Transcription
如今，大多数公司都在问：“我们的 AI 战略是什么？” 我认为这是一个错误的问题。
正确的问题是，鉴于您所了解的世界，鉴于人工智能创造的条件，什么是战略？因为您必须明白，人工智能既改变了竞争格局的性质，也改变了公司在其中获胜的方式。
通常，我们认为战略是“在哪里竞争”和“如何获胜”。在传统世界，尤其是在数字时代之前，我们会将“在哪里竞争”视为市场、客户细分、地理区域，而将“如何获胜”视为帮助您成功的各项能力，例如分销、运营等。
如今，情况要复杂得多，甚至复杂得多，因为“在哪里竞争”不是静态的。人工智能本身就是行业边界瓦解的一个重要驱动因素。我的意思是，今天，使用基础模型，您可以访问曾经被困在各个行业垂直领域内的知识。而这仅仅是使用基础模型。
想象一下，当不同公司用自己的信息训练模型，然后跨行业边界提供服务时，它们所拥有的优势。您现在拥有访问信息、访问知识、访问知识工作绩效的能力，而这些在以前并不属于您的行业。因此，竞争格局完全改变了，这意味着与您竞争的公司不再是昨天的那些公司了。
所以，您需要仔细考虑您的“在哪里竞争”是如何变化的，您的业务是建立在哪些假设之上的，因为您的许多假设都是围绕着旧的竞争格局而构建的。当这些假设消失时，您如何看待您的优势？
然后，考虑到这个新的竞争格局，您必须考虑，您如何在新的环境中获胜。
因此，我的关键观点是，首先问自己第一个问题：过去价值在哪里？景观的哪个部分承载着价值？价值是什么样的？现在人工智能来了，这种价值会转移到别处吗？它会转移到价值链的另一部分吗？它会转移到另一种类型的资产吗？它会转移到另一种类型的关系吗？由于人工智能，是否存在价值的转移？
相应地，我们如何利用我们可用的工具和我们现有的资产，并开发新的能力来转移到那个位置并捕获新的价值？
这就是关于思考人工智能创造的世界中的战略的关键思想。
[音乐]
欢迎来到“亿万富翁对话”。
[音乐]
我们谈论宏大的想法、宏大的灵感、宏大的话题。我们处理所有话题中最难的那个：金钱。如何赚取、储蓄、保留它。但我们的对话引出了一个更大的问题。
[音乐]
超越金钱，过上富裕生活意味着什么？我的嘉宾分享他们的实践、原则，
[音乐]
以及永恒的智慧。我是你们的主持人 Bogamill Veronowski，一位作家、TEDx 演讲者和投资顾问，为拥有耐心资本和无限投资视野的财富创造者提供服务。我与那些渴望通过有纪律、深思熟虑的投资于持久优质企业来在一生和几代人的时间里实现财富增长的家庭和个人合作，同时赋予金钱意义。
加入我，踏上这场探索和分享古老智慧的旅程。
[音乐]
让我与您分享播客节目披露声明。Blue Infinites Capital LLC 是一家注册投资顾问公司，该公司员工和播客嘉宾在节目中表达的观点是他们自己的观点，不反映 Blue Infinas Capital 的观点。
[音乐]
所有陈述和观点均基于被认为可靠的信息，尽管不应以此为依据。任何陈述或观点如有更改，恕不另行通知。
[音乐]
所提供的信息仅用于教育目的，不构成要约或招揽任何特定证券、投资或投资策略的买卖。
[音乐]
投资涉及风险，除非另有说明，否则不予保证。所表达的信息未考虑您的具体情况或目标，也不构成对任何个人的建议。鼓励听众寻求合格的税务、法律或投资顾问的建议，以确定所提供的信息是否适合其具体情况。过去的表现并不预示未来的表现。
[音乐]
您即将听到的内容均不构成投资建议。
在 20 年的投资生涯中，我见过无数的研究工具兴衰，但 Fiscal AI 与众不同，它已成为我流程中不可或缺的一部分。Fiscal AI 是一个现代数据终端，专为希望获得机构级研究而又不想过于复杂的投资者而设计。无论您是散户投资者还是专业管理投资组合，它都能在一个直观的平台上即时访问 20 年的财务数据、收益报告、访谈记录以及广泛的细分市场和 KPI 数据库。
它为何是游戏规则的改变者？速度和深度。他们的数据在收益报告发布后几分钟内更新，而不是几天。想要细分市场收入、用户增长？一切尽在其中。易于图表化、比较和导出。我每天都使用 Fiscal AI 来研究我的持股，寻找新的投资理念，并深化我的分析。它快速、直观，并且真正改变了我的工作方式。
使用我的链接，请参阅节目笔记，可获得两周免费试用以及 15% 的折扣。
我今天的嘉宾是 Sanangeit Paul Chadri，一位享誉全球的思想领袖，他从根本上重塑了我们对数字时代价值创造的理解。他是畅销书《平台革命》的合著者，该书在全球销量超过 50 万册，也是 Platformation Labs 的创始人。Sangeit 曾为财富 500 强企业领导者提供咨询。他是加州大学伯克利分校的高级研究员。他的最新著作《重塑》（Reshuffle），我们将对此进行讨论，探讨人工智能不仅在自动化工作，还在从根本上重组价值创造本身的架构。
Sangeit，你好吗？很高兴见到你。
我很好，Bul，谢谢你邀请我参加你的播客。
Rita Van 曾是本节目的嘉宾，他好心地将我们介绍给彼此。他写了一本关于数据影响的精彩著作。所以，Rita，如果你脸红了，我们正在谈论你。
我想直接切入正题。我有很多问题，人工智能是许多讨论的焦点，正如我告诉你的，我认为这是一个令人谦卑的认识，我们不知道如何应对它。在问关于人工智能以及你如何看待它的问题之前，你提出了一些框架。我非常好奇你的经历，如果你允许的话，我想问问你的童年成长经历和早期岁月。
嗯，我是在一个工业城镇长大的。你知道，一个小镇，紧挨着一个钢铁厂。那是一个相当同质化的环境，因为每个人的父亲早上都去同一个工厂，晚上又从同一个工厂回来，他们希望他们的孩子长大后也做同样的事情。所以，这是一个相当同质化、像紧身衣一样束缚的成长环境。但幸运的是，当我毕业并进入职场时，我开始看到数字技术正在发生什么，以及在职业发展方面存在巨大的机会。我很高兴能够创造或塑造一条符合我热情、我想要产生的影响，以及即使没有外部动力我也会去做的事情的道路。所以我很高兴走了这条路，并且已经这样做了 15 年了，这也是很多书的由来。
然后人工智能出现了，我们在这里了。
[笑声]
重新定义人工智能的影响。我对此非常好奇。你谈到了，我将从中间开始，关于“智能分散”。我们争论，我们进行那些讨论，正如你所描述的，这些讨论因“智能分散”、“智能的非智能人工智能”而受阻。为什么追逐最聪明的算法可能不是最佳选择？你对此有一些想法。
是的，我认为，我以“为什么非智能人工智能很重要”这四个字开始这本书。这实际上是对我们今天从模型构建者那里看到的占主导地位的叙事的反应，他们谈论最新的模型，就像你口袋里有一个五年级学生，或者你口袋里有一群博士，它通过了这个考试而不是那个考试，因此这份工作很可能会被取代。所以，所有这些叙事都围绕着人工智能的“智能”展开，这在某种程度上是公平的，因为我们谈论的是人工智能。但这种叙事让我们忽略了一个事实，即人工智能终究是一种技术。它与其他形式的技术不同，原因有很多，我们可以深入探讨，但它不是人类思想的替代品。它可以是人类执行的知识工作的替代品，但它不是人类思想的替代品。
所以，从“智能”的角度思考人工智能，以及思考我们如何实现通用人工智能等等，会将我们困在一个二元框架中，我们要么对人工智能能做什么感到兴奋，要么嘲笑人工智能不能做什么，或者它如何因为其幻觉等而崩溃。
所以，我的观点是，人工智能的真正影响，即使是今天，也受到阻碍，不是因为它的智能或缺乏智能，而是因为围绕它的系统重组经济活动以适应其能力的能力或无能。
所以，关于“智能分散”我的观点是，如果你真的想看到人工智能的价值来自何处，如果你真的想看到它将如何影响工作，如果你真的想看到它的影响，请将你的视角从关注技术转移到关注围绕其能力重组的经济活动。
我喜欢这一点，我稍后会深入探讨。我想提一件事。你知道，我记得互联网刚出现的时候，我 45 岁了，那是我生命的一半。它真的改变了事情。但我意识到，这种创新正在以更快的速度发生——人工智能——而且它同时触及我们生活的方方面面。因为我记得某些类型的创新，它们只在办公室，只在工作中使用，但我不会带回家。它并不真正有用，或者反之亦然。它很有趣。我在家使用它，但带到办公室毫无意义。
现在我看到人们在厨房里使用人工智能查找食谱，而不是打电话给他们的奶奶。
[笑声]
你看到人工智能在办公室、工作中以及各种方式中被使用，但我们稍后会回到这一点。我喜欢“系统重于技术”这个想法，你在书中提到了 GPS 的例子，我稍后会讲一个关于 GPS 的轶事。但当我们评估人工智能时，我们应该如何看待“系统重于技术”？
是的，我认为，我想先澄清一下，当我使用 GPS 的例子时，我并不是想展示人工智能是如何工作的，而是想展示系统如何围绕技术的能力进行重组，以及 GPS 作为一种技术的工作方式与人工智能的工作方式并没有太大区别。我并不是说 GPS 或谷歌地图等是人工智能，但两者作为隐喻的工作方式相当相似。
让我来澄清一下这两者的工作方式。它们创建一个模型，一个现实世界的表征。GPS 使用地图来做到这一点。大型语言模型通过分析大量的文本并在此基础上建立联系来做到这一点。然后，这种表征可以帮助它们为选择、做出决策和指导行动提供信息，然后这会重组经济活动。当我说的经济活动时，我指的是任何多方参与的活动，不一定必须是交易性的，而是经济的、社会的等活动。
以 GPS 为例。它根据导航路线规划能力来重组城市交通的流动方式。所以，谷歌地图本质上所做的就是，它允许一系列互不相关的参与者，即个体司机，更好地协调，避开交通拥堵，并从源头到达目的地，但实际上是以一种在个体层面并不总是可见的方式来疏导交通。
我的观点是，人工智能的影响可以从两个方面来看。你可以将其视为一种更快地完成工作的方式，即自动化执行，这当然是人工智能影响的一种体现方式。但当我们考虑人工智能通过创建共享的现实空间表征（就像 GPS 为导航世界所做的那样）来组织经济活动的能力时，那种不那么明显但更重要的影响就显现出来了。
一个简单的例子，我举一个例子，想想今天的旅游业。旅游业非常分散。你在 Instagram 上做梦，你在 Trip Advisor 上搜索，你在 Booking.com 上购买，然后你使用其他应用程序，这些应用程序之间没有任何联系。你的酒店和你的航空公司不联系。但如果你把所有这些东西都扔进一个大型语言模型中，明天一个代理解决方案可以做得更好，但即使是今天，如果你只是把你的文件和计划都扔进一个大型语言模型中，它就可以帮助你理解你的行程，并更好地管理你的行程。所以，它本质上是创建这些零散部分的表征，然后围绕它来协调你的活动。
所以，这是一个非常简单的隐喻，用来思考人工智能的影响，不仅仅是执行任务和自动化任务，而是围绕它如何表征现实来协调活动。
我不知道为什么，但“反身性”这个词，乔治·索罗斯，突然出现在我脑海里，因为你描述了 GPS 或我们手机上的地图，它们会影响我们的驾驶方式，因为我们拥有它们。所以，这不是我因为没有锤子而无法做某事的时候。而是我正在做我以前无法做的事情，而拥有锤子正在影响我做事的方式。这就像一个二级或三级后果。
我将分享一个简短的轶事。我在一个投资者活动上，遇到了一位同事，他可能正在听。我们都租了车，我们都开车去吃晚饭。他错打了餐厅的地址，我们正在开车，他自信地右转，我自信地从会场左转。所以，我最终掉头，追赶他，打电话给他，告诉他他走错方向了。我之所以知道该怎么走，是因为在我脑海里，虽然我不认识这个城镇，但我有一个南北地图，因为我从小就拿着纸质地图，在父母开车时，地图放在我的腿上。无论如何，这将是一次有趣的，你知道，额外的，错误方向的一小时行程。但这让我想起了那个时刻，我们如此依赖工具。它影响着我们的行为方式。而且我已经能感觉到人工智能正在影响我们做事的方式。
我想把它引向另一个方向。你谈到了“协调悖论”，你会比我更好地解释它。但我可以想象在一个更大的组织中，当人工智能被部署时会发生一些挑战。它可能是参差不齐的，也会有一些后果。
是的，这不仅仅是人工智能的问题。这是任何大型组织的变革管理都会遇到的问题。所以，一个大型组织已经有多个子组成部分，无论你将其视为子组织结构还是仅仅是团队、部门等，它们都需要协调起来，以便最终为组织创造价值。
现在，当技术推出时，我们已经看到了这一点，随着数字技术，我们现在正在看到人工智能。人工智能的一个影响，正如我刚才提到的，人工智能在组织协调方面的潜力是，你实际上可以拥有一个机构大脑，它能从组织的各个部分学习，然后更好地协调组织的各个部分。想象一下，如果你有一个中央人工智能大脑，与每个工人一起工作，从他们正在做的事情中学习，然后将这些知识服务回工作流程，在正确的时间提供给正确的工人，你就可以获得巨大的协调效益。
然而，在我们推出人工智能的方式上存在一个协调悖论。这就是我所说的，如果我们认为人工智能是一种加速各个业务单元任务的方式，那么经常发生的是，每个团队、每个业务单元都在以不同的方式推出技术（在这种情况下是人工智能），以不同的方式看到效益，很快你就会看到工作流程中的不一致，因为有些工作速度很快，有些工作速度很慢，有些工作正在使用更先进的技术，因此受益于更好的预测，从而降低不确定性。而另一些人仍然在不确定性中工作，并依靠直觉，而他们实际上可以使用更好的预测技术。
所以，你开始看到这种协调的崩溃，而实际上人工智能本可以成为改善协调的一种方式。这就是真正的协调悖论，即在我们达到那种稳定的状态，开始拥有一个组织范围的大脑来协调工作流程之前，我们将不得不经历这个变革时期，在这个时期，组织的各个部分将以不同的速度实现现代化，因此会出现协调的崩溃。
这太迷人了。你知道，我专业地管理资金。我做了 20 年了。我为家庭、多代财富管理资金。我在纽约曼哈顿的一家投资公司工作时，早期的一个角色是负责获取新软件、测试并推出它。我记得你描述的人工智能发生的事情也发生了，那是在 20 多年前。并非每个人都在使用它，即使它可用。我们年龄不同。你知道，我当时 24 岁，在投资行业，我们有 80 岁的人仍然带着一份崭新的《华尔街日报》和一杯咖啡来办公室。所以，这非常棘手。
我现在可以想象，我是一个独立经营者，有一个独立的事务所。当我想要某样东西时，我可以立即推出它。但一个大型组织面临一些问题。我想问你关于“打字员效应”，也许你能更好地解释。它挑战了某些传统观念，你认为人工智能不会取代你的工作，但使用人工智能的人会。你解释一下这对财富创造、工作、劳动力以及在新的世界中保持专业相关性有什么影响？
是的，你知道，这显然不是我说的，这是一个在网上流传的说法：人工智能不会取代你的工作，但使用人工智能的人会。我从来没有觉得很舒服，因为它听起来太简单了。
关于如何思考人工智能。它似乎假设，如果你只是采用这个工具，你就会成功，而那些不采用这个工具的人就会失败。所以，基本上，这将是那些采用工具的人和不采用工具的人之间的分歧。
嗯，事情并没有那么简单，因为它似乎假设，自动化——即人工智能比你做得更好——是一件坏事，而增强——即人们使用人工智能并与它一起工作——总是好事。
[鼻息声]
我用打字员的例子来说明这种思维的谬误。当文字处理器被发明时，大多数打字员都会相信某种版本的“文字处理器不会取代你的工作，但使用文字处理器的人会”。所以，他们都会开始努力，或者确实开始努力，将他们的工作流程转移到文字处理器上，并使用它来打字。
然而，打字员的角色消失了，不是因为打字这个任务被文字处理器取代了。打字这个任务仍然是一项非常人性化的任务。所以，人类与人工智能的这种整体问题有点无关紧要。这不是人类与人工智能的对抗。即使一项任务是由人类完成的。一份工作的旧逻辑可能不再以同样的方式存在。
这就是我们在打字员的例子中看到的。因为即使我们假设打字员的工作，打字员的角色与打字任务相关联。打字员的角色从来都不是关于打字任务。它是关于管理昂贵的文档编辑成本。因为在文字处理器出现之前，编辑文档的成本非常高。由于成本很高，所以对高打字技能有溢价，因为这可以让你避免昂贵的文档编辑成本。
随着文字处理器的出现，编辑文档的成本崩溃了，所以打字技能的溢价消失了。我认为这是关键。不是任务。而是你的工作结构不是为了保留任务，而是为了解决系统中的问题。当那个问题消失时，你就不再需要打字员这个专业工作了。打字现在是每个人的工作。打字没有溢价。它是每个人工作流程的一部分。
所以，关键思想是，人工智能对工作的影响往往不是以取代任务或帮助你完成任务的形式出现的。你知道，“人工智能不会取代你的工作，但使用人工智能的人会”，这无关紧要。重要的是，你的工作今天解决了系统中的什么问题，或者你的工作是为了解决什么问题，而人工智能的出现是否解决了这个问题？你工作所基于的假设是否发生了变化？然后新的假设是什么？因此，什么将帮助你在新的世界中保持相关性？
所以，思考你的职业生涯，或者如何保持相关性的方式，不是去想“好吧，让我们开始学习如何使用人工智能，然后我们会弄清楚如何使用它”。你必须学会使用人工智能，但你也必须重新想象你一年后的工作或你的相关性将是什么样的。所以，一年后，你的行业是什么样的？你的工作场所是什么样的？在其中，你如何保持相关性是你必须倒推思考的问题。你不能只说“我将使用人工智能，这将帮助我弄清楚如何到达那个地方”。
这同样适用于公司。公司必须围绕人工智能的能力重新构想自己。一个非常简单的例子，我认为非常强大，现在正在发生的是，由于人工智能生成的图像变得非常便宜，许多公司的基础假设——你知道，照片许可公司或图库照片公司的基础假设——消失了。
所以，像 Shutterstock 这样的公司是建立在一个版权高质量图像稀缺的世界里的，而今天你可以生成图像，你不再有那种稀缺性了。所以，Shutterstock 与那些正在挣扎的竞争对手不同，它重新构想了自己，说，如果问题不再是图像的稀缺性，那么新的问题是什么？他们正在押注的新问题是，在这个由人工智能生成的图像加上高质量版权图像的新世界中，你仍然需要管理，你知道，当营销部门使用这些资产时的治理，关于他们的数据权利等。
所以，他们正在专注于解决这个治理问题，并且他们正在各个层面解决它。他们正在利用他们的图库照片库来帮助 OpenAI 训练其模型。他们正在创建一个机制，通过该机制，来自 OpenAI 的收入会返还给那些照片进入图库照片库的创作者，并且他们正在帮助组织更好地管理这些照片的治理。所以，他们正在重新思考整个活动如何围绕一个照片不再稀缺的世界进行重组。
当我听你说话时，我想到了我职业生涯的一半，从雇员到真正的企业主、创业者，我最大的范式转变。当你是一名雇员时，你必须证明为什么某件事花了你很多时间。需要什么样的技能。我记得那些电子邮件，“你这个星期为我做了什么？”而我曾为自己是第一个开灯和最后一个关灯的人而感到自豪。
当我职业生涯的一半开始创业时，我有了完全不同的心态。我想把我从我不需要做的每一项任务和流程中解雇自己，让别人为我做，外包出去，然后专注于最高价值的增值。我一遍又一遍地定期这样做。我回顾我必须做什么，以及别人或应用程序可以为我做什么，从日程安排到记笔记等等。这是一个迷人的转变。我认为这对一个必须证明自己每天八小时价值的雇员来说是一个挑战。
这让我想到你在《重塑》中写到的“跟随约束，而不是技能”。这让我停下来思考。你是怎么想的？因为我们被教导要积累技能。你说不，看看约束。
是的，这再次以打字员的例子来最好地说明，因为你不是关于任务，而是关于约束。所以，我们对技能的痴迷，往往伴随着我们对任务的痴迷，因为我们假设我们的工作是为了执行某些任务，而这在某种程度上是真的，是的，我们确实执行了这些任务，但这份工作存在的原因，往往是因为系统中存在一个需要解决的约束。知识工作中的主要约束曾经是知识工作的稀缺性，这意味着为了成为一名律师、顾问或会计师，你必须去一所昂贵的学校。即使你毕业了，你仍然需要接受培训，而且这也很昂贵。所以，获得知识工作的机会很昂贵。
即使随着人工智能能力的提高，某些形式的知识工作也越来越便宜。你知道，有一些明显的例子，比如翻译等等。但也有许多其他形式的知识工作，在高度专业化的领域，如果你真的将这项工作分解成其组成模块，其中一些模块可以通过一个提示来访问，而你不需要八年的培训就可以完成同样的工作。
所以，这实际上意味着，围绕今天的工资结构、今天的就业机会等结构化的稀缺性，以及围绕今天的技能培训模式的稀缺性，开始消失。现在，如果我们看到我们工作的一部分被人工智能取代了，如果我们然后想到“我们需要重新培训自己”，那么问题就变成了“重新培训以做什么？”因为这里的普遍误解是，你需要重新培训以应对人工智能还不能做的事情。而这是一场注定失败的比赛，因为人工智能能做什么的边界在不断变化。有大量的资金投入到这个方向。有大量的模型训练。所以，人工智能还不能做什么并不是思考的正确方式。这就是为什么盲目投资于技能不是思考的正确方式。
正确的思考方式是：我之前的工作是基于什么假设存在的？今天，随着人工智能使这些形式的知识工作变得更容易，这些假设如何消失？然后，系统中有什么新的东西正在瓦解？由于技术取代了某些类型的工作，什么正在瓦解？
让我在这里举一个简单的例子。当你知道，基于云的软件，即软件即服务，在 2010 年代初出现时，我们开始在企业中看到高度专业化的软件采用。在那之前，你曾经拥有那些非常庞大的 ERP 软件套件，突然间，你有了这些高度专业化的营销自动化、销售自动化、客户支持自动化工具。它们在执行高度孤立的任务方面非常出色。但它们再次打破了我们谈到的协调悖论，那就是这些任务之间的协调。
所以，即使销售、营销和客户支持得到了改善，也没有一个单一的功能负责管理从客户那里端到端产生的收入，因为过去所有这些都在一个工具中管理，因此由一个团队或一个连接的团队管理。而今天，所有这些协调都已崩溃。因此，出现了一个新的职位，专门用于管理这个系统中的新约束。在服务客户旅程的各个团队之间协调方面存在一个约束。所以，新的职位被称为“收入运营”（RevOps），他们负责管理客户生命周期中的收入。
我在这里试图表达的关键点是，当你看到人工智能不断改进并取代你工作的一部分时，你必须考虑正在出现什么新的约束？你可以转向管理什么新的约束？因为那才是你的工作开始具有价值的地方。一旦你确定了这些约束，然后你就可以考虑“为了真正最大化我围绕管理这个约束所能捕获的价值，我还能带来哪些其他技能？”所以，要从系统转移的角度来考虑技能，而不是从人工智能还不能做什么的角度来考虑技能。这就是关于“跟随系统，而不是技能”的关键点。
并且要补充一点，你提出了一个框架，你说工作有内在的、经济的和情境的价值。我认为我们经常问自己：我所做的工作的价值是什么？你能通过这三个不同的范式来帮助我们理解吗？
是的，绝对。我认为这些是，你知道，非常简单的概念。但我之所以想使用这三个不同的术语，是因为人们经常说“人情味总是有价值的”，但这并没有什么具体意义，对吧？人工智能不会取代工作，人情味总是有价值的。这通常是对人工智能二元框架的反应，即人工智能会赢，或者人类会赢。这种二元框架本身就是不正确的，因为最终，在任何经济体系中，我们都会看到互补性。凡是人工智能做得最好的，都会分配给它。凡是人类做得最好的，都会分配给它，它们会协同工作。
但重要的是，当我们说“人情味总是有价值的”时，我们需要问自己，价值意味着什么？因为内在价值、经济价值和情境价值之间存在区别。我引入这个区别是因为我们所做的一切，你知道，如果我对陌生人微笑，如果我为陌生人开门，所有这些都是有价值的工作。它具有内在价值。它不一定具有经济价值，因为没有人会在公开市场上为这些形式的工作付费。
内在价值和经济价值之间有非常简单的思考方式。氧气具有内在价值，但它没有经济价值，因为它很丰富。我们一直在呼吸它。它的经济价值在不丰富的情况下会增加，比如在水下、在手术室、在山上。所以，经济价值与市场交易相关的稀缺性有关。
这一点很重要，因为，你知道，如果你以 Uber 司机为例，Uber 司机做了很多具有内在价值的事情，包括，你知道，他可能会对你微笑，他可能会在旅途中不打扰你，让你有一个非常舒适的旅程。所以，体验中可能有许多具有内在价值的组成部分，但只有他将你从 A 点开车到 B 点的能力才具有经济价值。他只为那部分工作付费。
所以，这就是区别。这个区别很重要，因为我们一直说“人类的触动总是有价值的”。我们显然是指它具有内在价值，但我们没有足够深入地思考来确定我们所谈论的也具有经济价值。所以，这就是经济价值概念重要的原因。
然后是第三点，情境价值，即我们所做的任何工作在一个特定的系统中都有价值。同样的工作在一个新的系统中可能具有不同的价值。你知道，一个简单的思考方式是，想想医疗保健。你可能有一个家庭护理人员在家照顾某人，然后你可能有一个护士在医院照顾一位老人。但在那个系统中，两者都有一定的价值。
现在，如果你重新调整这个系统，创建一个护理系统，让家庭护理人员能够持续连接到医院系统，并能够直接从医院系统读取护理信息到家中。医院里的护士与家里的护理人员相比，他们的相对情境价值发生了变化，因为曾经只能在医院范围内执行的某些功能现在可以在家中执行。因此，情境价值发生了转变。
现在，这是否总是带有经济价值，是另一个话题，我们可以深入探讨。但我的观点是，当系统改变时，其中人员的情境价值会随着系统而改变。
你知道，一旦你展示了一个框架，就很难不看到我们所做的工作而不去思考它，因为它立刻让我想到了我所做的工作。我建议人们，我帮助他们管理资金。这是他们输不起的钱。显然，我提供的内在价值和经济价值之间存在一种感觉。我试图在一个特定的框架内捕捉它。我仍然认为我们收取费用的方式是不完美的。它足够好，但它是不完美的。
然后有很多价值被提供，我们都知道它的存在，但它没有被捕获，甚至没有被看到。我认为一个试图捕捉它的词是某种信任。你知道，我是在家里有两个医生的情况下长大的，我意识到人们会来找他们多少次，他们信任他们，让他们照顾他们的健康，他们会做正确的事情，即使是一些他们不会开账单的事情，而且它，你知道，在经济框架之外。
但你知道他们在这里是为了服务。我认为这是不会消失的东西。我们如何在如此匿名的世界中培养它？我将分享一个简短的轶事。我有一个习惯，给一些 Substack 的读者写信。我选 10 个人，写私人邮件。你可能会笑，但我遇到的挑战是，人们认为这些邮件是人工智能写的。我告诉我的妻子，“听着，他们给我写信，我回复，但我认为人工智能在写。”她说，“制造几个拼写错误。”
所以我开始在那些邮件中制造拼写错误，并在底部写道，“我制造了拼写错误，只是为了向你证明我是人类。”
[笑声]
这很有趣，因为我们正面临着一个令人着迷的事情，我必须证明我的人性。我以前从未想过这个问题。你有什么想法吗？比如，我们如何证明我们是人类？
是的，我认为，你知道，现在有很多不同的方式在发挥作用。这是因为我们作为与人工智能一起工作的人类，并没有必要重新想象我们的角色应该是什么。让我来解释一下。所以，当我们想到，就以写作为例。有了这么多工具来支持作家，我认为作家的工作从执行转向了更多的指导，你知道，编辑、策划、指导，知道包含什么，不包含什么，知道如何构建不同的作品并将它们组合成一个叙事。
我认为人们没有这样做。很多人只是使用人工智能来执行任何出现的东西。他们只是在没有编辑策划的情况下就发送出去，而没有在此之上进行指导。而这不一定是正确的方式，实际上这是绝对错误的方式，来思考人工智能如何放大你的能力。
作为回应，我认为，因为人类在策划人工智能产出方面付出的努力太少，所以我们现在称之为“人工智能垃圾”，但在我看来，这实际上是“人类垃圾”，是人类的迟钝，没有仔细思考要保留什么，要发布什么。
因此，结果是，总的来说，因为大型语言模型的工作方式具有概率性，它们倾向于使它们产生的语言变得扁平。所以，如果你使用一个大型语言模型，并且使用相同的提示，你们都会听起来一样。所以，这些模式变得非常明显，你实际上在使用人工智能，但你没有带来自己的品味，自己的编辑策划，所以你听起来和其他人一样。当这种情况发生时，作为领导者，你的警惕性会提高，你会寻找那些线索，并在此基础上拒绝事物。
我的观点是，某样东西是人工智能生成的还是人类生成的，将变得不那么重要。我认为我们不一定需要证明。
[鼻息声]
你知道，因为其他人等等。我的意思是，在过渡时期，这是一个不错的，你知道，一种笑话，表明为了证明我是人类，我必须表明我有一些不完美。但我认为最终重要的是质量。而质量不能仅仅来自人工智能。质量必须包含某种人类的投入。
我在书中也谈到了这一点，我说，即使生成答案的能力越来越容易获得。我们生活在一个重视答案的社会。你知道，从我们小时候起，我们就因为我们能多好地回答问题而受到重视。教育系统就是这样建立的。考试系统和面试系统也是这样建立的。
但当产生答案的成本下降时，价值就会转移到另外两件事上：知道问什么问题，以及因此问正确的问题，以及选择保留哪些答案，拒绝哪些答案。如果我们人类不做这两件事，我们将错过质量基准，最终质量将获胜。
所以，因为质量非常重要，无论是我们每次手动管理这两个部分，还是随着时间的推移创建代理来做，都会有一些人类的努力来提出正确的问题，然后提升或降低正确的答案和错误的答案。而这正是人类与人工智能协同工作价值所在。
所以我认为，最终，当这一切都稳定下来时，我们不必用不完美来证明自己。我们将能够用只有人类努力与人工智能协同才能带来的质量标志来证明自己。
我喜欢这个说法。而且即使在今天，你知道，我读了很多，写了很多，我能分辨出某人是否自己写的，我知道他们的声音。
嗯。
很多想法涌上心头，但是。
我认为我们忘记了，过去很多作家都有编辑。而人工智能可能只是让我们更多人拥有这个助手的一种方式。它不是说人工智能会为你写文章。它可能可以，但也许它在你发送文章之前会阅读它，并为你提供建议。我认为这是一个非常强大的工具，也许它有一些拼写检查功能。你知道，我嘲笑自己制造拼写错误来证明我是人类。但说到底，我不想制造拼写错误。所以，这是一件非常有用的事情。
我想问你关于“原生架构”。你讲了一个沃尔玛的条形码的故事。我们生活在条形码中。我们忘记了条形码之前的世界，但它创造了一种原生的架构。你建议人工智能可以创造自己的原生架构。你是怎么想的？
是的，我认为，这是一个我经常思考的非常有趣的话题。所以，也许我将以沃尔玛为例，举一个过去的例子，也许我可以举一个更近的例子，那就是 Adobe 与 Figma，这再次说明了沃尔玛与 Kmart 的相同之处。
所以，当条形码首次出现在零售业时，那是在 70 年代和 80 年代。大多数零售商认为条形码是为了加快和自动化结账。而这正是我们今天看待人工智能的方式。它是加快任务速度的一种方式。是的，结账的自动化对收银员的工作产生了影响，但那是条形码的局部效应。
沃尔玛使用了条形码，并将其与对供应商管理系统、其自身的卫星链路系统（通过该系统它可以聚合来自其所有门店的信息）的投资相结合。它开始使用条形码作为捕获数据的一种方式。今天这很明显，因为我们生活在一个数据经济中。但在 70 年代和 80 年代，这并不明显。而其他零售商都不明白，这些数据可以以如此戏剧性的方式使用。
沃尔玛利用条形码数据，将其跨各个门店聚合起来，然后在网络层面与品牌和制造商进行谈判。而其他零售商都是在门店层面进行谈判。在门店层面，供应商拥有更大的谈判能力，制造商或品牌比零售商拥有更大的谈判能力。沃尔玛颠覆了这一点，因为它能够跨门店聚合这些数据。它能够利用这些数据来提高其对供应商的谈判能力。它能够通过改变其报价来影响下游的买家。通过这一切，它最终成为供应链中最强大的参与者。
所以，我的关键观点是，沃尔玛围绕条形码提供的新数据重新构建了零售业。那是一种新的架构，一种条形码原生架构，没有条形码生成的数据是不可能实现的。
我在这里再举一个例子，说明我所说的架构。所以，Adobe 通常被誉为一家非常成功的公司。
采用云技术，现在又在采用人工智能，并且已经从其盒装软件业务转向了云端，转向了订阅制，但仍然难以与 Figma 竞争。人们并不总是理解原因。原因是 Adobe 作为一家公司的架构是围绕文件逻辑建立的。因此，作为一名设计师，您在一个设计文件上工作，完成后，将其传递给其他人。所以这是一个不断移动的文件。Figma 是云原生的，就像沃尔玛成为条形码原生一样。>> Figma 在云出现后才开始，因此它有机会看到设计不是围绕文件而是围绕元素构建的，这样文件中的每个元素，一个按钮，你知道，一个框，都可以单独寻址。现在，这很重要，这听起来可能很技术性，但它很重要，因为设计不是一项孤立的活动，它是组织中其他工作流程的输入，例如销售、营销和产品。>> 而元素级别的设计管理帮助或允许 Figma 为其客户提供的是，您现在可以管理一个按钮在整个组织的所有设计中的外观。您现在可以管理每个单独的元素在所有工作流程中的外观。您可以管理谁可以对这些元素进行更改，因为这些元素现在已在整个组织的共享库中进行管理。因此，您驱动一致性，您驱动整个组织的品牌，您实现治理，所有这些都是不可能的，而 Adobe 根本不可能提供相同的东西。因此，Figma 本质上创建了一个云原生设计套件，而 Adobe 仍然是一个桌面原生套件，尽管它使用云来交付其软件。所以这是我关于架构原生性的关键观点，当我们转向人工智能时。我们将看到，人工智能优先组织或人工智能优先商业模式的概念不在于谁能使用人工智能以及谁能更好地集成人工智能。而在于谁能围绕人工智能的架构能力进行自我调整，就像 Figma 围绕云所做的那样。>> 我不想说得太圣经化，但这让我想起了摩西。你知道，摩西把人们带到了应许之地，但他不是那个进入的人。>> 我想到了历史上所有的科技公司，它们是如何让我们瞥见的。柯达让我们瞥见了数码摄影，>> 对吧？但柯达并不是那个给我们带来数码摄影的人。[笑声]>> 现在有一种现象是，大型成熟的科技公司，从历史角度来看，它们已经不再年轻了。而且有些公司实际上更老，从历史角度来看，对吧？它们让我们瞥见了人工智能，实施了人工智能，甚至可能为它提供了基础设施。您有什么想法吗？是它们，还是它们又处于摩西的境地？嗯，嗯，我想，我想有几种不同的方式，如果我在这里解释您的问题，那就是，谁将真正 >> 它们能 >> 对，正是如此，所以你知道，随着人工智能的到来，什么将决定赢家和输家，>> 对，我认为传统公司或现有公司有获胜的方式。当我提到现有公司时，我非常非常广泛地使用这个词。嗯，让我们谈谈几种不同类型的现有公司。所以，嗯，那些，你知道，我所说的“现有公司”，我认为最有可能获胜的是大型科技公司。原因是我们已经通过数字经济看到了，成功的商业模式不是那些把一件事情做得很好并坚持下去的模式。它们是那些选择性地在价值链的有价值部分进行垂直整合的公司。所以想想亚马逊，对吧？它提供 Prime，它提供市场，它提供广告，它提供履行。所以这些是真正强大的、重要的层面，然后它通过让所有卖家竞争并依赖于这个基础设施来使他们商品化。所以，你知道，大型科技公司已经找到了识别价值链中最有利可图的部分，以及如何削弱价值链其他部分参与者的力量的模式，我认为随着人工智能的出现，这一点将进一步放大。所以从这个角度来看，我认为大型科技公司处于有利地位。>> 其他原因使它们处于有利地位是因为它们有能力横向进入利基市场，而在过去，横向进入这些利基市场更加困难，但今天有了人工智能，这变得容易得多。一个简单的例子是，嗯，想想亚马逊。亚马逊从未涉足呼叫中心业务。嗯，有像 Genesis 这样的其他公司提供呼叫中心管理软件，但现在亚马逊凭借人工智能的优势以及拥有 AWS 卓越的云经济性，可以提供 Amazon Connect，它基本上提供了传统呼叫中心模式的替代方案。所以它现在进入了一个新的领域，如果没有人工智能的能力，它本无法进入。因此，大型科技公司向所有这些方向发展的能力也随之提高。所以我认为，你知道，这是一类赢家，我不是只指那些，你知道，那些大型科技公司。我指的是上一代技术参与者中那些玩过这种选择性整合最有价值价值链部分的公司，比如 Stripe，你知道，PayPal，Square 等等。>> 第二类赢家，我认为将是像我刚才提到的 Shutterstock 那样的公司，它们将审视自己当前的业务，然后看看围绕其当前胜利所保障的哪些假设不再成立，然后尝试重新构想它们应该是什么，我认为大多数公司都必须这样做，因为它们将面临一个无法按旧规则玩的竞争环境。它们必须弄清楚在新的竞争环境下，自己的新定位是什么。所以这是我说的第二类，嗯，第三类赢家将是那些首次真正更具人工智能原生性的参与者。但仅仅因为你是人工智能原生的，并不意味着你最终会获胜，因为我们也在金融科技浪潮中看到了这一点。当新的参与者出现以应对新技术时，随着云计算和智能手机的兴起，许多金融科技公司也出现了。>> 但这些参与者基本上是在拆解银行。>> 但拆解并不能让你获得价值。它只能让你竞争，并通过夺走一些利润池来为现有公司制造麻烦。为了获得价值并扩大规模，你必须重新整合，你必须扩张，并再次选择性地整合价值链的不同部分。所以，如果你看看那些生存下来并蓬勃发展的金融科技公司，比如 Stripe，等等。>> 这些公司一开始通过将一个问题解决得很好，获得了深度采用，然后选择性地审视价值链的其他部分进行整合，并创建了一个更大的套件。所以即使有，你知道，人工智能原生的参与者出现，我们也会看到同样的洗牌。>> 我们现在也看到了同样的洗牌，因为今天许多参与者都在拆解模式，我们称之为包装公司。但除非你整合了对你来说是独特的、有助于你解决更大问题的互补能力，这样你就不会仅仅依赖于模式，否则你就不会进入可持续的收入模式。所以我认为，你知道，这些是我期望在这波新浪潮中获胜的三种公司原型。>> 这太令人着迷了，这是一场革命，但它与其他革命不同。>> 我想到了，你知道，大约 20 多年前，实体店试图开设网站，它们不得不围绕，你知道，运输、交付和客户服务建立一个完全不同的模式，因为人们不再去商店了。在这里，人工智能似乎就像另一条肢体，可以生长并被使用和实施。我看到人工智能也出现在我使用了一段时间的现有软件中，但它允许我以一种全新的方式与我自己的内容笔记，无论是什么进行交互。这就是为什么我不需要移除并获取新的东西。有时它只是慢慢地成为体验的一部分，无论是我的簿记软件还是我的笔记软件。所以它很迷人，我正在关注它，因为它与我们之前看到的许多颠覆（如果找不到更好的词的话）都不同。我想问你关于你在书中分享的故事，或者爆炸性结果的风险。你能向观众介绍一下这个故事，以及我们如何看待它，以及它能教会我们什么吗？>> 是的，嗯，我想说的关键点是，在任何技术驱动的价值链中，它不一定是纯数字的，但任何技术驱动的价值链中，工具提供商（基于技术性能竞争）和解决方案提供商（试图解决客户问题）之间存在区别。今天，你有像 OpenAI 这样的公司，它们既是工具提供商又是解决方案提供商，但也有专门的解决方案提供商，它们将这些基础模型作为工具使用，然后更深入地解决客户问题。因此，工具提供商和解决方案提供商之间始终存在一种张力。工具提供商可以利用技术能力解决很多问题。但对于解决方案提供商来说，要解决客户的问题，他们需要深入到客户的上下文中。>> 而对于解决方案提供商来说，要拥有强大的地位，他们需要超越仅仅执行和销售执行。我想说这一点，因为当我们谈论生成式人工智能对知识工作的影响时，我们总是说，嗯，它将取代，你知道，专业服务公司的计费费率。而且，而且我认为在很大程度上是这样。但所有这些公司都应该考虑的不是如何使用工具更好地执行，因为无论如何，这些工具都是别人的。它们应该考虑的是如何更深入地整合到客户的工作流程中，并为他们的问题提供解决方案，然后将它们的激励机制调整到如此程度，以至于它们停止为执行收费，而是开始为结果和成果收费。[哼哧声]这就是我用 ORA 的例子所说的，因为 ORA 是一家采矿炸药公司，在那里你，你知道，使用炸药来炸毁岩石。>> 你可能会认为这是一项商品化业务，仅仅是销售炸药。但 ORA 已经意识到，它的客户关心的是爆破的性质，你知道，一旦爆破完成，它是否适合特定类型的岩石？岩石是如何破碎的？从那里你可以深入到什么程度？所以 ORA 现在，它不再销售炸药，而是销售爆破的成果。这就是它现在调整自身的方向。所以我用它作为隐喻的原因是说，无论你的业务多么商品化，如果你能弄清楚客户关心的成果和结果，并以此为基础进行调整，而且成果和结果之间存在区别。在成果中，你实际上承担了风险。在结果中，你只是与客户想要的东西保持一致。但即使你看看 ORA，它正在实现结果，这本身就是一个巨大的进步，而不是仅仅说，这是炸药，从我们这里购买炸药。所以这有助于你获得更多价值，因为你消除了不确定性，关于炸药是否被正确使用，是否使用了正确的炸药量等等。而且作为解决方案提供商，因为你有能力在多个客户之间服务和解决相同的问题，你最终会获得学习优势，比客户自己更擅长解决这个问题，因为客户最终会在客户之间进行的爆破次数比你少。所以，如果你转向管理结果，这就能让你作为解决方案提供商拥有更强的成功权利，尤其是在工具提供商、模型公司、科技公司资金极其雄厚的时代。>> 这里有很多值得深入探讨的地方，但这个故事真的打动了我，所以我想提出来。>> 你说你不需要人工智能战略。一切都取决于在哪里竞争以及如何获胜。我知道这是一个大问题，但你对此有什么看法？是的，这是一个有趣的问题，因为结束这本书的那个点是一个有趣的决定，因为大多数书的结尾都是，嗯，这里是答案，这本书就到此为止。>> 而我则以说的方式结束了这本书>> 这里有另一种思考方式，现在就看你们了，利用书中的所有工具开始思考这些事情。>> 嗯。而且我认为这很重要，因为[哼哧声]嗯，人工智能的变革速度和改进速度，你不能说你已经解决了所有问题。你必须帮助领导者弄清楚应该关注哪些问题，如何重新定义他们应该解决的问题。所以我的观点是，今天大多数公司都在问，我们的人工智能战略是什么？我认为这是错误的问题。正确的问题是，鉴于世界，你知道，鉴于人工智能创造的条件，我们的战略是什么？因为你必须明白，人工智能改变了竞争环境的性质以及公司如何在其中获胜。>> 是的。>> 通常我们认为战略是关于在哪里竞争以及如何获胜。在，你知道，传统世界，尤其是在数字时代之前，我们会认为在哪里竞争是指市场、客户细分、地理区域，而如何获胜是指帮助你成功的关键能力，你知道，分销、运营等。而今天，它有点，它复杂得多，因为在哪里竞争不是静态的。你知道，人工智能本身就是行业边界瓦解的一个重要驱动因素。我的意思是，今天使用基础模型，你可以获取曾经被困在各个行业垂直领域的知识，这仅仅是使用基础模型。想象一下，当不同公司用自己的信息训练模型，然后跨行业提供服务时，它们拥有什么优势。你现在拥有获取信息、获取知识、获取知识工作的绩效的能力，而这些以前不是你行业的一部分。因此，竞争环境完全改变了，这意味着与你竞争的公司不再是你昨天看到的那些公司了。所以你需要仔细考虑你的在哪里竞争是如何改变的，你的业务是基于什么假设构建的，因为你的许多假设都是围绕着旧的竞争环境的想法构建的。>> 嗯。>> 当这个假设消失时，你如何看待你的优势？然后，有了这个新的竞争环境，你必须考虑，你知道，你如何在新的背景下获胜。所以我的关键观点是，首先问自己第一个问题，过去价值在哪里？景观的哪个部分有价值，价值是什么样的？现在人工智能来了，价值是否转移到别处？它是否转移到价值链的另一部分？它是否转移到另一种资产类型？它是否转移到另一种关系类型？是否存在，你知道，由于人工智能而发生的价值转移？并相应地，我们如何利用我们拥有的工具和我们现有的资产，并开发新的能力来转移到那个位置并捕获新的价值？所以这就是为人工智能创造的世界思考战略的关键思想。>> Sangeit，这是一次多么精彩的对话，这本书是《重塑》。我非常感激我们有一个小时的时间来谈论它。我认为很多人都在关注它，你提出了一些非常有用的框架来从各个角度来处理它，无论是作为企业主、运营商还是投资者。非常感谢您今天。我真的很感激。>> 非常感谢。非常高兴与您交谈。在你离开之前，只是一个快速的提醒。如果你想查看 Fiscal AI，看看它如何升级你的研究过程，请使用节目说明中的链接订阅，即可获得免费的 2e 试用以及 15% 的折扣。你正在收听的是 Talking Billions。[音乐]我们谈论宏大的想法、宏大的灵感、宏大的主题。我们处理最困难的主题，即金钱。[音乐]但我们的对话将我们引向一个更大的问题，即在金钱之外，过上富裕生活意味着什么。[音乐]如果你喜欢这个节目，请花点时间关注、[音乐]订阅、评分并与朋友和家人分享。我们依靠口碑来推广节目。对你来说，点击一下对我们来说意味着整个世界。[音乐]下次再见，你的主持人，Pokemon Baronoski。