Loop：企业AI转型之路

一个 480 万的笑话

国内一家三甲医院，招标建数据中台，预算 480 万。480 万里，只有 30 万是直接产生业务价值的。剩下 450 万全是"摩擦成本"——为了让数据能用、敢用、合规地用而付出的代价。这不是个例，这是大企业数据建设的普遍现状。一个数据项目，80% 以上的预算花在了治理、合规、对接、审批上。

反常识一：结构化数据正在贬值，语义数据才是金矿

大模型天生就能理解自然语言、理解文档、理解语义。你不需要把病历拆成几十个字段，大模型直接读原文就能分析病情。结构化的过程，本质上是信息损耗的过程。医生写病历时的语气、字里行间的犹豫、对病情轻重的微妙判断——全部丢失了。你花了大价钱做出来的结构化数据，对大模型来说反而是残缺的、低价值的。

真正对 AI 有价值的数据是什么？是原始的、带上下文的、有语义的非结构化数据：完整的病历原文、未经剪辑的客服录音、全部的邮件往来、原始的设计稿源文件、产品在电商平台上的完整详情页。

反常识二：你守着的数据孤岛，大部分变不了现

大企业最喜欢说"我们有海量的数据积累"。但残酷的真相是：大多数企业所谓的"数据资产"，刨掉水分之后，能真正为 AI 所用的，可能连 10% 都不到。剩下 90% 是数据孤岛里的沉睡数据，是历史遗留的格式垃圾，是为了存而存的无效信息。更糟糕的是，这些垃圾数据还在持续消耗你的资源——存储费、维护费、安全审计费、审批流程的人力成本。

小企业反而没有这个包袱。没有历史数据，可以从零开始用 AI 原生的方式采集和组织数据。所以你看到一个很反直觉的现象：很多初创公司，数据量不到大企业的零头，但 AI 落地的效果反而更好、速度更快。

数据 Loop 的战略决策：什么该守，什么该放

三个战略级判断：

第一，分级。不是所有数据都值得"治理"。第二，开放。除了红线数据，其他的不要捂着。数据不会因为被看了就变少，反而会因为被用了而变多。第三，闭环。数据的价值在使用中增值——数据被 AI 调用 → 产生业务结果 → 结果和反馈形成新数据 → 下一次调用变得更准、更好。

传统人才战略的底层假设：人是不可靠的

为什么企业会有部门？为什么会有岗位细分？为什么会有层层汇报？因为这套体系的底层假设是：人是不可靠的、难以管理的、认知差异巨大的。正因为人难管、难对齐、难协作，我们才需要岗位说明书、SOP、KPI、汇报制度、会议系统——所有这些管理工具，本质上都是在弥补人与人之间的认知差异和协作摩擦。一百年来，管理学的进步，本质上都是在优化这套"压摩擦"的技术。但从来没有人问过：这套体系本身，是不是就该被推翻？

AI 是怎么让"一人闭环"成为可能的

不是因为他变聪明了。是因为他身后有了一支"Agent 编队"。想象一个快递配送站。过去，一个人负责一个片区，能送的包裹数是固定的——因为他的腿只有两条。但如果给他配了 5 个机器人工人（Agent）——一个负责分拣、一个负责路线规划、一个负责跟客户电话确认、一个负责处理异常订单、一个负责数据统计——他还是一个人，但他的"产出半径"变成了过去的五倍、十倍。

他的角色从"快递员"变成了"配送站长"。他不再亲自跑每一个包裹，而是设定目标、分配任务、审核结果。AI Agent 承担了执行层的工作，他承担了"目标设定、结果审核、方向调整"的决策层工作。这就是"一人闭环"。一个人，加一支 Agent 编队，独立完成一个完整的业务闭环。

灵魂拷问：超级个体为什么要留在你公司？

如果一个人带着 Agent 编队就能干过去一个团队的活，能产出几百万甚至上千万的价值——他为什么要留在你的公司里？为什么要拿固定工资？为什么要受管理制度的气？经济学家科斯在 1937 年给出了答案：因为市场交易有成本。当在企业内部组织生产的成本低于从市场购买的成本时，企业就出现了。顺着这个逻辑——当 AI 把"一个人独立完成业务闭环"的成本降到足够低，市场交易成本就不再显著高于企业内部组织成本了。企业作为"生产的组织者"这个角色，正在被动摇。

生产资料是什么？品牌和信任背书、基础设施（数据资产、合规资质、法务财务）、业务入口（销售渠道、客户关系）、规模效应、独占性数据的合法使用权——这些东西，是个人很难从零搭建的，但又是做业务必不可少的。企业的真正价值，就是提供这些生产资料，让超级个体可以专注于业务本身。

OPC 模式：小单元闭环作战

不再按职能划分部门，不再按岗位分配工作。而是按业务闭环划分作战单元。每个单元 2-3 个人（或一个超级个体），配一套 Agent 编队，独立负责一个完整的业务闭环。

这个模式有几个革命性的特点：

选人标准的反转：从"会协作"到"不内耗"

传统招人最看重"团队协作能力""沟通能力""情商"。但在 OPC 模式下，这些都不重要了。你不需要跟那么多人协作，你的沟通对象主要是 Agent 和你的两三个队友。那什么最重要？第一，闭环能力。能不能独立把一件事从头到尾干完。第二，业务理解。AI 只是工具，方向错了，工具越强偏得越远。第三，不内耗。这一点最重要。

管理的倒置：从"我要你做"到"你需要什么"

传统管理：老板给下属布置任务、定目标、追进度、做考核。自上而下的指令体系。OPC 模式下，这个关系完全反过来了。作战单元自己对业务结果负责，他们知道该做什么、该怎么做。管理者的角色不再是发号施令，而是提供支持、清除障碍、调配资源。

每周一次会。不是老板问"你们这周干了什么"。而是老板问：
"你们需要公司提供什么资源？有什么问题是你们自己搞不定的？需要我帮你们协调什么？"

最好的管理，就是让一线感觉不到管理的存在。他们只需要专注于把业务跑通。其他所有事情，公司都帮他们搞定了。

企业到底是什么？工业时代，企业是生产机器——把原材料放进去，按标准流程，产出标准化产品。人是机器上的零件。信息时代，企业是平台——连接供需，匹配资源，网络效应越大越值钱。人是平台上的节点。AI 时代，企业是回路的集合体。

一个个能够自主运转、自我增强的闭环——认知的闭环、业务的闭环、人才成长的闭环——组合在一起，形成一个更大的、能够自我进化的生命系统。在这个系统里，人的角色不再是执行者，而是回路的设计者、目标的设定者、价值的锚点。AI 负责跑，人负责方向。AI 负责效率，人负责判断。AI 负责执行，人负责意义。

这听起来理想化，但它正在发生。我们已经看到越来越多的小团队，用两三个人加 Agent 编队，干出了过去几十人团队的业绩。我们也看到走在前面的大企业，正在用 OPC 模式重构一线作战单元。这不是概念，这是正在发生的现实。

战略的本质，是在给定的资源约束和环境条件下，选择一条胜率最高的路径。在 AI 时代，资源约束变了——人力不再是瓶颈，数据和 Loop 才是。环境条件变了——旧规则被打碎，新规则在生成。胜率的定义也变了——不是你赌对了一个方向，而是你设计的回路能持续产出对的方向。

而这一切的起点，就是你今天做出的那个选择。
是继续用旧地图找新大陆？还是放下包袱，从头学习一套新的战略语言？

答案，在你手里。