核心内容总结
这篇文章记录了作者对“AI如何帮助组织提效”的思考转变：从2024年怀疑AI提效的商业模式（认为提效不是好生意），到2025年尝试用AI自动化封闭工作项，再到发现AI无法解决“开放问题”（需要人类创意和潜意识idea），最终提出AI-Native组织的两种形态——针对开放问题的“AI控制台”（人驱动AI）和针对封闭问题的“Agent平台”（AI驱动人），强调人类在创意性工作中的不可替代性。
一、从“AI提效不是好生意”到“重新划分工作”：作者的认知转折
2024年，作者虽然用Copilot/Cursor提升了30%编码效率，但觉得“提效30%和提效几倍不是一回事”——编码只是工作的小环节，真实世界更复杂。更关键的是，他认为AI提效的商业模式有问题：AI的边际成本不会越来越低（比如每多处理一个任务，成本没减少），而提效带来的收益也不会越来越高（比如效率提升到一定程度，再提升的价值有限），所以“不是门好生意”。
直到2025年接触Claude Code，作者发现AI能做之前做不到的事（比如非编码工作），于是开始探索“组织AI提效的正确姿势”：不是给员工工具提升现有效率，而是把工作拆成AI能搞定90%+的子项，用Agent全自动化，再逐步扩大范围。这时候他甚至担心“未来公司还需要人类吗？”，但很快接受了必然趋势。
二、Jack Dorsey的“AI中心主义”组织思路：把公司变成智能体
硅谷讨论的AI-Native组织中，Block CEO Jack Dorsey的思路最激进：将公司本身打造成一个智能体，核心有三个关键点：
1. 所有工作产物数字化：不能有藏在员工脑子里或私下聊天的内容，必须变成文字、代码、计划等可被AI读取的东西（给AI足够的上下文）；
2. 客户信号强且快：客户的使用、付费、投诉等反馈要及时传递给AI，让AI做决策后能立刻看到结果（验证决策是否正确）；
3. 人类是边缘工具：人类不再是决策核心，而是AI调用的“现实交互工具”——比如AI想执行某个方案但需要权限，就叫人类来授权；如果方案失败，AI会自动把“补全工具/基建”作为新任务。
作者一度认可这个思路，因为和他“用Agent覆盖工作项”的尝试一致，但后来发现了AI的局限性。
三、开放问题vs封闭问题：AI搞不定的“潜意识idea”
作者在实践中发现：AI能完成任务，但结果可能不是他想要的。比如代码功能都实现了，但架构设计不符合他的预期——因为他脑子里有一幅“未来的画面”，没说出来，AI无法理解。
他把问题分成两类：
- 封闭问题：有明确答案和边界，比如修bug、执行固定流程（AI能搞定）；
- 开放问题：没有明确答案，需要创意或潜意识的idea，比如“怎么用AI让组织提效N倍”“设计一个未来的架构”。这类问题的核心是“提出正确的问题”和“产生未被语言描述的idea”——AI做不到，因为idea来自日常积累的潜意识，事前无法用语言表达。
这让作者意识到：人类的价值在于解决开放问题，AI只能辅助；而封闭问题可以交给AI。
四、AI-Native组织的两种形态：因人设“AI”
根据开放/封闭问题的占比，AI-Native组织应该有两种互补的模式：
1. 针对开放问题的“AI控制台”：给负责创意的员工用，核心是“保护心流”——让员工专注思考idea，AI当“超级副驾”：快速提供选项、验证假设、处理琐碎细节（比如查资料、写初稿），不让员工被打断。比如工程师想设计架构，AI帮他查同类案例、验证技术可行性，他只需要专注创意。
2. 针对封闭问题的“Agent平台”：AI是调度中心，把人类当“边缘节点”。比如某个DevOps流程（封闭任务），AI自动执行，遇到需要人工授权或现实操作时，才叫人类来帮忙。
这两种模式可以结合：人类解决开放问题时，把拆解出的封闭子任务丢给Agent平台，AI自动完成，让人类保持专注。
五、未解的问题与乐观的终局
作者现在的探索方向是：如何设计“AI控制台”让员工保持心流？如何让Agent平台适应更多封闭任务？如何让两者无缝协作？
但他对未来很乐观：人类不会消失，也不会沦为纯粹的工具。因为AI无法产生“未被语言描述的idea”，而这正是创意、决策等开放问题的核心——人类的价值永远在“提出新问题、产生新idea”上。
这篇文章的本质是：AI不是要取代人类，而是要和人类分工——AI做“执行”，人类做“创意”，最终形成更高效的组织形态。