其他因为就沉淀下来，沉淀下来。如果能够是直接是一个比如说MD文档，或者是直接有一个全局型的，我们做了一段代码，比如说专门做什么什么检查，

30:23呃。像徐文浩他们那边就专门做了一个SVG的一个什么检查，那这个就是沉淀下来。还有一种方法就是可以让AI来学习，AI来学习，它说，哎，哦，原来你这个是这么写的呀，哦，它其实拿到的是里面的智慧和精髓，然后它再在自己的项目上把它重建出来，把它重建出来，这样也是可以的。

30:42这个就跟以前的打法有点不太一样。当然了，也会，我刚刚讲的例子都比较小嘛，也有那种稍微宏观一点的、大一点的例子。比如说安克，对，我举的例子一半是安克的感觉。对，安克的话，他们比如说看到销量下跌，销量下跌的话，系统就会自己发现，就是自己发现工作嘛，然后它就会自己去拉库存、拉广告、拉竞品、拉评论，

31:05把上下文都凑齐，看看可能是发生什么错误。然后定位了错误，比如说是广告预算被错误地停掉了，然后它就会发一张工单给广告优化师说你看一下。然后这张工单的话，之后广告优化师就会去进行一系列的操作，然后下次就会回流，回流。那以前的话，这个循环的话就很很慢嘛。

31:24那这次从发现到改，整个的那个可能就四十八小时就完成了。然后改完之后的效果也就出来了，有可能发现说，哎，你其实不是这个问题，你加了广告也没有用，那他们下次就知道说，哎。其实我们上次有一个判例法，有一个经验又沉淀下来了，又沉淀下来了。

31:39所以这样子就是自迭代的一个一个loop。那这个自迭代的话，就是第一步是采集信号，第二步是识别信号当中的那个，呃，采集各种信息，第二步是……识别中间的关键信号，第三步是找根因，然后找方案，第四步审核修改，第五步验证，说到底有没有用。

31:55没有用的话，这继续又生成了下一个工作，然后就开始再再再做，又生成下一个工作，然后再做，对吧？很多时候我们如果不是用AI，其实这个流程也会做。第一个就更慢，第二个就是我们经常只做一圈就结束了。比如说发现说可能是广告的问题，那我们改了广告，发现还是没有用，那这事可能就往下拖下去了。

32:15但这边的话，发现广告问题改了，改了之后发现广告又没有用，发现那是不是有别的问题，我们综合其他的因素再重新思考一下，生成一个新的工单，比如说是不是库存不足啊什么的，然后再再循环循环循环循环，对吧？所以一个归因的话又会，呃，整个循环不是一次性的，它是一个不停的会发现事情，不停的会分析，不停的会看结果，

32:39然后再去产生新的工作的一个一个一个一个持续的一个循环。OK。那光这样还不够啊，就是光这样的话，你会说它其实还是有点像我们人类。

32:52对，它没有沉淀在系统里面。那安克也有另外一个例子是沉淀在系统里面。比如说他们生产过程当中有一个螺纹有开裂，那AI就会自动触发，说发现，哎呀，深度分析发现说可能是有些地方比如说设计的时候设计薄了。那那怎么办？那就从开始螺纹为什么会开裂，然后看它可能是哪里薄了。

33:12那为什么这里薄了，为什么没……那其实哪个设计，那个设计为什么薄了没有被那个，因为有一个叫DFM还是什么的，DFM的话其实是可以去发现的嘛。然后那为什么没有提前发现？有点像工厂里面的8D分析，就是一层层的分析上去。那8D分析之后……就得到了说哪些短期的方案应该是什么，以及长期的方案是什么。

33:35以后我们的那个制作的系统里面是不是就有一个检查点，检查你是不是设计薄，还是以后的这个这一步变成自动的，就是所有的有一个环节叫做所有的点的话最薄的那个环节全部会帮你全重重新设计一遍。就会变成一个从一个，呃，一个道理说以后要大家要注意设计哦，变成一个，呃，被触发的一个流程，

33:57和以后永远会被做到的一个点。对。这里面他们还有一个那个更

34:03更浅的例子，就是，呃，他们的数据中台，呃。他们会说我们就是让员工去问数据中台调数据，如果没调出来的话，那么数据中台就识别到了我们有一个gap，说，哎，这个数据为什么取不到，然后就会自己去研究，然后把这个能力沉淀下来。如果取到了的话，然后这是一个很复杂的数据，然后就会说，哦，原来这次是这样取到了，我们下次就走这条路，

34:26这个就这么干的。所以就是一个一个一个一个洞察的一个沉淀的一个过程嘛，洞察沉淀的过程。那徐文浩他们公司的话，就是也有这么一个过程嘛。我们之前聊那个组织的Honest的时候，他会让AI的话，每周的话会去扫描Agent在执行，呃。

34:45好像不是每周，好像每次有一个专门有一个Agent会去扫描其他的干活的Agent在执行任务当中遇到了哪些摩擦，哪里比如说被拦截了，是缺什么命令，临时叫了什么，造了什么脚本。然后然后这个AI会去看他的工作，然后去想，哎，哪里可以优化，哪里可以我做一批工具，然后以后他就可以随时用，

35:04不需要临时搞。那这样子的话就相当于有一个专门的叫做，哎，有点像Elon Musk以前的什么效率工作优化小组，然后他会去盯着其他所有Agent干的活，然后让他们然后去看说我如何帮你下一次干得更好，我如何帮你下一次干得更好。

35:20当然这边其实不光是公司层，个人层也是这样，我自己的AI的话……每周也会去反思说，呃，他跟我的工作当中，这周我们主要干了什么事情，哪些事情是比较高效，哪些事情比较低效，然后的话如何可以复用，然后哪些事情可以改。比如说他上个星期就跟我讲说，我有八十次等他超过了十五分钟，以及中间有多少多少次的话，我等得不耐烦了，

35:45我新开了一个那个窗口跟他聊。他说其实你不用这样的，你就跟我讲后台运行什么的时候，那我前台就可以跟你说话了。因为他在干活的时候，有的时候我跟他说话，他不理我，你就Q在那里了。所以我就新开一个窗口，他会说你下次就不用这样，你下次的话你跟我说后台跑什么的，那我前台就永远跟你说话。

36:04他就给我了一个建议。所以大家也可以考虑说，你公司的话，除了整个流程，如果你要AI native，除了让它更高效地在做事以外，更重要的也是能不能让它更高效地把自己做事的方法越沉淀越好，越沉淀越好。

36:21当然了，我们自己沉淀这些东西的话，搞闭环的话，有可能只是自嗨嘛。就是啊，这个事解决了，好棒棒啊，然后解决一个工程上的问题，这个螺丝下次不会造错了，下次不会开裂了。这些应该都是搞得定的。但是本质上来讲，这些都还是提效上的能力。

36:37真正的闭环应该是面向市场的闭环，就是我们要知道说这个东西市场到底认不认，然后认的话，我们就优，呃，强化一下，这这才是真正的良好的一个反馈学习嘛，反馈学习。所以的话呢，我们应该是，呃，让AI要知道我们的目标是什么，评估是什么，然后我们把市场的反馈信号灌给它，

36:56然后让它知道说下次可以怎么改，下次可以怎么改。但这里面其实我们稍微学术一点，讲到说这里面其实会依赖于我们前面两个环节，就是你应该让AI来做对齐，这样子它才能够掌握所有的事实，以及你应该让AI来推进工作，就是它是这个项目的PMO。

37:17这样子它闭环才能闭起来。就有点像是你公司如果给你一个小助理，每件事都是你拍板，你让他去做，然后你说你来反反思一下这几年我们到底如何优化决策，他反思不出来。但是呢，你如果有一个你的小接班人培养，你放心让他做，每件事你给他提供建议，但是最后板是他拍的，

37:36然后他就闭环，他自己闭环。那这个时候的话，他看到那个结果和他的决策的过程当中的那个漏洞的话，他就能够闭环。就如果是你的傀儡，你的小弟，他闭环是闭不起来的，他闭不起来的。所以最好还是把推进工作和对齐工作的这两件事交给他，两件事交给他，OK。

37:54那具体来讲的话，我们举两个例子，一个就是广告投放啊，那最干净的那个案例，因为广告投放最快嘛，像AppLovin，他们的话广告投放的话就都是全AI搞定嘛，全AI搞定。那不光是每次就比如说我按照这个广告我应该投给哪些人，那他们就先跑500次。

38:11那其中这500次里面哪些好，哪些哪些有反馈，哪些没反馈，他们就会拿到这个数据，再说那我们给新的这500个人应该是长什么样子，然后再改，然后再投，然后再改，然后再投。这个其实就很成熟了，在营销的领域，营销的领域非常成熟，因为快速就可以闭环。

38:28而这个闭环的话，不可能是人类来做的，因为人类只能做粗颗粒度的。你说比如说不要投这一类人了，这个可以的。但你没有办法做这种细颗粒度的，说精准到哪一个画像，就是每一个每一每一个画像可能都有一千个维度，人不可能管理的。所以就像广告投放这些方面的话，现在都是AI来做，都是AI来做。

38:50那你会说，可是广告投放跟别的不一样啊，有什么不一样？其实无非就是广告投放这边数据颗粒度细一点，数据全一点，然后做的可以及时一点。其实所有的事情都应该像广告投放来这样来做，看具体的效果，然后它会根据具体的我投放了哪些人群，

39:06给他看了什么，他之后的行为是什么，我要的商业结果是什么，然后我根据这个再去改，再去改。再然后改完之后再看效果，然后再改，然后再看效果，然后再改，对吧？应该是这样子的。那我之前看过一个，呃，好像是，好像

39:22FFZero投那个这个孵化器投的一家公司，然后他们当时就是在AI生图还不是很好用的时候，他们就做的是百分之百的AI生图去帮各个大公司投放广告。然后他当时说的就是，虽然我们的那个画的东西不一定第一版是最好的，但是我们那个别人一个星期只能迭代两次的时候，我们一天就迭代了二十次，因为所有的环节，生图啊什么，当时大部分人还不敢用AI生图直接出广告，

39:51他们全是AI直出，所以整个流程上是没有人的。所以他们一天可以优化二十次，所以大家可以想想你的闭环速度，呃，是不是会被时代淘汰。当然了，这里面其实你不是说真的把呃市场数据给他就好，有的时候还是要做一些设计。就我们前几期采访那个那个艾语智能的那个天乐，然后他就跟我讲说，他们其实每一次就是他们在做那个AI的一个电话，

艾艾语智能张天乐

40:16AI的催款嘛，但是他们不是用AI打电话，而是用AI做那个立案之类的。他们每一次说行动之后有没有收到钱，这就是一个很强的一个反馈信号。那我就说，哎，其实你收没收到钱，其实就闭环可以学习了。他说，是，道理上是这样，但是实际上这个钱他最后有没有还，也是一个很长周期的事情。

40:35那这个时候，因为他们是帮客户做展期嘛，他们不是逼你马上还，帮他做展期。那那其实这个长闭环也说不清楚，但是前置的动作其实都是一个正反馈信号、负反馈信号你是可以知道的。比如说加上企业微信了，能够联络上了，能够聊几句了，这个都算正反馈，你都要告诉AI。

40:52然后他就知道，哦，原来这样子，他就会多聊几句。然后这样子你就可以加上企业微信，他就会把这些前置动作的拿到。那你其实这些数据也是可以去喂养你的AI，让它变得越来越好的。然后这个时候其实没有任何的技术难度。

41:06没有任何技术难度，关键是你先要有这个心思。你遇到这个心思之后，然后你把这些东西给灌进去之后，你发现它不好用，然后再到技术的范围说，啊，怎么优化它的学习闭环的效果。第一步的时候是你有没有做好对齐，你有没有让AI来分配工作，它来推进工作，以及你有没有把数据给到它，

41:23告诉它下次应该做什么，不应，呃。哪个是好事儿，哪个是坏事儿，然后它自己去闭环，然后来学习。然后把这些都弄好之后，然后你大概率就会发现会出一些状况。就有点像徐文浩那么牛逼的公司的话，他们都会有几个月说打出来屎山，是吧？那你们公司也会出现，那出现这个问题再解决这个问题。

41:43在没有出现这个问题之前，其实你不需要招一帮什么科学家什么来做这个东西，毫毫无必要，毫无必要。但如果你实在要大搞的话，那就是抄那个block的那个方法嘛，他们的闭环就会更猛烈一点。他们会认为，其实也是我这个讲的大逻辑，就是，哎，公司本身其实应该是一个AGI，公司本身应该是AI，

42:04AI放在中中心。然后你要闭环的话，其实就是决策应该让AI来做。比如说他们就会举例子，就是说他们的一个客户，比如说你知道他的传统淡季旺季是什么，然后你知道这个客户的现金流情况，那你就应该在他需要钱之前，然后AI会自己来组织一个，组装成一个金融产品给他。

42:24然后就跟他说，你要不要贷这个款，然后的话什么时候还，就是多少利息。全部是AI来决定的。然后这个人的反馈说要还是不要的情况的话，都会反馈给这个AI。就有点像抖音给你推了一个小姐姐小哥哥，小姐姐你点没点，这个其实对于他了解你又是有帮助的。

42:40然后他们再去后台再去，哦，原来我们这一招管用不管用，他们自己再模模糊糊地学习一下。相当于整个公司会变成一个AI，有点像抖音的推荐引擎。然后这个时候的话，他们会去理解客户到底想要什么、不想要什么，然后去做各种各样的尝试。然后尝试成功或者失败的时候呢，他们会从这个尝试当中去学习到不同的东西，然后再去改自己的打法。

43:04那人类在这个时候是做什么用呢？第一个就是人类在做那个董事长，在定这个大方向。然后搭这套架构，董事长和CIO，就是架构师。然后人类在做各种的专业性的事情。他在做比如说给那个人产生那个金融产品的时候，他可能觉得他有一个卡点，说按照经验不知道怎么设计，

43:21他会调用那个IC，就是呃个人贡献者，他可能在是这方面的专家，他会去问说，哎，这方面你帮我设计一下，然后或者那个合规你帮我批一下，看看这个是不是可以这样做。所以人类是属于说专业性的资源，尤其是AI触达不到的。比如说王总和喜欢喝几几年的茅台，然后或者说是专业性的事情，以及宏观的战略侧的事情，还有架构侧的事情，

43:44这些东西可能让AI、人类来做。但是整个的这个闭环的工作尽可能地越来越多地把中心交给AI，把中心交给AI，这样来做。好的啊。我今天的目标很远大，但是居然只讲了这么点。

43:59啊，太可怕了。OK。那我们把上半场收一下口啊，就是，呃，AI原生组织，就是用AI来做对齐，用AI来做推进，用AI来做闭环，用AI干活干的，干干活，呃。不是用AI干活，是AI指挥着整件事情来干活。

44:15对。只是用AI干活干得快的话，就呃不叫AI原生，也很难取得那么大的效果。所以重点就是，呃，主语的话，像刚刚我们讲安克啊讲什么，其实你会发现主语经常就变成了是AI，是AI，是AI在推进，AI在对齐，AI在干嘛。人类其实就是在生产线旁边。

44:36这听起来政治非常不正确啊，听起来政治非常不正确。所以的话，你要思考AI原生组织，就看看能不能把AI放在中间，它来做对齐，它来做推进，它来做闭环，才更AI原生组织。但是是不是我们看到AI原生组织，我们就要朝这个方向马上做呢？

44:53是不是能做出来呢？其实做不出来的，其实做不出来的，呃。你做的时候你就会发现你会卡在无数的奇奇怪怪的点上。然后

45:02因为这其实这是一个，嗯，你看我说都说得这么心惊胆战，政治不正确。你在你们公司推的时候，对于基层来讲，他觉得你是来抢他饭碗的。对于管理层来讲，他觉得你是来抢他的权的。所以的话，这件事情一定会出现大量的鬼故事，你会卡在无数莫名其妙的地方。

45:21所以这事儿其实你知道了，这是我们的愿景和你能够做这两件事情，还有一个很大的一个gap。我们要怎么样跨越这个gap呢？那我嗓子又哑了，我们下一次聊。

45:33好。欢迎大家把这个推荐给自己的朋友们，谢谢。啊，关注AI炼金术啊，我们在那个这个有视频的，这个有视频的，呃，视频会有一些，对，视频反正会配配配动画什么的。然后，对，欢迎大家各大平台关注AI炼金术，给我们点赞，给我们推荐，谢谢。