8 min read

公司,本质上只是一个算法图谱

来源:https://danielmiessler.com/blog/companies-graph-of-algorithms

AI 很快就会把你的公司看成一组可以被拆解、分析、再优化的组件。

Daniel Miessler 这篇文章的核心观点很简单,但杀伤力很强:

很多人之所以还没意识到 AI 会有多大影响,是因为他们没有真正理解一件事:万物皆算法。

更具体一点说:

公司,本质上只是许多算法拼在一起形成的图谱。

什么叫“公司是一个算法图谱”?

作者举了一个很直观的例子。

假设你有一家叫 Memories 的公司,业务是帮客户处理老照片:

  • 用户上传图片
  • 公司接收图片并进行高质量扫描
  • 检查画质、修补破损
  • 再加上一些风格化处理,比如复古、电影感、家庭风
  • 最后加上 caption,交付客户下载或打印

如果你熟悉一点计算机思维,就会立刻发现:

这不就是一连串步骤吗?

也就是:

一个算法。

更进一步看,每一个大步骤本身又可以继续拆。

比如“上传”这个动作,也可以拆成更细的子流程。

然后每一个子流程还可以继续往下拆。

一直拆下去,你会发现整个系统根本就是:

算法套算法,流程套流程。

而且这还只是产品交付链路。

一家公司真正的运作,当然远不止这些。

你还会有:

  • 公司设立
  • 招聘员工
  • 交税
  • 支付基础设施成本
  • 做市场营销
  • 做客服支持
  • 以及其他大量内部运营工作

当你把这些也一起展开时,你看到的就不再只是某条业务流程,而是一个完整业务系统里,各个节点如何彼此连接、彼此传递、彼此依赖的图结构。

作者把它叫做:

Graph of Algorithms,算法图谱。

之所以用 graph 这个词,是因为它不仅描述“有哪些组件”,还描述这些组件之间的关系。

比如:

  • send to
  • receive from
  • pass into
  • depend on

一家公司,不再只是一个抽象组织,而变成了一个可以被可视化、可分析的流程网络。

透明度,是 AI 的燃料

哪怕不谈 AI,光是把一个业务完整拆解成这种图谱,本身就已经很有价值。

如果一家公司在 2022 年就认真做过这种工作,它大概率已经比别人领先一截。

因为一旦你把所有组件和关系看清楚,你就更容易发现:

  • 哪些地方是浪费
  • 哪些流程可以优化
  • 哪些步骤其实根本不该存在
  • 哪些节点可以直接删掉

但当 AI 被加进来,这件事就会从“有帮助”变成“非常可怕”。

因为 AI 既擅长处理离散任务,也擅长理解系统里各部分之间是怎么拼起来的。

于是,公司里的每一个流程组件,都会变成 AI 眼里的目标:

要么优化,要么消除。

先来的,会是咨询公司

作者认为,很多 AI 怀疑论者,其实根本没意识到大多数公司有多不透明,也没意识到里面藏着多少浪费、重复和低效。

而 AI 会很快开始终结这种状态。

最先推动这件事的,很可能不是创业公司,而是像下面这些传统咨询巨头:

  • Accenture
  • KPMG
  • McKinsey

它们会去找企业高管,给出一套很熟悉、但因为 AI 加持而更有杀伤力的提案:

这套提案大概会怎么说?

  • 我们会对你整家公司进行自动化与人工结合的深度访谈
  • 我们会梳理公司里所有工作流
  • 包括哪些是自动完成的,哪些还依赖人类员工
  • 然后我们会找出浪费在哪里
  • 找出哪些团队是冗余的
  • 找出哪些团队效率低
  • 找出哪些流程根本就不该存在
  • 或者哪些流程应该被并入别的流程中

最终结果几乎是确定的:

公司会变得更小、更紧、更省钱,而且需要的人类员工会更少。

而且这不会只发生一次

这不是一次性的组织诊断。

一旦 AI 以这种方式进入公司,它几乎天然会演化成一种持续优化系统。

也就是说,公司之后不只是“做过一次流程梳理”,而是会不断被系统性扫描和优化。

比如 AI 可能会盯着市场部门问:

  1. 这里到底有多少人参与?
  2. 为什么这些邮件要人工发?
  3. 为什么创意生成不能持续进行?
  4. 为什么要等一个月才出新想法?
  5. 为什么从想法到 campaign 要走这么久?
  6. 文案是谁写的?
  7. 这些沟通链条里到底还需要多少人?

然后它会对客服、HR、招聘、运营、财务……问同样的问题。

换句话说:

只要一个流程能被表达出来,它就有可能被 AI 重新审查。

一旦透明,优化几乎是必然的

作者这里有一句很重要的话:

整个流程本质上只是一步一步的动作。

既然这些步骤可以被表达、被可视化,那它们自然也就能被优化。

AI 很快就会在大量场景中,比大多数人更擅长做这件事。

比如下面这些任务:

  • 发会议邀请
  • 生成想法
  • 总结会议
  • 对创意打分
  • 向管理层汇报
  • 记录决策
  • 制定执行方案
  • 设计公司内部沟通策略
  • 协调跨团队执行
  • 发起 campaign
  • 监控公众反馈
  • 捕获 leads

这些事情,今天很多还依赖人工。

但作者的判断是:

随着 AI 变强,这里面会有越来越少的环节需要人类亲自去做。

“但我们公司不一样”并不能救你

很多人看到这里,第一反应会是:

“我们不是那种标准化业务,我们公司更复杂。”

作者的回答很直接:

没关系。那只是一个更大的图谱而已。

你的公司步骤更多、关系更复杂,不代表它不能被拆解。

它只是对人类来说更难一下子理解,但这并不等于对 AI 也难。

不管一个产品多特殊、一家公司多特别,它最终依然是由一串流程组成的管道。

而理解这些流程如何运作、如何相互连接、如何向决策者解释清楚,本来就是 AI 很擅长的事。

所以现在该怎么办?

作者并不是想吓人,也不是想让你讨厌 AI,更不是劝你逃去过 Amish 式生活。

他想表达的是:

这件事正在来,而且无论你是老板还是员工,都该开始为它做准备。

当然,这里面有很明显的负面影响。

最直接的,就是大量容易被自动化的人类岗位会受到冲击。

但另一方面,好的那面也非常大:

  • 企业会变得更高效
  • 生产率会提高
  • 产出会增加
  • 世界上会出现更多新东西
  • 创业门槛会进一步降低
  • 以前根本没机会做生意的人,也会更容易开公司

所以作者的建议不是悲观,而是清醒:

不要先陷入沮丧,而是先承认这件事正在发生,然后提前调整自己的位置。

最后的总结

这篇文章的结论可以压成 5 句话:

  1. 公司可以被看作一个“算法图谱”
  2. 一旦用这种方式表达出来,低效和可优化空间就会变得清晰
  3. AI 很快会把这种分析方式变成所有公司的常规操作,因为公司天然想用 AI 做优化,而 AI 又天然依赖透明度
  4. 无论你是老板还是员工,都该开始准备
  5. 最好的起点,是先自己把公司画成一张“算法图谱”,并提前思考:AI 下一步会建议你删掉什么、重组什么、自动化什么

作者最后那句判断很值得记住:

你可能从来没用这种方式看过自己的公司,但 AI 很快就会。