你有莫得发现一个奇怪的情景？AI 让每个会用它的东谈主分娩力晋升了 10 倍，但莫得一家公司因此变得更值钱 10 倍。这些分娩力都去哪了？Hebbia 的 CEO George Sivulka 最近写了一篇著作，凯旋点出了这个让通盘东谈主困惑的问题。他说，咱们正在重蹈 1890 年代电力鼎新的覆辙，犯下科技史上最文明的乌有。

这个不雅点让我堕入了深度想考。我看到身边太多东谈主在用 ChatGPT、Claude 豪恣晋升个东谈主效力，在 Twitter 和公司 Slack 频谈里骄气我方的"分娩力最大化"恶果。但自如下来想想，这些个东谈主层面的分娩力爆发，确实转动成了公司层面的价值增长吗？大部分情况下，谜底是狡赖的。George Sivulka 用一个历史教导阐扬了为什么会这么，而这个教导对咱们清楚 AI 的信得过价值至关紧要。

1890 年代，电力工夫承诺带来弘远的分娩力晋升。新英格兰的纺织厂赶紧把蒸汽引擎换成了更快的电动马达。但接下来的三十年里，这些电气化工场的产脱险些莫得加多。工夫自己远超以往，但组织方式没变。直到 1920 年代，当工场绝对再行联想了所有这个词分娩经由，引入活水线、在每台迷惑中装配孤苦马达、让工东谈主和机器奉行完全不同的职责时，电气化才信得过产生了可不雅的呈报。这些呈报不是来自工夫自己，也不是来自让个别工东谈主或机器更快地纺线，而是来自再行联想了所有这个词机构和工夫的配合方式。

George Sivulka 说，这是科技史上最文明的教导，而咱们当今正在再行学习它。我完全快活这个判断。2026 年，AI 正在让那些懂得诈欺它的个东谈主分娩力晋升 10 倍。但这还不够。咱们只是换了马达，还莫得再行联想工场。因为一个浅易的事实：高效的个东谈主并不等于高效的公司。

Individual AI 和 Institutional AI 的压根区别

George Sivulka 在著作中提议了一个中枢见解：Individual AI（个东谈主 AI）和 Institutional AI（机构 AI）。我认为这个诀别相配重要，它阐扬了为什么当今大大批 AI 家具给东谈主一种"嗅觉很高效"的错觉，但践诺上并莫得信得过推动价值创造。

咫尺市面上绝大大批被公开计划的 AI 应用，都是个东谈主在 Twitter 或公司 Slack 频谈里自我痴迷式地"分娩力最大化"，对践诺业务产脱险些莫得影响。这让我想起最近一年里反复被说起的"就业即软件"见解，天然地方对了，但莫得提供具体蓝图，也错过了更大的图景。信得过的休养不是从器具到就业，而是把工夫和机构通盘构建（无论是传统机构如故新机构）。一个信得过高效的来日需要全新类别的家具，需要来日的活水线。

我潜入认可 George Sivulka 的不雅点：高效的组织需要的是"Institutional Intelligence"（机构智能）。接下来，我想勾通他提议的七大互异点，共享一下我对 Individual AI 和 Institutional AI 骨子区别的清楚。

调和：从狼籍词语到纪律

George Sivulka 用了一个想想实验来证实调和的紧要性。想象一下，你来日把公司东谈主数翻倍，但新增的都是你最优秀职工的克隆体。这些职工每个东谈主都有隐微互异、偏好、怪癖和不雅点（若是他们确实是你最优秀的职工，这少量尤其显然）。若是他们莫得得到充摊派理，若是他们之间阑珊充足的调换，若是他们的职责范围、OKR、变装定位莫得明确界定，你创造的不是分娩力，而是狼籍词语。

这个譬如让我料到了当下好多公司的 AI 应用近况。从个东谈主层面推断，组织可能变得更高效了，但当寥若晨星个 agent（代理）或东谈主类朝着相背地方划桨时，最佳的情况是故步自封，最坏的情况是毁坏组织的和谐。这不是假定，而是正在每一个接纳了 AI 但莫得调和层的组织中发生的现实。每个职工都有我方的 ChatGPT 使用风尚，我方的指示词作风，我方的输出内容，而这些输出彼此之间完全不交流。组织架构图可能存在，但 AI 生成职责的践诺流向却完全是另一趟事。

我认为调和对东谈主类和 agent 来说都是十足必要的。Institutional Intelligence 将演化出一所有这个词"Agentic Management"（agent 顾问）行业，专注于 agent 的变装和职责、agent 之间以及 agent 与东谈主类之间的调换，以及推断 agent 的价值（仅靠基于破钞的订价是不够的）。这让我料到，来日可能会出现专门的 Agent 顾问岗亭，就像当今有款式司理、家具司理一样，会有 Agent 司理专门认真调和这些 AI agent 的职责。

信号：在杂音中找到价值

George Sivulka 指出了一个好多东谈主冷落但极其紧要的问题：Individual AI 创造杂音，Institutional AI 寻找信号。今天的东谈主类也曾梗概创造或者说生成他们能想象的任何东西：AI 生成的著作、演示文稿、电子表格、相片、视频、歌曲、网站和软件。这照实是一份礼物。但问题是，AI 生成的内容绝大部分都是通首至尾的垃圾。这种 AI slop（AI 垃圾内容）的泛滥也曾变得如斯严重，以至于一些组织开动过度反应，完全闭塞使用 AI 输出。

这点我穷力尽心。George Sivulka 说他筹商着一家 AI 公司，但条目高管团队不要在职何最终书面家具中使用 AI，因为他受不了那些垃圾内容。这个矛盾的情景很证实问题。想象一下私募股权投资（PE）的全国正在快速变成什么样貌。前年，可能有 10 个来往契机经过你的案头。本年，下个季度你会收到 50 个契机，每一个都被 AI 润色得白璧无瑕，但你领有的期间如故那么多，你需要在其中找到一个信得过的好来往。

生成任何东西不再是问题。对至今天任何严肃的组织来说，问题是生成和采选正确的东西。在稠密选项中找到那一个好的恶果、那一个好的来往、杂音中的信号，在 AI 驱动的全国中变得越来越紧要。我认为，来日十年的重要经济驱能源将是在指数级增长的垃圾山中发现信号。

Institutional Intelligence 必须找到信号，必须结构化杂音以穿透垃圾，况兼必须在它所作念的职责中是信服的、可瞻望的和可审计的。Individual AI 可能强调 Clawdbot 那种"遥远在线"的分娩力，以不成瞻望的方式护理一个东谈主全天候的需求，也等于一个非信服性的 agent。而 Institutional AI 将依赖于信服性 agent 的承重可瞻望性。那些领有可瞻望检查点、圭表和经由的 agent 会推广限制，会发现信号，并通过这些信号为组织带来收入呈报。

偏见：从回信室到客不雅性

George Sivulka 提议的偏见问题让我以为极度有知勉力。对于社会政事偏见的担忧也曾主导了多年的 AI 计划。基础模子实验室最终通过充足的 RLHF（东谈主类反馈强化学习）绕过了这个问题，践诺上把通盘模子都变成了马屁精。今天，ChatGPT、Claude 等都是如斯过度对皆，以至于它们会在 Overton 窗口内的任何话题上快活你（巧合以致稍稍超出范围）。对于社会政事偏见的计划也曾平息。但一个新问题取代了它。

这种进度的认可感，这种对通盘事情的过度对皆，也曾变得好笑地倒霉。它自己也曾成为一个梗。Claude 那种反射性的"你完全正确！"，不管你事实上是否确实完全正确。这听起来无害，但践诺上不是。

George Sivulka 的不雅点让我警悟：许多组织内最高声倡导 AI 的东谈主，可能很快会是历史上发达最差的职工。想想为什么。组织中发达最差的职工，每天险些得不到任何正面强化，很快就会有 ASI（东谈主工超等智能）快活他们。他们会对我方密语："有史以来最聪惠的智能快活我。我的司理错了。"这是令东谈主痴迷的，乐鱼2026世界杯首页亦然对组织有毒的。

这突显了一个紧要问题。这些个东谈主分娩力器具强化的是用户自己。但践诺上最紧要的是强化真义。组织经过数千年的演化，建树了专门用来对消这个问题的系统：投资委员会会议、第三方守法拜访、董事会、好意思国政府的行政、立法和公法三权分立、代议制民主，以及所有这个词民主轨制自己。

我完全认可 George Sivulka 的看法：组织很少因为东谈主们阑珊信心而失败。它们失败是因为莫得东谈主风光或梗概说"不"。Institutional AI 必须上演这个变装。它不会被 RLHF 调教成凑趣用户或回答他们的信念，而是要挑战他们的偏见。它会在有分娩力时强化行动，并在非分娩性倾向出刻下划出硬性界限进行再行调整。因此，组织内最紧要的 agent 不会是"应声虫"，而是有纪律的"反对者"，它们会质疑推理、暴露风险、奉行圭臬。一些最具影响力的来日 AI 应用将围绕机构拘谨而建树：AI 董事会成员、AI 审计员、AI 第三方测试、AI 合规等等。

上风：通用智力 vs 专科深度

George Sivulka 在著作中提到了一个经典的创新者窘境：对于特定应用来说，深度每次都能打败广度。这让我料到了当前 AI 范围的竞争口头。基础模子公司为了争夺每一个东谈主和每一个组织，正在快速迭代智力。但对于专科应用来说，信得过的上风很紧要。

Midjourney 的职责是在联想图像上略微进步。Elevenlabs 的职责是在语音模子上略微进步。Decagon 的职责是在全栈客户就业体验上历久进步。天然基础模子会接近这些智力，但对于各自范围的行家来说，信得过的上风很紧要。许多最佳的联想师使用 Midjourney，许多最佳的语音 AI 公司会使用 Elevenlabs，因为即使基础模子在阅兵，专用应用对于推动其特定上风的将强饶恕自己就界说了上风。

唯有专用惩办决策也在进化，那些对经济末端、对企业紧要的智力，将遥远属于专用家具。这在金融范围发达得大书特书，那儿当今是 LLM 开发最热点的范围。一朝某种智力变得普及，从界说上说它就不会帮你打败市集。但若是前沿工夫梗概产生一个一霎的 1% 利基上风呢？那 1% 不错被杠杆化成十亿好意思元级的末端。

George Sivulka 共享了 Hebbia 的数据很能证实问题。他们的用户一直超过前沿智力。LLM 的高下文窗口在四年内从 4K tokens 增长到 1M tokens。他们的一些用户在单个任务中处理 30B tokens。本年他们也曾看到了 100B tokens 任务的可能性。每次基础模子智力晋升，他们都也曾股东得更远了。

我的清楚是，这就像一场转移宗旨游戏。为世俗东谈主群提供使用体验自己等于一个紧要且有价值的宗旨，极度是在让职工构兵 AI 方面。但来日不会是东谈主们使用 ChatGPT/Claude 或者范围特定惩办决策的二选一，而是 ChatGPT/Claude 和范围特定惩办决策的并存。Institutional Intelligence 必须诈欺范围特定，以致可能是任务特定的 agent。

George Sivulka 提议了一个听起来很是但践诺上不是的问题："AGI 会采选使用哪些 agent 当作捷径？即使是超等智能也会想要特定范围的专用器具。"我以为这个想考角度极度专门旨谈理。在 AI 范围，宗旨柱遥远在变化，而那些诈欺信得过智力上风的组织才是会赢的组织。其他通盘东谈主都在为一个相配文明的商品付费。

末端：从简期间 vs 推广收入

George Sivulka 援用了一个让他再行想考如何向企业销售 AI 的不雅点：风投 Marc Volpi 曾告诉他，"若是你问任何 CEO，他们的首要任务是削减资本如故推广收入，险些通盘东谈主都会说收入。"联系词今天市集上险些每个 AI 家具都在提供资本削减，承诺咱们从简期间、用更少的资源作念更多的事，或者替代东谈主力。

这个不雅察让我深想。Institutional AI 必须提供上行空间。而上行空间比从简的期间更难商品化。以 agentic 软件开发为例。编码 IDE 是有史以来最佳的 Individual AI 分娩力器具之一，但它们也曾濒临来自 Claude Code（另一个 Individual AI 器具）的弘远压力。而 Cognition 在玩一个完全不同的游戏。他们最厚实增长的业务是构建工夫来销售转型，而不是器具。我会押注这种执久力。

纯软件"正在快速变得不成投资"。纯就业无法推广。惩办决策层，将工夫与末端勾通起来，才是执久价值集中的地方。或者以并购为例。Individual AI 匡助分析师更快地建树模子。Institutional AI 从一百个敌手方中识别出一个值得追求的，并将这个范围扩大到一千个。一个从简期间；另一个创造收入。

George Sivulka 指出，向"上游"转移是当前市集的天然重力。基础模子正在向应用层转移。应用层公司正在向惩办决策层转移。Institutional Intelligence 等于惩办决策层。而惩办决策层，末端所在的地方，将集中执久价值并拿获最大的上行空间。

我的不雅察是，这种朝上耽搁动的趋势在所有这个词 AI 生态系统中都在发生。那些只提供器具的公司会发现我方越来越难以捍卫我方的位置，而那些梗概提供可推断业务恶果的公司将得到更高的估值和更强的市阵势位。

赋能：给器具 vs 教使用

George Sivulka 提到了一个东谈主性的真相：尽管咱们有创造力，但东谈主类是不屈变化的。信不信由你，纽约仍然有得胜的企业不采纳信用卡。他们在耗费钱，他们知谈我方在耗费钱，但他们在这种惰性眼前仍然不为所动。相通，在可预料的来日，某些组织中的某些职工会隔断使用 AI。

从纯东谈主类组织过渡到 AI 优先的夹杂组织，将是来日十年执久且决定性的挑战。在很厚情况下，组织中最资深、最紧要的层级将是接纳最慢的。这让我料到，工夫接纳的抑遏时常不在底层职工，而在高层顾问者。那些离"分娩力器具举止"最远的最高层时常是接纳新工夫最慢、但最紧要的参与者。

George Sivulka 指出，Palantir 是独逐一家在以前两个月科技股万亿好意思元抛售中仍以超卓倍数来往的"软件"公司，这是有原因的。Palantir 是首批信得过的"经由工程"公司之一。无论你称之为"经由工程"如故"编写 Claude 手段文献"，来日的 Institutional AI 将有一个行业专门将公司经由编码进 agent，并已毕将它们付诸行动所需的变革顾问。

我认为经由工程将成为近期内最紧要的"工夫"之一。而在经由工程中，业务和行业专科学问比软件专科学问更紧要。范围特定的惩办决策带来认真前列部署工程、部署和变革顾问的专科东谈主员的专科学问。

George Sivulka 共享了一个案例：一家顶级投行采选 Hebbia 进行全面部署时说得最佳：当他们"不得不向团队阐扬什么是 CIM（深沉信息备忘录）"时，他们对与大模子实验室互助失去了酷好。Claude 或 GPT 信服知谈这个范围，但实验室认真架构推行的团队不知谈。这形成了通盘的互异。这个例子让我鉴定到，在 B2B AI 范围，范围专科学问可能比纯正的工夫智力更紧要。

主动性：反应指示 vs 主动行动

George Sivulka 在著作终末提议了一个我以为最具前瞻性的不雅点：对于 agent 之间通讯的计划好多，也有东谈主在问来日的企业、软件家具和机构是否还需要东谈主类。但更好的问题是，来日的 AI agent 是否还需要指示。

他用了一个很形象的譬如：给 AGI 指示就像把电动马达接到能源织机上。它从压根上、不成逆转地受到组织供应链中最薄弱关节的截至，也等于咱们东谈主类。东谈主类险些不知谈要问什么正确的问题，更无须说何时问了。

AI 能作念的最有价值的职责是莫得东谈主料到要条目的职责。AI 应该找到莫得东谈主记号的风险、莫得东谈主料到的敌手方、莫得东谈主知谈存在的销售渠谈。这将掀开 AI 用例的多重可能性。

一个无指示系统执续监视所有这个词投资组合的传入数据。它检测到一家公司的营运资金周期在聚首三个月内偷偷恶化，将其与信贷条约中的契约阈值交叉参考，并在基金中的任何东谈主掀开 PDF 之前向运营合资东谈主发出警报。

当你摈斥了东谈主类指示 AI 的需要，新的界面和新的职责方式就会出现。George Sivulka 说 Hebbia 在这方面有一些浓烈的不雅点。这让我相配期待看到他们会推出什么样的家具。我认为，从需要指示到主动职责，这可能是 Institutional AI 和 Individual AI 之间最压根的区别。

再行联想咱们的工场

George Sivulka 在论断中说，这一切都不狡赖聊天机器东谈主、agent 和所有这个词 Individual AI 的需求。Individual AI 将是全国上大大批企业初度体验 AI 变革魅力的载体。推动使用和通用易用性，是建树 AI 优先经济所需变革顾问的重要第一步。

但同期，对 Institutional Intelligence 存在显然、紧要和弘远的需求。来日每个组织都会有一个来跋扈实验室的聊天机器东谈主。每个组织也都会有为范围特定问题专门构建的 Institutional AI，而 Individual AI 将把 Institutional AI 当作我方器具带中的重要器具来诈欺。

Individual AI 和 Institutional AI 的"更好地协同"故事是不成幸免的。但咱们要记取 1890 年代纺织厂的教导。最先电气化的工场输给了那些再行联想车间的工场。咱们也曾有了电力。当今是时候再行联想咱们的工场了。

读完这篇著作后，我对当前的 AI 上升有了更闪现的相识。我看到太多公司和个东谈主千里浸在 Individual AI 带来的个东谈主分娩力晋升中，却冷落了组织层面的系统性变革。就像 1890 年代那些浅易换了电动马达却不改造分娩经由的工场一样，他们可能会在来日的竞争中败给那些信得过再行联想了组织结构和职责经由的公司。

我信赖，来日五到十年，咱们将看到一个全新的产业崛起：专门匡助组织构建和部署 Institutional AI 的公司。这些公司不仅提供工夫，更紧要的是提供经由工程、变革顾问和范围专科学问。它们将成为企业从 AI 期间的电力中信得过获益的重要。

对于创业者和投资东谈主来说乐鱼2026世界杯首页，这意味着弘远的契机。那些梗概将 AI 工夫与特定行业深度勾通、梗概提供可推断业务恶果而不单是是从简期间的公司，将得到最大的呈报。而对于企业来说，当今就应该开动想考如何再行联想我方的"工场"了。因为历史告诉咱们，只是领有先进工夫是不够的，信得过的上风来自于工夫和组织的无缺勾通。