Беседа с Лю Е: OpenClaw — это всего лишь «руки и ноги», нам нужно перейти от «цифровых сотрудников» к «цифровым организациям», от «создания войск» к «расстановке боевого порядка»

Диалог｜Чжан Пэнг

Когда все стремительно бросаются разрабатывать «цифровых сотрудников» и «агентские инструменты», бесконечно конкурируя в узкоспециализированных сценариях, где на самом деле скрыта настоящая конкурентная защита AI-стартапов?

Недавно основатель и президент Geek Park Чжан Пэнг и основатель VisionFlow Лю Ей провели обсуждение, которое можно назвать проекцией в будущее после всплеска OpenClaw. Будучи представителем первого поколения китайских программистов, родившимся в 1979 году, Лю Ей прошёл полный цикл — от низкоуровневого аппаратного обеспечения до программного обеспечения, от корпоративной интеграции (ToB) до онлайн-образования (индустриальный интернет). После нескольких месяцев уединения и общения с ведущими исследователями глобальных AI-компаний и топ-стартаперами внутри страны, он пришёл к холодному выводу: рассматривать AI как «цифрового сотрудника» для замены отдельной задачи — это чрезмерное упрощение реального бизнеса с точки зрения инженера.

В этом диалоге Лю Ей предложил серию вдохновляющих концепций и рамок, таких как «постепенное раскрытие» и «матрица задач по уровню сложности и размерности». В ходе обсуждения постепенно сформировалась одна возможная перспектива: следующий шаг AI — это не просто распространение инструментов, а создание «цифровой организации», обладающей механизмами сотрудничества, отчётности и рефлексии. Когда корпоративная культура станет ненужной, а низкоуровневые задачи — полностью автоматизированы, будущий CEO, возможно, уже не будет «исполнительным директором», а станет «продюсером» с исключительным вкусом.

Это исследование формы организации в эпоху AI, бизнес-барьеров и экосистемы новых предпринимателей. Надеемся, оно вызовет более глубокие дискуссии среди будущих стартаперов.

Ниже — отрывки из диалога, подготовленные Geek Park:

01 Война за миллионы A уже началась, возможностей очень много,

но что действительно важно делать?

Чжан Пэнг: От «коробки для заданий» до сегодняшнего увлечения исследованием изменений, привнесённых OpenClaw — какие у вас личные изменения произошли?

Лю Ей: Я — представитель первого поколения китайских программистов, с ранних лет учился программировать. Прошёл путь от BASIC и DOS до Windows и современного Mac, стал свидетелем появления трёх крупнейших порталов. Работал в области корпоративной информатизации, хотел сделать китайский IBM; затем перешёл к проекту «коробка для заданий», глубоко участвовал в онлайн-образовании. Это очень глубокая индустрия, вершина индустриального интернета, «последний вагон». Этот опыт показал мне, что ядро индустриального интернета — не технология, а сама индустрия, бизнес. Закон индустриального интернета таков: сначала создаётся информационный обмен, затем стандартизированные продукты, далее — цепочки поставок, и в конце — сложные услуги по нестандартным заказам. Чем дальше, тем выше маржа, и тем сложнее делать.

Поэтому, когда пришла волна AI, я первым делом потратил почти полгода, ничего не делая, и просто разговаривал со всеми возможными специалистами HR — с ведущими учёными в стартапах, с ключевыми алгоритмами и инженерами крупных корпораций, с новыми AI-стартаперами. Общение длилось почти тысячу часов. До какого уровня? До того, что я мог предугадать продолжение фразы собеседника, и все уже пришли к единому мнению.

После этого круга разговоров вывод оказался поразительно единым: все занимаются одним и тем же — «цифровыми сотрудниками». Это напомнило мне о стратегической ошибке одного крупного руководителя по поводу облачных вычислений: он говорил, что Alibaba занимается облаками, по сути, это просто облачное хранилище. Использовать старую рамку для понимания нового — значит видеть только верхний слой.

Сегодня все считают, что создание цифрового сотрудника — это просто написать «цифровую продажу» или «цифровой сервис» на Claude. Где тут технологический барьер? Где защита? Когда человек сжигает миллиарды токенов за день — это уже скорее производство, и оно не взлетит. Поэтому я задаю одинаковый вопрос каждому стартаперу: почему именно ты? Почему ты можешь? Ты моложе? Умнее? Можешь ночевать без сна? Конкуренция по одному измерению — это как разница между «10 секунд 69» и «10 секунд 70».

Чжан Пэнг: Да, сегодня возможностей очень много, но что действительно важно делать?

02 Десятилетие индустриального интернета сегодня повторится

Лю Ей: AI — совсем другое, но я уверен, что в нём всё равно есть закономерности, схожие с индустриальным интернетом. Вначале создавались инструменты, потом — бизнес, в конце — консультации. Когда технология ещё не зрелая, первыми приходят инженеры, которые склонны чрезмерно абстрагировать мир, например, Baidu с «рамочной вычислительной моделью», считая всё за рамки. Но вторая половина мобильного интернета — это контент и услуги, а не рамки.

Инженеры по происхождению склонны к чрезмерному упрощению организации. Посмотрите на первые три портала интернета: самые успешные — Tencent и Alibaba — чуть дальше от технологий, но очень близки к индустрии. Сегодня ситуация не изменилась: технологии становятся всё менее важными.

Чжан Пэнг: Эта волна гуманитариев очень радуется — кажется, писать код уже не обязательно. Но в долгосрочной перспективе, какие требования AI предъявляет к человеку? Что изменилось?

Лю Ей: В структуре талантов Китая я заметил одну проблему. Первое поколение программистов — это по сути продукт-менеджеры, потому что тогда не было такой должности. Стать продукт-менеджером начали примерно после 2010 года, после презентации iPhone 4 Джобсом и идеи «каждый — продукт-менеджер» от Чжан Сяолуна. До этого программисты одновременно выполняли функции продукт-менеджеров: сначала были программисты, потом появились продукт-менеджеры. Первое поколение училось коду не ради работы, а из интереса, по любви. Именно эти люди, не ограниченные рамками, — самые выдающиеся.

Но второе поколение программистов за последние десять лет превратилось в «кодеров», а продукт-менеджеры — в архитекторов. Кодеры стали управляемыми, перестали думать о бизнесе. Сегодня AI пришёл — часть «кода» исчезает, и без эволюции они остаются только «фермерами». Эти молодые люди очень талантливы, но их понимание индустрии — пустое. Поэтому нынешняя «битва за миллионы A» — по сути, это волна инструментов.

На поздних стадиях индустриального интернета компании вроде Alibaba и Meituan — стандартно нанимают экспертов с опытом в топ-консалтинге (MBB), используют консультантов и продукт-менеджеров для бизнес-процессов, потому что у интернет-продукт-менеджеров по умолчанию нет системного мышления. Так создавался Feishu. Хотя Bytedance — чисто интернет-компания, она тоже активно использует консалтинговые фирмы для построения внутренних процессов. В эпоху AI эта закономерность только усилится.

03 Вопросы компаний — не сотрудники, а организация

Чжан Пэнг: Значит, идея «битвы за цифровых сотрудников» — не так важна.

Лю Ей: Это мой главный вывод: не конечная точка — цифровые сотрудники, а «цифровая организация». Если цифровых сотрудников станет слишком много, и вакансии исчезнут, все смогут иметь хороших цифровых сотрудников — и что дальше? Тогда все компании смогут зарабатывать и добиваться успеха? На самом деле все проблемы компаний — это стратегические и организационные, а не кадровые.

Поэтому сегодня агент — это всё ещё рабочая сила, а не инструмент принятия решений. Мы внутри создали систему OpenClaw и разработали «MetaOrg». По сути, это ядро, которое может создавать команды агентов. Для любой задачи мы не отправляем одного сотрудника, а создаём «организацию» для её решения. Эта организация имеет механизмы сотрудничества, отчётности, миссии, цели и способы действия.

Чжан Пэнг: А возможно ли в будущем, чтобы один человек стал одним отделом? Или даже целой компанией?

Лю Ей: Это очень хороший вопрос. Мы всё ещё рассматриваем задачи на микроуровне: например, создание короткого видео или написание документа — требуют многократных диалогов. Ты говоришь — он отвечает, ты даёшь обратную связь — это инструментальное использование, он очень умный.

Поэтому понятия «человек» и «отдел» — не по количеству. Когда мы описываем должностные инструкции для высокоуровневых позиций, обычно говорим: во-первых, умеет делать всё — и разное, и с разными инструментами. Во-вторых, способен понять намерения, самостоятельно планировать путь, активно выполнять, достигать результатов, регулярно отчитываться, рефлексировать и корректировать стратегию на основе отклонений. Это — высший уровень компетенций.

Чжан Пэнг: Хороший отдел — это «автоматизированное управление уровня L4».

Лю Ей: Да. Когда ему дают навык, он может выполнять сложные задачи; когда создаёшь систему навыков — сложные комплексные задачи. А когда есть множество агентов, взаимодействующих между собой, — можно решать ещё более сложные задачи, например, снять короткометражный фильм. Я часто говорю сотрудникам: при использовании MetaOrg не стоит считать себя руководителем, лучше — председателем. Нужно стараться понять его границы.

В будущем молодые предприниматели, вместо 50 тысяч юаней на старт, могут выделять бюджет в токенах для экспериментов. Сколько токенов ты готов потратить — определяет уровень должности. Чем выше должность, тем длиннее цепочка рассуждений, тем больше итераций и ошибок, которые нужно исправлять и учиться.

Чжан Пэнг: Возвращаясь к предыдущему вопросу, если есть группа агентов, её можно разбить на более мелкие единицы или, скажем, на отдельные роли и навыки. Когда команда сталкивается с ключевой задачей, качество каждого участника определяет успех или провал. Это возвращает нас к логике конкуренции в бизнесе прошлых эпох: чем выше плотность талантов, тем выше вероятность успешного выполнения ключевых задач и превосходства.

Ключ в том, что если в будущем AI станет универсальным, и мы сможем вызывать лучших AI, — кроме того, что бизнес-организация сможет более эффективно предоставлять услуги и создавать ценность, — ещё один уровень — «плотность талантов». Чем выше «плотность» агентов и ботов, разбитых на атомарные навыки, тем лучше результат, эффективность и инновации в сложных задачах. Не уверен, что это правильное рассуждение.

Лю Ей: Я согласен. Внутри компании есть отдел развития организации (OD), который обычно занимается организационным развитием. Оценка способности организации побеждать — это сравнение всех талантов конкурента, анализ соответствия людей и ролей, их компетенций — и по результатам предсказание исхода. Обычно успех зависит не от бизнес-стратегии, а от организационных возможностей. Самый яркий пример — Alibaba. Они очень ценят организационное развитие, поэтому сейчас переживают «второй рассвет». Основная идея — команда стареет, а организация — живёт вечно. По сути, если однажды мы с тобой станем конкурентами и будем использовать AI, я создам мощную AI-организацию с сильными возможностями развития. Как её построить? Я открою все системы агентных навыков конкурентов, проанализирую их код навыков. Потом в своей системе напишу более продвинутые навыки, дополню недостающие функции. Например, у меня есть стратегический отдел — я сначала проведу анализ.

У Huawei есть методология «Пять взглядов и три решения». Шутя говорю, что, применяя только её, можно победить 99% конкурентов. Пять взглядов — это анализ трендов отрасли, клиентов, конкурентов, собственных возможностей и стратегических возможностей; три решения — определить контрольные точки, цели и стратегии. Эта методика позволяет отсеять большинство конкурентов, потому что большинство игроков — это «играющие вслепую», полагающиеся на быстрый размышления, а мастера используют глубокое мышление и логические рассуждения. Их первый ответ — «я как командир должен подумать, как поступить».

Чжан Пэнг: Так что «пять взглядов и три решения» — это по сути отказ от «импульсивных реакций», закрепление долгосрочного процесса логического анализа.

Лю Ей: Мастера — это модели глубокого исследования и размышлений, которые сначала изучают лучшие практики и информацию по всему миру, делают выводы и анализируют, а затем — дают ответ одним движением.

Я считаю, что в будущем главный фактор конкуренции — моделирование бизнеса традиционных отраслей, их систематизация и возможность управлять ими как интеллектуальными агентами. Это — новая форма организационного развития (OD), которая со временем превратится в AIOD — единственный будущий конкурентный козырь.

Ключевое преимущество Alibaba — в построении организации. Когда она создана правильно, она способна конкурировать с любым противником и в любой сфере. Мэрия Ма — говорил, что цель войны — не обязательно захватить какую-то область, а — развивать организацию через войну. Alibaba оценивает успех по росту организации, а не по победе в конкретной битве — это очень высокий уровень мышления. Сам Ма — это как супер-информационный узел, который ежегодно летает около 200 раз, собирая информацию для совершенствования организации. Он — настоящий председатель, а не просто CEO.

Это — высшая форма организации, которую мы видим: способная преодолевать поколения, охватывать разные отрасли, постоянно достигать успехов и восстанавливаться после кризисов. Обычно, если за десять лет неправильно назначить CEO, компания неизбежно придёт к упадку. Поэтому важно учиться на истории, смотреть на развитие с более высокой точки зрения, даже если это означает некоторую оптимизацию и сокращение существующих моделей — это гораздо эффективнее, чем строить всё заново с нуля.

Сейчас любой может легко создать агента, уровень входа очень низкий, а благодаря открытому сообществу — отрасль уже не скрывает секретов. Внутреннее соревнование в инструментах — это навсегда проигрышная стратегия по сравнению с сообществом с открытым исходным кодом. Тогда в чём же — уникальное конкурентное преимущество, которое не может скопировать никто?

04 Физика AI-организаций: почему «постепенное раскрытие» — ключ

Чжан Пэнг: В «старой эпохе» при обсуждении организации акцент делался на культуре, ценностях, KPI и подобных вещах. Когда мы переходим к новой эпохе — эпохе AI-агентов, — какие элементы можно полностью исключить, а что оставить, но трансформировать?

Лю Ей: Основная причина, по которой Anthropic внедрила концепцию «навыков» — это идея «постепенного раскрытия» в области кодирования AI. Если AI получает огромное количество разнородной информации, у него возникает «затухание контекста» и хаос из-за недостатка внимания. Постепенное раскрытие помогает AI сохранять хорошее внимание и выдавать качественный результат. Если реализовать это вручную — это полностью диалог с человеком, что очень неэффективно. Поэтому основная ценность «навыков» — это иерархическая декомпозиция сложных задач, постепенное раскрытие AI.

Это полностью совпадает с управленческой логикой: совет директоров сосредоточен на стратегических вопросах, CEO — на тактике и управлении топ-менеджерами, а сотрудники — на простых задачах. Если 300 человек одновременно участвуют в одном собрании — оно просто не состоится. Главная задача организации — обеспечить иерархическую обработку информации, как в базе данных с нормализацией, — сложные задачи нужно разбивать на уровни, постепенно раскрывать, а не вводить сразу весь объем контекста. Это — основная логика традиционной организации, ведь вычислительные ресурсы в определённое время ограничены.

Чжан Пэнг: Каждая модель требует огромных вычислительных ресурсов для создания с нуля, это очень неэффективно.

Лю Ей: Невозможно — это всё равно, что полагаться на иерархическое постепенное раскрытие, при этом необходимо использовать все доступные ресурсы, что определяется возможностями модели AI. Кроме того, ещё одна причина появления «навыков» — это то, что сложные задачи вышли за пределы физических законов, и навыки позволяют разбивать их на низкоразмерные простые задачи. Основной критерий сложности — не уровень сложности, а степень «высокого» или «низкого» измерения. Например, программирование или решение математических задач — это низкоразмерные, но сложные задачи.

Классическая модель, предложенная Хуэй Юйцай, делит все профессии по двум осям: «степень конкуренции» и «размерность задачи». В результате получается четыре квадранта: высокоразмерные и высококонкурентные, низкоразмерные и низкоконкурентные, низкоразмерные и высококонкурентные, высокоразмерные и низкоконкурентные. Например, продажи и инженеры — низкоразмерные и высококонкурентные; продукт-менеджеры и CEO — высокоразмерные и высококонкурентные; учёные — высокоразмерные и с низкой конкуренцией — их может быть всего один в мире, и конкуренция у них низкая, но уровень сложности — очень высокий. Такие задачи, как создание качественных коротких сериалов или хороших романов, — это высокоразмерные и высококонкурентные, и AI пока не способен их выполнить. А задачи вроде оптимизации кода — низкоразмерные и с высокой конкуренцией — AI уже хорошо справляется. Чем выше размерность задачи, тем меньше источников данных, но при этом требуется больше данных для обучения модели. Именно поэтому текстовые модели появились раньше, чем модели для изображений и видео, а модели коротких видео пока не реализуемы. Проблема в противоречии между спросом и предложением данных для задач высокой размерности — их приходится разбивать на части с помощью навыков, как в случае, когда в компании не хватает высококлассных специалистов, и их разбивают на три базовых роли. Единственный высокоразмерный «актив» — это CEO, его роль невозможно заменить.

Чжан Пэнг: Задачи с низкой размерностью и высокой конкуренцией — в основном полностью заменяются AI.

Лю Ей: На 100% — да, и это уже происходит.

Чжан Пэнг: Именно так. Поэтому все задачи с низкой размерностью и высокой конкуренцией нужно как можно скорее автоматизировать с помощью AI, разбивая их на навыки и реализуя через агентские организации — в этом процессе участие человека не обязательно.

Лю Ей: У меня есть предварительная идея: крупнейшие консалтинговые компании — IBM и Accenture — по сути, занимаются выделением лучших практик индустрии и их цифровым согласованием, продавая процессы, а не инструменты. Когда компании закупают рисковые процессы или IP, они привлекают консалтинговые фирмы для внедрения. Сейчас наша основная задача — построить кластеры навыков, найти ведущих экспертов в разных областях, выделить их способности и согласовать их, сформировать стандартизированный набор навыков. Это похоже на модель «коробки для заданий»: «Коробка для заданий» объединяет школы, такие как Beijing No.4, Renmin University Affiliated High School, экзаменационные комитеты и учителей, таких как «Xueersi», — выделяет ключевые методы составления, объяснения и проверки заданий, а затем совместно с инженерами Baidu строит системы. В этом — тоже согласование лучших практик. Главная организационная способность — это создание высококлассных межотраслевых команд, которые понимают индустрию и инженерию, умеют взаимодействовать с ведущими экспертами, а также обладают навыками бизнеса, найма и управления — это ядро новой AI SaaS-компании.

Чжан Пэнг: Далее — логика обратного проектирования: исходя из бизнес-целей, формируем организационную структуру. Организация — это как операционная система бизнеса: если человек — это производительный элемент, то правильная структура — это максимизация его эффективности. Сейчас производительные ресурсы меняются: вместо зависимости от человека — бесконечное предложение AI, и при правильной циркуляции оно может постоянно расширяться. Прошлая организационная культура может трансформироваться в цели и контекст, больше не нужны лозунги, собрания по «трём китам» или «разбивание льда».

Лю Ей: Культура — это управленческая идея, а не бизнес-стратегия. В «старой эпохе» стратегия начиналась с видения, оно определяло ценности, организация подчинялась стратегии, а бизнес — всему остальному. Культура — это инструмент управления, она не служит стратегии напрямую, а скорее — личным предпочтениям основателей.

Чжан Пэнг: В прошлом между людьми и стратегией было много пробелов. AI помогает их устранить?

Лю Ей: Да, в эпоху AI культура уже не так важна. Это часть веры в организации, а AI её не нуждается. У AI нет тела, и культура ему не нужна. Главное — вычислительные мощности.

Чжан Пэнг: То есть, AI нуждается в целях и принципах. Один документ — и всё ясно: цели, принципы, все производственные единицы сразу понимают и точно выполняют. Это устраняет большую часть трений в человеческой организации.

Лю Ей: Да. В старой организации: стратегия → культура → кадры → исполнение. В новой — цели → принципы → навыки → управление. Управление сокращается вдвое.

05 Последний барьер: эстетика и оркестровка

Чжан Пэнг: Какие новые барьеры у компаний? Качество талантов заменено навыковым набором — если у меня есть вкус, я могу получать лучшие навыки со всего мира. А что дальше — «оркестровка» (Orchestration), верно? Какие изменения это принесёт?

Лю Ей: Как в Huaqiangbei — можно купить все электронные компоненты, но почему не все могут сделать Apple? В книге о Стиве Джобсе очень ясно дано определение эстетики: увидев достаточно много хороших вещей, умея отличать лучшее — это и есть вкус. Если никогда не видел хороших продуктов, хороших процессов, хороших организаций — невозможно создать качественный результат.

Чжан Пэнг: Восприятие — это основа эстетики.

Лю Ей: Восприятие плюс талант — всё.

Чжан Пэнг: Эстетика проявляется двумя способами: один — активное проектирование и оркестровка, другой — распознавание и выбор лучших появляющихся вещей в хаосе. Эти два подхода не противоречат друг другу.

Лю Ей: Совершенно верно. Некоторые достижения Apple — это собственные разработки, часть — приобретения сторонних решений. Главное — наличие эстетики — не нужно изобретать колесо заново, при необходимости — разрабатывать самостоятельно.

Чжан Пэнг: Важен вопрос: запуск агента внутри модуля для подтверждения пути, чтобы реализовать «всплывающую» оркестровку; или заранее задать все пути, и тогда — проектировать оркестровку?

Лю Ей: Всплывающая — это неконтролируемый процесс, нужно сначала задать стартовые правила и принципы, чтобы проявить вкус. Как хороший инженер — написать 500 или 5000 строк кода, чтобы сделать удобный OpenClaw, а плохой — 50 тысяч строк — и всё равно не добиться того же результата. Основные правила — это человеческое задание.

Чжан Пэнг: Значит, нельзя ждать появления результата в хаосе — это займёт очень много времени. Оркестровка всё равно — важнейшая. В конечном итоге, она должна исходить от основателя или, скорее, — «продюсера».

Лю Ей: Мне кажется, определение «продюсер» очень подходит. Действительно, даже при наличии всплывающих эффектов и масштабирования, всё равно нужны аннотирование данных, очистка данных и постоянное согласование алгоритмов, чтобы избежать хаоса.

Оркестратор зависит от сложности бизнеса — сложные задачи невозможно выполнить одному человеку, например, съёмка короткометражки или написание подсказок. В реальности возникают сложности. Концепция «один человек — компания» — злоупотребление, мир невозможно упростить до бесконечности. Хотя компьютер можно управлять одним человеком, он не способен овладеть всеми высокоразмерными навыками. Такие суперспециалисты, как Илон Маск или Ли Фейфэй, умеющие разбираться в нескольких областях и управлять любым проектом, — очень редки.

Чжан Пэнг: Если мы сможем вызывать лучшие агентские системы и навыки по всему миру, например, отличного сценариста — теоретически, можно ли с их помощью снять мировой хит и прибыльный фильм? У сценариста есть ключевое преимущество — хороший сценарий, но он не может выполнить все этапы. Такой замкнутый цикл «ключевое преимущество + глобальные ресурсы» — возможен?

Лю Ей: В основном, это вопрос данных — есть ли данные, хранящие самую высокую размерность информации. Например, для обучения навыков CEO сейчас недостаточно данных: длинные статьи Рен Жэнфэй, устные выступления Ма Юаня — всё это не полностью отражает их высокоразмерное мышление. Даже собирая все финансовые отчёты компаний и все высказывания CEO — невозможно обучить модель, способную быть CEO, потому что ключевые способности — это скрытые знания, которые полностью не раскрываются через текст.

Чжан Пэнг: То есть, ключевые способности CEO пока невозможно представить в виде векторных моделей. Это ограничение для идеи «один человек — компания»: даже если каждый сможет проявлять преимущества в одной области и использовать глобальные ресурсы, всё равно не хватает главного — умения оркестрировать. В конечном итоге, чтобы иметь лучшие «компоненты», нужно обладать мощными навыками оркестровки.

Лю Ей: То же самое и с продукт-менеджерами. Их скрытые знания — полностью неформализуемы. Это причина, почему современные AI-партнёры и AI-генерируемый контент пока не «живые» — у них нет данных о высокоразмерных скрытых знаниях. Когда данных мало — важно развивать навыки; когда данных много — строить модели. Пока роботы не реализуются — причина в недостатке данных.

Чжан Пэнг: Тогда можно сделать вывод, что в будущем ключ к успеху компании — не только доступ к лучшим моделям. Изначальные ресурсы AI — кажутся одинаковыми, вычислительные мощности связаны с финансами и бизнес-циклами, — в итоге всё сводится к «продюсеру», его навыкам оркестровки и инновациям в целях и смысле. Именно это — главный источник конкурентных преимуществ.

Лю Ей: Бывший партнёр McKinsey говорил мне, что их основной бизнес — это выделение лучших практик, моделирование и помощь компаниям в их внедрении. Например, консультируя китайские автопроизводства, они узнают у японских коллег о практике Toyota — по сути, это копирование и внедрение лучших практик.

Пример Мимон — короткометражные сериалы — очень показательный. Она сама по образованию филолог, а команда — из выпускников Цинхуа, Пекинского университета и специалистов по математике и компьютерным наукам. Они разбирают логику вирусных коротких видео, достигая очень высокого уровня успеха. Этот подход — моделирование социального инженерства в отрасли, даже если есть риск переобучения, — направление верное.

IBM, Accenture, McKinsey делают именно это: первая — моделирует лучшие практики на уровне партнёров, вторая — превращает их в цифровые процессы, всё — «продажа менеджмента и процессов».

Чжан Пэнг: Главное — выделить лучшие практики, многократно проверять их внедрение — это ключ к успеху будущих бизнес-организаций. Только при правильной декомпозиции можно добиться эффективной оркестровки. Значит, ваш следующий фокус — развитие по этому пути?

Лю Ей: За последние три года мы занимались AI ToC — перестроили систему обучения и исследований с помощью MetaOrg. Это не просто история о повышении эффективности с помощью AI. Мы создали целую агентную исследовательскую организацию, за которой стоят виртуальные команды: команда по изучению языкового обучения — отслеживает последние теории второго языка; команда по сбору корпусных данных — собирает аутентичные выражения из реальных контекстов; команда по оценке диалогов — разрабатывает многомерные стандарты оценки разговорных навыков; команда по проектированию диалогов — превращает методики обучения в естественный человеко-машинный интерфейс; команда по созданию задач — решает вопросы адаптации форм и содержания упражнений; команда по анализу данных — ищет реальные сигналы эффективности обучения в поведении пользователей. У каждой команды свои навыки, рабочие процессы и стандарты оценки. Сейчас около 80% работы — это аннотирование учебных материалов, мониторинг, оценка и инсайты — всё делается AI.

Наш путь — от «AI как функция» к «AI как организационная способность». Позиция преподавателя английского — среднесложная, мы её уже абстрагировали и используем MetaOrg для создания других ролей; с новым навыковым каркасом можно построить более продвинутые позиции.

Мы уже завершили полный цикл создания AI-тьютора, включая абстракцию и реализацию оркестровочных возможностей. В будущем, скорее всего, Meta-тьютор превратится в Meta-организацию — её минимальный элемент — это роль, а не человек. Главное — взаимодействие и управление ролями. Сейчас мы сосредоточены на подключении ведущих CEO — потому что именно они — «продюсеры».

Чжан Пэнг: Значит, вы создаёте что-то вроде расширяемого отдела?

Лю Ей: Цель — двигаться в сторону «компании». Большая компания — это по сути множество малых компаний, а минимальный элемент — роль. Нужно учитывать стратегические решения всей отрасли и одновременно развивать продукт через роли — если роли работают плохо, даже сильный менеджер не сможет создать эффективную организацию.

Чжан Пэнг: Чтобы сделать хороший отдел, нужно сначала разбить его по ключевым компетенциям и ролям, а затем — по навыкам, и добиться их соответствия уровню SOTA.

Лю Ей: Есть только один главный метод — совместное создание с ведущими компаниями. Навыки, которые мы создаём, должны оцениваться топовыми предприятиями на соответствие требованиям — как подчинённый проверяет работу начальника, — нельзя просто «сам себе на уме». Например, моделирование коротких сериалов — должно получить признание отраслевых лидеров, иначе это не будет по-настоящему топовым. Всё должно оцениваться и измеряться.

Midjourney создаёт качественные изображения благодаря команде фотографов и инженеров с отличным вкусом. LV использует модель изображений, обученную на Stable Diffusion, — результат превосходит обычные модели, потому что LV обладает лучшим в мире эстетическим восприятием и данными. Очевидно, что оценка — это ключ. Чтобы делать AI-компанию, нужно, как IBM или Huawei: IBM после обслуживания топовых автопроизводителей — владеет лучшими практиками в автопроме; Huawei потратил 4 миллиарда юаней на покупку IPD-процесса, который используют для внутреннего управления и внешних решений — это и есть главный конкурентный козырь.

Чжан Пэнг: По сути, это — разбор навыков по лучшим практикам, достижение SOTA навыков, затем — повышение до SOTA ролей и отделов, и в итоге — оркестровка бизнес-процессов. Это — ясный путь к вершинам бизнеса. Ещё важный вопрос — как поддерживать навыки в актуальном состоянии? Как в биосфере Земли, где происходят мутации, — лучшие модели в каждом эпохе могут устаревать, как реагировать на эти изменения?

Лю Ей: Основная логика — это согласованность с эволюцией человека и живых существ: восприятие, планирование, действия, рефлексия. Поддержание высокой плотности талантов и межотраслевой гибкости — это единственный способ. Одновременно — следить за передовыми исследованиями и бизнес-моделями, совместно с ведущими клиентами — в реальных сценариях постоянно оценивать и совершенствовать систему.

Чжан Пэнг: Исходя из этого, системы лучших практик ведущих компаний помогают средним и даже небольшим фирмам быстро расти, но такие системы требуют ресурсов и финансовых возможностей — малые и молодые компании не смогут их реализовать. Консалтинг — это уже не просто услуги, а инструменты. Значит, новые возможности — только на уровне навыков? Как реализовать прорывные инновации именно в навыках, чтобы избежать «элитного круга»?

Лю Ей: В первой волне SaaS-компаний — Salesforce, Palantir, Notion, Slack — одни создавали универсальные инструменты, другие — интеграционные сервисы. Это показывает, что у молодых стартапов всё ещё есть шанс — избегать бизнесов, в которых у них нет преимущества, фокусироваться на универсальных навыках, находить свою нишу. Notion — яркий пример: он не связан с конкретным бизнес-процессом, а просто абстрагирует функции заметок и текстовых записей, становясь универсальным инструментом. В конечном итоге, мир — это разделение труда между множеством агентов, и молодым нужно сначала найти свою нишу, затем — использовать свои преимущества, ориентироваться на будущие тренды, чтобы не стать «врагом времени». За последние десять лет первая волна интернет-стартапов — это в основном выходцы за границей (использующие когнитивное преимущество), вторая — программисты (использующие взрыв инструментов), третья — индустриальный интернет, — это вторая волна предпринимателей, и закономерность ясна: молодым важно понять текущий расклад и свои сильные стороны.

Чжан Пэнг: Значит, ты считаешь, что локальные инновации и оптимизация в области навыков — ограничены, а главный шанс — в целевом инновационном подходе — выявлять новые цели эпохи, сочетать их с качественными навыками и постоянно их развивать, чтобы создавать новые системы и достигать прорыва.

Лю Ей: Конкуренция в навыках — очень тонкая. Сейчас навыки популярны, но если кто-то выровняет их с помощью лучших экспертов и создаст более продвинутые навыки — существующие быстро устареют. Это возвращает нас к вопросу о «защите» — ранние игроки не обязательно останутся на вершине, они могут стать «почвой» для более высокоразвитых конкурентов.

Чжан Пэнг: Боюсь, что стану «загрузочным модулем», просто подготовив базу для более высоких уровней. Если просто оптимизировать эффективность в рамках текущих целей — это бессмысленно, и преимущества быстро исчезнут. Поэтому для новых поколений важно делать кардинальные отличия в целях.

Лю Ей: Совершенно верно. Если не развиваться как ядро — это только будет питать более высокие уровни конкуренции. Суть бизнеса — чётко знать, кто клиент, как его обслуживать и как сделать так, чтобы он не мог без вас. Если молодой человек не понимает, кто его клиент — он не сможет оптимизировать бизнес.

Чжан Пэнг: Также важно учитывать растущий рынок. В условиях насыщения рынка конкурировать очень трудно. Если ваш бизнес достигнет успеха, вы подтянете к своему уровню компании в соответствующей области, у которых есть богатство и понимание — молодым очень сложно конкурировать в насыщенных сегментах.

Лю Ей: В первой волне SaaS — успех компаний вроде Notion и Slack был основан на целевом различии.

На ранних этапах SaaS в Китае инвесторы в основном вкладывали в учёных, но потом поняли, что учёные больше подходят для обмена знаниями, а не для предпринимательства — их сфера высокоразмерная и с низкой конкуренцией, а бизнес — с высокой конкуренцией и высокой размерностью. Чем выше уровень области, тем сложнее перейти в новую сферу, потому что мышление кардинально отличается. В начале любой области — это технологическая борьба (низкоразмерная и с высокой конкуренцией, технологии ещё не зрелы). Когда технологии созревают — начинается бизнес-конкуренция (высокоразмерная и с высокой конкуренцией), её ведут индустриальные специалисты, продукт-менеджеры и бизнес-практики. Например, когда только вышел iPhone, большинство приложений создавали программисты; через несколько лет, с ростом индустриального интернета, такие продукты полностью вытеснили программных разработчиков.

Если в эпоху AI продолжать логику мобильного интернета, то ведущие силы Silicon Valley — опытные профессионалы, как и в Китае — второе поколение предпринимателей. Возможности для молодых — в поиске уникальных целей.