Notion CEO的最新思考正在引发一场关于AI重构企业效率的深度讨论。本文从业务流程的本质出发，剖析传统SOP管理模式与AI驱动的自动化未来之间的巨大鸿沟，揭示了大模型如何从单点提效工具升级为企业级神经系统，最终实现从一人公司到全自动商业体的蜕变。

最近因为看的AI比较多，思考AI也比较多，然后看到了notion CEO的最新文章《Steam, Steel, and Infinite Minds》（蒸汽、钢铁与无限心智）

这个文章的内容比较多，原文我就不直接丢出来了。我简单总结一下：

a、AI的发展到现在，编程基本已经都靠AI了，为什么呢，编程的知识标准且透明化，并且对错容易验证，这导致AI学的更快。其它行业的呢，如果模型能够获得的知识更多，那么也会很快走编程的路子。这就会引起社会工作各方面效率倍速增长的时代。

b、企业组织，因为当时技术（特别是通信技术）的原因，最开始是只有十几人，然后逐步扩大到数十万人，但因为中间很多节点是人脑作为链接，这造成了信息逐层失真等各方面原因，导致规模受限和效率递减。

c、对新技术的应用，我们往往需要时间来适应，并不断发现新技术的新用途，直到完成范式升级

d、畅想未来的新范式——AI不是现有工作流的补充节点，而是利用AI对工作流的重构，让工作流自动运转

简单阐述了这篇据说在硅谷广泛流转，现在在中国科技圈中也广泛流转的文章之后。

我想说一说我的一些思考和理解。

我在2022年4月在公众号上写了一篇文章《关于业务流程的随想》。我当时在研究企业架构的，也就是如何提高企业的运转效率，其中就包括业务流程的运转效率的提高问题。

我在研究的时候就发现，到2022年的时候，绝大部分企业都是以人为中心，但是人很难做到统一，因为每个人都有不同的背景、知识体系、也有自己的私利所在。这非常容易导致山头注意，本位主义。人还会受到个人在不同时期的状态的不同，可能对同一个事情的处理方式都非常不同。

那这种情况，现在的企业是如何做到呢，采用sop。比如胖东来就有针对茶叶售货员的sop，比如万达就有针对会议的sop文档。在大规模制造业的工厂车间sop更常见。sop的本质是什么呢，就是操作手册，就是把所有流程和规则定死，通过统一来达到信息传递不失真，操作标准化进而提高质量和执行规范。

那为什么工厂的标准化程度更高呢，因为基本属性决定的，这个属性就是决策的开放性程度。工厂流水线的产品是否合格有着严格的规范，与外界交互的程度更低，受人的干扰更少，更容易衡量。

而服务业的需要与外界进行大量交互，人在其中的占比程度更大，衡量的弹性更大。但我们可以看到更规范的服务，越容易扩大规模，但服务业中人的因数占比依然很大，依然对业务流程有重大影响。

近些年，随着工厂无人化水平的进一步提升，比如小米的黑灯工厂的出现，整个流程除了设备检修以外，基本全自动化了。这基本已经达到工厂流程效率的极限。

那么针对有很多人的服务企业呢，如何达到企业效率的极限呢？

如最开始的notion CEO所畅想的，那就是利用AI和大模型。

我们先从流程最本质的逻辑来说，最终我们进行一些推演，要如何做才能把这个业务流程效率达到极限的程度。

一家公司的本质是投入资源，进行价值增值，最终将增值的价值以一定的价格销售给客户。公司存在的目的就是价值增值，也就是通过公司的运营来将投入资源进行增值，公司整体的经营效率由公司内的运作流程决定。

在之前的历史中，流程的运转必须依赖人，随着公司的规模扩大，人的知识是有限的，则必须进行分工。分工自然会带来不同的部门，部门墙就必然出现，对庞大团队的管理必然会出现层级。

这个结果就是企业规模越大，团队越庞大，信息的传递越失真，增加很多职能流程。最终导致直接为生产，为业务增值的流程占比越来越少，大部分流程都不再产生直接的业务价值。这还没有考虑人员争斗各方面的问题，如果把人员争斗等各种问题加上之后，那么流程中的空隙，等待，耗散会更严重。

比如说流程有5个节点，那么每个节点的效率损失10%，则最终的效率=0.9*0.9*0.9*0.9*0.9=0.59。

那怎么办呢？

很多公司采取减少层级的方式，比如小米公司，或者很多其它科技公司，利用信息系统，扩大单个人的管理幅度，也就是利用技术来增强管理能力，达到管理更多人的效果。

到这个程度，那就是哪家公司能够更好的利用信息系统，也就是我们常说的erp来管理内部信息，尽可能多的把业务流程线上化标准化，那么就可以尽可能的降低层级，提高综合管理效率。

但传统的erp还是存在一些问题。

比如我所知道的，有些公司的erp内部管理系统和外部与客户进行销售的电商商城，其实并不太联通，可能联通的部分就是财务。内部erp系统各部分的数据也不太联通，比如会议系统的信息就比较孤立，比如内部的IM系统的信息，比如很多沟通的信息也并不在系统中，一个事情到底是如何的决策过程，也并不太体现在系统中，也就是正在做的事情相关的信息没有进行有机整合，还存在信息真空的地带。

那现在AI整合进企业管理中，一般做什么呢，还是在做单一部分的提效。比如说聊天信息的总结，会议记录的语音转文本及总结，项目管理进度的总结，图片文本的提炼。也就是基于现有业务，现有系统，现有功能的局部优化。

但是彼此之间的信息孤立还是存在，这个本质的问题还是没有解决。但现在的AI利用方式是否能够提效呢，肯定能够提效，但还是没有到极限。

那么到极限会是一个什么状况呢？我们稍微推演一下。

我们回到公司的本质是，投入资源，然后经过公司内部的流程运转将资源进行转化增值。

流程是由什么构成的呢，由更小段的流程串联或者并联的，一段流程的逻辑是怎样的呢，看下面这张图：

如果我们在业务规则明确，控制措施明确，操作指导明确的情况下，以前由人对这个流程根据相关规则进行判断来决定下一步活动来产出的逻辑，那么这个角色其实就是可以由AI完成，比如现在的Agent，这些规则或者逻辑也就是现在通常说的提示词，skill或者其它不同的叫法，叫法不重要，重要的是规则和各种信息的明确化，可衡量。

那么我们继续推演，就会发现，人在流程中的到最后基本没有位置了。因为传统的流程是因为没有其它东西来解读规则，进行分析和判断，只有依靠人脑来处理。现在有了电子脑，有了大模型，AI之后，那么之前依赖人脑来处理的事情，就可以直接使用AI大模型。

这个过程是一直在进行的，而不是大模型出来之后才这样的，比如之前我们就知道的推荐系统，或者我们常说的千人千面，或者我们知道的外卖员的订单派送，滴滴司机的订单派送都是这个原理。只是之前的AI算法能够处理的规则逻辑相对现在来说更简单，场景更单一，模型很简单，更垂直，没有追求通用性。

当大模型的能力继续增强，企业业务运营的自动化就将到来。那将会是一直能够什么场景呢？

你有一个ideal，你把ideal直接丢给你的大模型，大模型根据市场调研的方法，帮你去调研你的ideal是否可行，面临怎样的环境，上下游产业链是怎样的，然后你有哪些竞争对手，并根据你企业的情况，做swot的分析，并进一步优化你的方案。

接下来，让你确认这个方案满意，满意的话你的大模型就将进行下一步，帮你细化你的整个业务模式和你的业务流程，帮您设计你的软件系统是什么样的，要用什么技术架构，然后看你要不要调整，如果不调整，它就把这个方案进行技术开发，并告诉你它需要云服务器，域名，还有某个公司的大模型，还有其它外部的接口。接着它告诉你，已经把相关的地址找出来了，你只需要点击注册账号就可以购买了，购买之后把相关信息给它就行。或者更进一步，你授权它操作你的账号，并控制它每天能花多少钱。这些域名，服务器等的花费正好在限额呢，它就直接帮你把域名、云服务器、还有其它公司的开放平台注册了，拿了接口key，自动帮你把开发好的程序部署好。

在同时，你的大模型接收了上一个阶段的项目信息，根据你的商业模式，帮你拟定市场推广方案，包括你的愿景，项目介绍，你的目标客户，你的产品定位，你的品牌，你产品定价，要拓展哪些渠道，应该采用什么样的宣传文案，并且帮你生成了文字，音频，视频等不同的资料，并且帮你注册了抖音，小红书，快手的账号，把相关资料给你上传到你的社交媒体账号上，并根据用户的上线时间偏好设置好了定时发布指令。

接着你的大模型根据用户对你软件的使用情况，还有监控社交媒体用户的反馈来不断更新迭代，还帮你监控你的公司舆情，并有力的反击了那些网络上黑你的水军，并顺手把他们的诽谤证据让一个律师智能体出了一份律师函发给他们。

至于说公司的组织架构，因为没有人在其中导致信息失真，传统的层级基本消失了，而新的层级关系用传统的评判标准已经没有太大意义，而原来为了人而设计的很多职能管理部门将彻底失去作用。

整个公司中，可能就你一个人，其它的都是流程再自动运转。

当然，你还有一大堆Agent员工，说不定其中有一个就是专门陪你聊天，好让你不会太孤独。