AI 不應該急著類比成「人」——從 Context 的成本結構談起

部門可以，人不行

企業導入 AI 時，我覺得我們不應該急著把 AI 類比成「人」的角色。 「部門」是合理的類比。部門是責任的集合，在任務的分配上，可以用部門作責任的歸屬。但是在任務的執行上，不應該由部門內的「人」來做類比。

人類的 Context 模型：集中、昂貴、不可分切

為什麼過去用「人」來執行任務？因為沒有選擇。 我們之所以需要責任的集合，是為了讓任務可以快速被分配。而人的「context」是大的——透過一些文件、透過一些訓練，讓他變成長期記憶，人就能不那麼有效率、但可以穩定處理很多不穩定的事情。 理論上context少意味著學的東西少，要處理的事情簡單，以流水線的角度context越低 （每個人只做一件事晴），最終的產出效果越大。 問題是，人類很難分切 context。人的單價太貴了，每多一個 context 就要多一個人力。所以我們會希望 context 集中——如 711 店員那樣，透過很多很多 SOP，集中給同一個人做。

背景補充： 傳統企業的組織設計本質上是一種 context 管理策略。部門、職位、SOP 都在解決同一個問題：如何讓有限且昂貴的人力，承載盡可能多的任務 context。這也是為什麼企業傾向「一人多工」而非「一事一人」——context 切換的成本雖高，但比多養一個人便宜。

Agent 的 Context 模型：輕量、可分切、成本低

但是在 AI 的世界，任務的分配剛好是反過來的。 Agent 不一樣，他的 context 是可以被輕量分切的，成本低很多。而且他分切之後，在大型模型的基礎知識支持下，可以達到 context 極輕——你可以一百個任務給一百個不同的 context 做，類比成一百個不同的人來做。 所以在最有效率的前提下，我認為是「專門的 context 處理專門的事情」，不確定的 context 靠 model 能力支撐，才是把 agent / model 組織化的關鍵，也更容易量化、管理所有的 job queue。 所以雖然類比成人類來思考 agent 是抽象思考層次比較輕鬆的東西，但一旦你往下開始做任務的分配、管理、監督，你馬上就會發現這個思路是混亂的。

結論

所以我們的任務跟以前一樣——找到最有價值的 path，做最適合的 context 去 manage 這些 path，進行產出。 差別只在於：過去 context 的載體是人，貴且不可分切；現在 context 的載體是 agent，便宜且可以任意切分。組織設計的邏輯該翻過來了。

這題一直沒找到一個好切點講，這兩天聊天時總算想到一個適合的切點。

原始 Facebook 貼文