今天分享两篇来自 Geoffrey Woo 的博客文章，他早年从斯坦福的计算机专业本科毕业然后走上了移动互联网创业，再到社交营销技术和消费品创业，现在的工作融合了娱乐业，体育与高科技风险投资。是一个有趣的跨领域“样本”。

Geoffrey Woo 是 Anti Fund 的联合创始人兼管理合伙人，这个风险投资基金是他于 2021 年与拳击手&大网红 Jake Paul 共同创立，专注于投资 AI、机器人技术、先进软件和高增长消费品牌等领域 。他的博客上写到，他对人类身心表现、系统架构和组织设计有深入研究，致力于在 AI 主导的未来中探索人类的独特价值。

这篇文章他的核心观点是在 AI 智能体将会越来越普及的时代，创造自己项目的人和组织领袖，必须培养独特的判断力与品味。而这又来自于敢于做不同的事情， 并且偏执地努力做到最好，这样才能获取属于人类的超出算法的直觉优势。

我推荐这篇文章，因为我也从一些从头利用 AI 思考与构建自己组织的人身上获得了启发，比如“以人类价值为核心”的人工智能交易与投资公司，以及依托 AI 驱动的生命科学创业公司和“自动化科学研究”机构，以人类想象力搭配人工智能系统的独立电影与游戏工作室等等。

这些前沿的系统设计理念，不仅能启发企业运营，对个人的学习与工作方式也非常有帮助。

希望今天的文章对你有启发。

如何在 AI 代理主导的世界里做一个人类 CEO

解决问题的艺术，在于如何聪明地将复杂的问题拆解成更简单的部分。我还记得在斯坦福读研究生算法课时，读到 Jeffrey Dean 的经典论文《 MapReduce 》，那是个完美的例子。

MapReduce 的思路很简单：把一个庞大的任务切成更小的块，分别并行处理，最后再把结果合并起来。听起来简单，但正是这个概念，让 Google 有能力处理互联网级别的海量数据。

今天，我在商业世界中看到了类似的机会——借助 AI 代理来做类似 MapReduce 在数据领域做的事。也就是说，把一项复杂的业务挑战，拆解成更小、更专业化的任务，交由不同的 AI 并行处理，最后再整合成一个完整的结果。这是计算机领域已经验证有效的模式，而这个类比将会重塑未来企业的运作方式。

那么，现实问题来了：作为一个人类，你要如何做好准备，去应对这种全新的竞争范式

MapReduce 基础解析

MapReduce 基于两个核心操作：“map”和 “reduce”。你从一个大型数据集开始，比如说，过去 24 小时内所有网页搜索的日志。与其让一个系统一次性处理所有数据，不如先将它切成多个小块。每一小块可以被并行处理，通常分配到多台机器上。处理完之后，再把所有部分结果收集起来，合并成一个完整的输出。

这种方法解决了两个大难题：性能和可扩展性。通过分布任务，大大减少了处理时间；通过任务模块化，当数据量增长时，也更容易添加新的计算节点，实现横向扩展。最终的结果就是一个更灵活、更能容错的系统。

把 MapReduce 思想应用于你的公司组织架构

现在，你的公司可能还是按照技术职能或者业务线来划分组织架构。但未来的组织模型可能是一个一体化的超级 AI 来负责一切。

不过，从美学直觉上来说，这种“神一样的 AI 模型“统领一切并不对劲。更合理的想法是：由多个可以并行工作的、容错性强的、专精不同任务的 AI 代理组成一个有智能调度能力的系统。相比起一个无所不能的超级 AI，后者才是更贴近现实的心智模型。

想象一下未来的场景：你能够随时调动这样一组 AI 代理团队。此时，MapReduce 的概念就变得非常有参考意义——只不过这次我们不是在切分数据集，而是在切分一个商业难题，把它拆解成一个个可串联的任务流程，每个任务交给最擅长这类问题的 AI 模型来处理。这种做法和设计思路，在最前沿的从业者中已经比较常见了。

但接下来真正重要、还没有被充分讨论的一步是：你该如何将你的公司组织架构重新设计，使它能够映射到一个由 AI 代理构成的系统？同时，你又该如何成为这样一个系统中的优秀“乐队指挥”？

如何用 AI 代理重构公司，以及如何成为一个有价值的人类

MapReduce 论文为大数据时代提出了一个关键洞察：把一件复杂的事情拆分成多个简单的子任务并行处理，然后合并结果。今天，我们正站在一个类似的架构转变的门槛上。不同的是，这次转变不是发生在计算机系统上，而是发生在你的组织架构上。

范阳注：高级智能总会体现在新组织 organization/新生命体 organism 的产生。

你需要重新设计你公司的架构，使其能够适配一个由自主智能代理组成的世界。今天，你的“代理人”是人类；明天，其中一部分将是 AI；再往后，所有的代理都将是 AI。

在这个新范式中，最关键的能力是整体的 “合并函数”——也就是说，你如何裁决那些来自不同 AI 代理的、彼此矛盾的优先级和目标函数？其中大多数判断其实是可以被自动化的，因为“合并”本身在技术上是已被理解的过程。

然而，最有价值的判断不是逻辑线性的，而是与品味有关的非线性选择。因此，作为一个人类，你最重要的任务就是发展你的品味。

范阳注：这里我和人工智能一起撰写了一个类比更好的解释：

想象一下你在厨房里做一顿大餐：你有不同的厨师，每个人负责一道菜。有的人擅长切菜，有的人擅长炒菜，还有人专门做甜点。这些厨师各自有自己的食谱和节奏，但最后你还得把所有菜一起装盘送上桌成为一次完美的“夜宴”——这就是“合并”的过程。

在这个新模式下，最重要的能力，就是扮演好“厨房调度员”的角色，像是“导演”和“交响乐团的指挥”：你要决定哪道菜先上、哪道菜后上，怎么让每个厨师的努力最终形成一桌丰富且和谐的美味。

好消息是，凡是有“固定规则”的部分，例如“汤要最后才裹浇头”“配菜要先切好后烹饪”，这些都能让厨房里自动化——比如设定定时器、程序化地分配食材，机器都可以照着流程走。这相当于把大多数“合并”决策交给系统，让它自动处理。

但最关键的那一眼到那一口，是“根据口感和氛围做微调”的部分。比如你突然觉得这道菜味道不够，需要多放点神秘香料；或者这盘甜点太腻，要换成清新的水果降低甜度。这些“非线性的决定”就像大厨对整体色香味的把控，它不是写在食谱里、让机器自动就能做好的，而是要你用“品味”来判断，甚至就是即兴的艺术。否则，再精细和精密的控制流程也会呈现一顿平庸的饭局，甚至扫兴的体验。

绝大多数人都以为自己有品味，但其实没有。你的“品味”不过是你最喜欢的播客主持人或社交平台 shitposter的话的拼贴和衍生。你所谓的“品味”，在整个人类知识的语料库面前几乎微不足道。更别说现在聪明人还在持续生成你根本处理不过来的合成数据。

要想发展出真正有用的品味，你必须掌握别人没有的独特专有数据或洞察。这意味着你得去做别人没做过的事，赢得别人还没想到的艰难认知。你必须不断积累这些洞见和经验，才能相对于一个通用AI CEO获得竞争优势。。

也许，现在你最重要的目标就是：优化你的人生，以发展这种稀有的“品味”。否则，就会有另一个人类把你彻底自动化掉。