百度世界公开课:智能组织怎么落地,40节课给了什么答案
BAIDU WORLD · AI OPEN CLASS都在用 AI公司为何没变快? 从个人提效,到组织一起进化公开课观察 · WHY / HOW / WOW 人的判断校验与把关 ....
我是甲木,大伙儿好。
前两天刚测完百度发布的东西,现场人挤得满满当当。这届定调「下一幕 · 智能组织」,逛了一整天,累是真累,收获也不小。之前说好周末抽空把参会感受理一理,这就写出来了。
大会今年的主题定得很宏观:下一幕,智能组织。Robin 在主论坛上把判断说得很直白——人工智能的下一幕就是智能组织,企业得像重新设计工厂那样去重新设计组织,他还第一次提出“打破岗位边界、沉淀隐性知识、设计流程闭环。
大方向听着是提气,可真落到每天的活儿上,大家心里还是会犯嘀咕:这个“智能组织”到底怎么长出来?巧的是,今年分会场办的 AI WOW 里,好像能找到一些答案。
展区连播 6 小时、40 来节课,线上同步直播,从各个角度去讲「智能组织」,也算把“一个人怎么从用好 AI,一步步走到和组织一起进化”说透了。今天就借着现场的一手见闻,聊聊我理出来的几条干货~
我研究了下官方课表,几十节课全聊肯定聊不完,所以各个板块挑了些我视角里印象比较深的内容。ps:后面有关于个人提效、业务落地和组织变革的深度复盘,干货满满,适合所有想在日常工作里把 AI 用深、用透的朋友。
在
这条线索挺耐人寻味:工具一代比一代强,公司运转速度却没提上来,原因在哪?
今年年初我写过一份两万字的《AI 应用学习路线图》,发出去之后后台攒了几千个收藏。可后来发现,不少人把图存进收藏夹,实际还是没动起来。
说实在的,大家缺的并不是 AI 工具。“交得稳”才是真正的门槛。
模型几秒钟吐出一段文字,和拿出一份你敢签字、敢丢进公司大群支撑业务决策的成果,压根不是一回事。中间那套流程,一步都省不掉。
现场《AI包办教学后,老师怎么办?》提到的教育场景,讽刺味道很足:学生碰到作业题,直接找 AI 要答案交差;老师收上来,再用 AI 批量批改。原汤化原食?整条链路里机器空转,人的思考与提升一点没发生。
这么来回折腾,有 7% 的一线老师反馈,教学工作反倒比以前更累。
答案的生产成本快跌到零了,反倒是判断答案、证明答案、把住关口这几件事,成了最稀缺的东西。
(就像我之前聊过的 AI 时代的设计,靠的是审美和 sense。
把账放到企业层面来算,现实更不客气。
现场《企业智能体无痛落地方法论》给出的行业研究数据是:AI 上线后,隐性适配、流程改造、安全治理这些开销加起来,常常能达到工具采购费用的十倍;最终真正收获体系化商业价值的组织,只占百分之一。
这跟过去两年甲木在企业 AI 服务上摸到的体感,基本对得上。
也正因为如此,一些硅谷大厂前几个月还在全员敞开送 token,
分享《用本体实践把Agent变成业务脑!》的同学也给出了自己的路径,用“,同时也介绍了用
说到底,只靠员工在工位上拿工具提效,单打独斗走不了多远。个人能力得嵌进团队,变成组织里可复用、能兜底的体系资产。
让人的思考、团队对业务的把关沉进系统,形成长期复利,效率才谈得上转化为商业价值。
个人提效和组织增效本来就绑在一起,跟着组织一起进化,是 AI 时代绕不开的命题。
想清楚了为什么,接下来最要紧的是:怎么先让人变成最小的智能单元,再把这个单元接进组织?
搭“智能组织”不必一上来就动架构图,真正的起点,落在每一个普通业务人员身上。
可对很多不碰代码的人来说,第一步该怎么迈出去?
现场有几堂百度搭子的课,信息密度相当高。“看再多游泳教程,也不如直接跳进水里。”
学游泳,多数人是从下水、把恐惧压下去开始的。学 AI 也是这个道理,别想着先把所有原理背熟再动手。
最先迈出这一步的,往往是一线业务人员。
有人就拿百度搭子这类 Agent 接管电脑和浏览器,把多平台分发的麻烦事串成一条端到端的工作流。
他们和平时随便跟 AI 聊两句的人,差别就在这:每天反复踩的坑、手头攒下的经验,被直接搭成了能自动跑起来的工作流。
看到这里,很多人会冒出疑问:一线既然已经跑出了成功经验,公司直接复制推广,或者买套现成方案发下去,不就行了?非得自己折腾?
真推下去才发现,产品脱离开一线真实干活的土壤,靠自上而下硬塞,到了具体业务里很容易水土不服。
不少企业花大钱买了一堆智能体,推下去员工根本不用。大家平时干活忙得要死,硬让人离开熟悉的业务系统,专门跑到一个独立对话框里打字聊天办业务,谁天天陪你聊天啊?
况且买回来有时候还得自己花时间调优……还得一点点去教它。
这种水土不服,怎么治?
说到底,技术得贴着业务走,不能让业务反过来迁就工具。
现场今年聊得最多的话题之一就是 FDE。研发不再关在办公室里闭门造车,工程师被直接派到业务现场蹲点,工程和业务每天坐在一起摸流程、磨需求,一边干活一边现场改工具。
但工程师没法总守在第一线。把时间拉长看,最终还是要让一线的人自己拿主意。百度的 AI 增值服务,需求出自谁,这个应用就该由谁来落地。
平时在工位上干活,脑子里常会冒出这样的念头:“这地方要是有一个更方便的小工具就好了……”
以前这种细碎想法,可能根本排不上立项会。现在不用碰老系统代码,轻量工具直接挂在员工每天操作的界面旁边,不用来回切窗口,也不用苦等研发去实现,手头冒出来的念头,自己随手就能跑通上线。
往深了看,AI 时代真正拖慢企业节奏的,其实是协作链条本身。
传统开发流程里,写代码的时间往往只占三成,剩下七成全耗在提 PRD、过评审、PM 等研发、研发等测试这些等待和反复对齐上。
百度一镜数字人团队索性把这层职能隔阂推倒了。按《从个人提效到组织智能:数字人AINative组织实践》讲师的说法,团队里原先做产品、画设计、管测试的,如今一律是 Builder;谁冒出想法,谁就领着 AI 从头到尾干完,途中踩的坑随手记进团队的 AI 协作
结果整个团队的交付速度直接翻倍。以前新人 PM 接个新业务起码得磨合两周,现在两天就能上手交活。
一个人加上自己的 Agent 成为最小单元,无数个这样的单元连进同一个自迭代的
就算协作架构理顺了,很多公司真把 Agent 放进产线还是会卡住。很大一个原因在于,AI 拿不到完整、准确的业务上下文。
金融、医疗、制造这些行业的后台,沉淀的动辄是上百亿页 PDF 合同、研报和跨页财报。
通用大模型一页页硬跑,单页四毛钱,上百亿页算下来就是几十个亿,这账没法算。咱们自己把带图表的标书或截图丢给 Agent 也一样,第一步读不准,后面推理模型再强,也只能在错数据上瞎扯。
不少传统企业连数字化都没做扎实,就惦记着智能化转型,过往数据还堆在纸上,其中不乏各细分领域的龙头。
而百度在
这次百度干脆把三位在 OCR 开源圈很有名的作者请到一块,接连开讲、同台答疑。
打头阵的是 PaddleOCR,在这个 OCR 领域最大的开源项目里深耕了六年。它讲的是工程落地底座:最新模型比手机照片还小,直接做成标准 Skill 和 MCP,在 Agent 里说一句话就能低成本读取单据和图表。
第二位登场的是 00 后研究员带来的 Unlimited OCR:今年 6 月发布时,GitHub 仅用 5 天 Star 就破了 1 万,图灵奖得主杨立昆(Yann LeCun)也专门点赞转发,整本连续解析的时代由此开启。
压轴的是一个月前刚发布的文心 Unlimited OCR 2.0 研发负责人,全球首次做到任意页数文档解析,OCR 处理上限从几十页推到“无限”。前阵子我聊过它,七部《哈利·波特》3600 多页一口气跑完,当时说 11 月 12 号来现场听细节,这回算是看全了。
过去跑长文档只能拆成一页页解析,跨页表格接起来格外麻烦。它学人抄书的法子,只盯当前页,碰上跨页再回看一眼,峰值显存硬是从 47GB 压到 1.77GB,现场还一口气解析了两千七百多页的四大名著。
讲完还加了半小时提问,大家意犹未尽。
有位开发小哥直接问:长文档精度这么稳,后面能不能压到 50MB 左右,直接塞本地跑?
也有不少人担心免费开源跑公司业务不够稳。老师们的回答很干脆:平时自己做测试、跑个小原型,用官网和开源免费额度就够了;真要扛公司业务的大并发,直接走百度智能云。
少折腾拆分和拼接,整本材料一次看懂,AI 才算真正接住了企业的完整上下文。
上下文顺利喂进系统,最后一层就看业务能不能跑得稳。
安全边界与结果校验,是把企业核心资产交给 AI 时必须守住的底线。模型得能分清正常指令和外部风险数据,关键流程里更不能乱说一通。这层保障到位了,Agent 才真能在真实产线上扛住。百度在这方面
数据入口通了、协作链条顺了,现场其他落地应用也就水到渠成。
从走进门店的百元级数字人直播间,到 00 后新人几天搓出的上线产品,AI 从台上的概念变成了百度的日常。
今年初写那篇两万字《AI 应用学习路线图》时,我更多还是站在个人视角,帮大家挑工具、练心法。
到了今年年中,感受完全不一样了:个人提效只是起步,真正的 AI 落地,靠的是个人和组织一起进化。
个体的判断、完整的业务上下文、团队协作,只有全部打通,让整个系统自迭代地滚起来,AI 才算落到了实处。
组织化会彻底改变 AI 的未来。
就像工业时代刚有流水线那会儿,工厂不能只买几台新机器就完事,得把整个生产流程重新捋一遍,围绕机器的运转节奏调整人和岗位的配合方式。
智能组织带来的变化,本质是分工规则的改写。工业时代按岗位划分权责,AI 时代转向以任务为核心。
这近 40 节公开课,从 AI WHY、AI HOW 到
就像Robin说的那样。
也祝各位企业家朋友,尽早把“智能组织”这一步走完。
同样祝各位小伙伴,早些在“智能组织”里找准自己的位置。
道理好懂,做起来难。从 0 到 1,最费劲。
可一旦动起来,路就看得清了。
那就一块儿往AI时代的下一幕走。
以上。