AI浓度拉满 OpenAI内部怎么用AI #ai大模型 #gpt #如何用好ai #企业AI #AI落地

OpenAI现在内部用AI已经离谱到什么程度了，各位。来跟着我一起大开眼界，想象力大开，我们一起看看造AI的公司怎么用AI。 以前一个团队一个项目要花一年的时间，才能慢慢扩张到几十上百个工程师，现在可能一个周末就突然用上百个agent用进去开始干活。一个项目进展到哪，为什么当时这么做的决定，现在的管理者已经不是问对应的负责人，而是直接问AI。新人遇到问题也不是问老人，而是先问Codex。负责人脑子里冒出一个问题，掏出手机讲几句话，半个小时就能拿到第一版的成果。晚上没做完的事情也就直接丢个agent，第二天早上起来看一下结果。 这一些都是Codex负责人Tebow最近一场访谈里透露出来的OpenAI内部的工作状态。但注意啊，这一些都只是表面的现象，甚至你把Tebow这一个多小时的访谈从头看到尾都不一定能得出接下来我要说的这些结论。因为我不是站在一个程序员，也不是站在一个ChatGPT的用户视角去看Codex到底有多强，ChatGPT有多强，我是站在一个如果想做AI转型企业的一号位的视角去看这场访谈，你把里面零零碎碎的细节拼在一起啊。 会发现一件比OpenAI怎么用AI大得多的事情，就是一家真正把AI Native拉满的公司，它的组织形态已经发生根本性的改变了。它不是给原来的公司流程上装很多AI工具，而是慢慢地把公司本身变成一个AI在上面可以运行的一个系统。我觉得可以用三个词来概括和理解：可读、可操作、可迭代。 我们先说第一层，可读。Tibo说在OpenAI，Codex就已经默认接入了大量的内部信息，内部沟通工具Slack、各种文档、公司的代码。所以一个新人进来，对公司大量事情都不了解的时候，没有这个上下文的时候，他不一定要找一个老员工或者部门负责人来问了，他直接问Codex：这个项目现在什么状态？谁在负责？之前为什么这么设计？决策怎么做的？公司价值观当时的思路是怎么样的？Codex就会自己去公司历史的数据库、知识库里面找。所以会有在外人看来很反常的现象，就是他们很多的工作尽量会放在公共频道里去说，文档也会尽量开更广的内部的访问权限，就是为了让这种事情成立。 这个细节我觉得特别重要，因为咱们大多数老板谈AI转型，第一反应就是用哪个模型比较好，我要买什么工具。但可能真正更底层的一个问题是：AI到底看不看得见你的公司啊？ 就是你的客户信息，有的都在销售自己的微信里面， 老板的决策又在几个私聊的小群里面， 一个员工可能干了五年的经验， 全部在脑子里，从来就没有沉淀过。 项目为什么这么做， 也从来没有人记录。 SO都已经半年前了， 然后又四五个版本都互相有冲突， 数据可能也散落在十几个表格系统里面。 那这种情况下，模型再聪明又会有什么用呢？ 对AI来说，你公司大量的信息全都是一片黑。 所以真正的AI Native第一步， 不是说强制购买一些账号， 让每个员工都开始用起来， 而是让整个组织本身变得机器可读， 搭好这层的基建， 让AI先看得见你的公司。 那到第二层才是更夸张的， 叫可操作。 但AI不只是看到公司的信息的时候， 而是真正能调用一些工具， 进入到某些系统开始执行任务以后， AI就会从一个聊天框 开始变成一个公司的执行层。 TIBO， TIBO自己就是一个非常典型的例子。 他讲到说他现在大量的工作 都已经转移到手机上了。 开会开一半可能想到一个问题， 过去就会先记下来， 然后后面说找对应的团队 去聊一下看这个事情怎么做。 那现在完全不是， 就直接拿起手机， 开始发一段语音扔出去。 比如说某个功能用户的反馈到底怎么样， 哪些东西最近可能根本没有人用， 完全可以砍掉的， 或者又比如某个团队 现在在忙什么事情， 那就把这个语音发出去， 让Agent去跑。 他说很多问题 30分钟之内就可以拿到第一版的报告成果。即使这些资料之前没有人专门去整理，即使这个问题的复杂度需要调用大量的数据、大量的部门间的问题，所以老板们仔细想一下，这中间真正发生变化的，其实不是说省了一两个员工专门去做整理、汇报的这个时间，而是一个更大的东西，是问题从产生到被处理之间的这个延迟正在被疯狂地压缩。 以前一个老板一天可能会冒出来20个问题，想法非常多，但最后真正落在组织里，值得人力去调查和执行，也许可能只有两个到三个。不是说另外的十几个都没有价值，而是没有那么多人能去做。你不可能每冒出一个念头，就拉着三五个人去研究一周的时间。所以本来也很值得被调查、被验证、被值得尝试的事情，过去直接死掉了，没有人手这一关。 但是当企业的人力成本突然掉了一大个数量级之后，企业真正的增量，可能不是说原来需要10个人干的活，现在只需要5个人干了，而是原来因为10个人已经比较贵了，所以有一百件事根本不可能都做完，现在终于可以做完那一百件事情了。 这也是我觉得很多老板今天最容易低估AI的一个地方，就是我们不能一直盯着说，AI能不能砍掉一个员工、砍掉两个员工。AI真正夸张的地方，是突然让整个公司拥有了一种过去根本消费不起的东西，叫大量随时可调用的认知能力和执行力。 然后到了第三层，可迭代。 这层才是OpenAI和普通公司 差距开始远远拉开的地方 因为当执行变得极其便宜之后 公司的运转方式 也会跟着改变 以前一个想法 就是你可能先开会 讨论做方案 排资源、排期 看这个事情值不值得干 因为真的开始执行比较贵 所以这里就先花了一堆时间 然后执行再花一堆的时间 但Tibo描述的状态越来越激进说 我们先做出来再说 就一个产品想法已经 不需要太多讨论 而是直接让Agent跑一个原型出来 这个价格不满意 就直接重新改掉 一个方向不知道行不行 先跑一遍 看看反馈怎么样 软件原来很可能几年才经过一次的 大迭代的生命周期 现在被压缩得非常短 这也是大家最近可以感受到 为什么模型发布的频率 越来越快越来越快 因为做一次的成本正在急速地下降 不再像过去那样 所以这个时候组织真正的瓶颈 会从我们有没有能力 把它做出来慢慢迁移到 我们到底应该做什么事情 什么的目标才是对的 什么东西值得去投入 什么叫做好，好的标准是什么 所以这本质上是AI越强 人越往上游走 在处于一个价值上移的状态 执行越来越便宜 那目标判断取舍品位 反而会越来越贵 所以看完这整场的访谈之后 我自己最大的感受是 今天很多公司所谓的AI转型 其实还是在用一个工业时代的组织 传统的流程 外面挂几个AI的账号 或者 ChatGPT 或者豆包之类的东西，买几个账号，然后培训员工怎么写 prompt，做几个自动化的工具流，然后再买几个所谓的通用的智能体。这些当然或许会有用，但是如果我们把时间往后延伸，真正的 AI native 肯定不是原来的公司加 AI，而是从 day 1 就开始重新假设：如果一家公司的认知能力和执行能力突然变得极其廉价，可以复制，可以并行，可以 24 小时不停地工作，那这家公司到底应该被怎么样重新设计？信息怎么沉淀？数据库、知识库怎么搭？任务怎么重新拆分重构？管理者到底还负责什么？做以后整个公司都会变成一个 AI 可以读、可以在上面执行、可以在上面持续迭代的一个系统。这才是我觉得 Tibo 这场访谈里面真正值得一个想要做 AI 转型的一号位去看的地方。 当然 OpenAI 的做法肯定没法直接照搬复制，但是如果你真的准备做 AI 转型的话，我觉得你一定要去看这些最前沿的公司发生了什么。原因非常简单，就是做转型之前，你至少得见过终点线附近，或者说现在最前沿的、跑在最前面的那些人、那些公司长什么样。你见过 AI native 拉满之后的那个样板间，你才会知道自己今天改的到底是哪一层，下一步又在哪里。否则我们视野太狭隘了，很容易把说公司全员都开通了 AI 账号，然后做了几个自动化的流程。 就误以为自己已经完成了AI转型。 想象力打开， 研究一些前沿的最佳实践， 最佳范式。