工程領域中有一個著名理論，叫做康威定律，這條定律在很大程度上可以解釋為什麼不同的技術時代會產生不同類型的組織。這條定律原本是這麼講的：
設計系統的架構受制於產生這些設計的組織的溝通結構。
比方說，如果你的組織由分布在三個地理位置的三支密切配合的團隊組成，那麼你的軟體可能會由三個主要模組所組成，這些模組內部可能會非常複雜，但模組之間的介面卻很簡單、定義很清晰。
這張圖出自康威定律的一位出色的解釋者，形象地說明了這個想法：
通常，當工程師在討論康威定律時，他們會思考管理者應該如何組織員工才能做出更好的系統設計。但這條定律反過來也是行得通的：我們使用什麼樣的系統決定了我們會有什麼樣的組織。
在網際網路泡沫時代，典型的網際網路初創企業大概是這樣的：
- 高階管理團隊由 MBA 組成
- 馬上籌集 1000 萬美元以上的 A 輪資金
- 聘請數十名工程師
- 一兩年後提交第一個產品
那時候的網際網路是全新的，因此哪怕是建立一個相對簡單的web服務也需要大量投資。你必須在內部搭建一切。
泡沫破滅、MBA 逃離矽谷之後，有很長一段時間都沒有多少初創企業冒出來。創業成本仍然很高，投資者承擔風險的意願也很低。但隨著時間的推移，創業活動又開始升溫。這主要是兩個催化劑的作用。首先，推出了 Ruby on Rails 等開源 Web 框架。這使得規模較小的團隊開發產品更容易了。其次，雲端運算逐漸進入主流。你不需要管理物理硬體，只需註冊一個 AWS 帳戶，再按幾個按鈕就可以加入更多的伺服器。
因為創辦初創企業變得更容易了，所以創業的人多起來了。典型的初創企業組織變得更加簡單：人很少，而且大部分都是技術人員。這種結構讓題目得以快速交付產品，並根據客戶回饋進行迭代。投資者發現了這一點，開始向這種新型團隊開出金額較小的支票。這種投資策略見效了。具有新文化基因的新一波初創企業佔據了主導地位。
正如雲端運算和開源在 2010 年代開啟了「精益創業公司」之風一樣，人工智慧很可能會在 2020 年代開啟一種新型組織。
與精益創業公司一樣，人工智慧時代誕生的初創企業也會從小規模起步。他們將利用開源和雲端運算來快速起步，並進行迭代。但得益於人工智慧，它們會在更長時間內保持較小規模，其中最成功的初創企業將僅靠少數員工即可實現驚人的規模。像 Instagram（13 名員工，最後被Facebook以 10 億美元收購）以及 WhatsApp（也是被Facebook收購，收購金額達 160 億美元，當時只有 35 名工程師，支撐著 4.5 億個使用者）這樣的故事將變得更加普遍。也許我們甚至會看到員工數少於 100 人的公司也能上市。
更重要的是，這種新型組織可以去嘗試新的想法。很難想像這些想法會是什麼樣的，但這是有歷史先例的。在1990年代及2000年代初的時候，2000年代末與2010年代出現的那種奇怪而有趣的初創企業類型相對較少。會消失的圖片資訊？把你的客房出租出去？跟陌生人一起搭車？這些想法放在當時聽起來就很奇怪，但後來卻變成了一門大生意。在一個容易上手的世界裡，像這樣奇怪的想法更有可能出現。當實驗變得更便宜時，更多類型的人可以開展更多種類的實驗。現在的進入門檻已經比以往任何時候都低，但人工智慧足以勝任設計介面、編寫程式碼以及進行行銷活動等事情，所以我們將看到一系列全新的實驗上線。
但要真正瞭解新一波人工智慧原生初創企業會是什麼樣的話，我們需要準確瞭解初創企業會如何利用人工智慧，進而用更少的人完成更多的工作，而康威定律將幫助我們瞭解這可能對組織結構產生什麼樣的影響。
目前很難預測人工智慧未來可執行哪些任務。一方面，一想到人工智慧可能幾乎任何事情都可以做就很興奮，但這感覺更多的奇思妙想而不是具體觀察。另一方面，我們也不能排除這樣一種可能性，也就是我們正沿著人工智慧改進的極端指數曲線發展，極端到根據當前的能力去推斷到很遠的未來沒有任何意義的地步。也許兩年後，我們將擁有讓今天的工具看起來像石頭一樣愚蠢的人工智慧，而十年後，我們將達到奇點，如果是這樣的話，這一切都不再重要。
那麼，在考慮到這一點之後，今天我們使用人工智慧的目的是什麼呢？
有些功能對初創企業的形成和擴張會產生最實際的影響：
- 開發產品和功能。現在大多數工程師都會利用人工智慧來編寫程式碼，而且他們寫程式的速度比以前要快得多了。這意味著你需要得工程師更少了；工程師越少，對複雜組織結構的需求就越少。
- 資料工作。當你想根據資料瞭解什麼東西時，幾乎總是要編寫腳本，把資料轉換成創建圖形或圖表所需的格式。這可能會花費人類大量時間，但人工智慧對於此類工作特別有用。我曾用 ChatGPT 生成過數十個一次性腳本。非常有幫助！像 Seek 這樣的公司正在進一步實現自動化，讓任何人都可以在 Slack 裡面向機器人提問並獲取資料。
- 學習新技術。這一點非常重要，這會以兩種方式影響初創企業。首先，會有全新一代的技術創始人利用 ChatGPT 自學寫程式。學習寫程式比以前容易了一個數量級。其次，跟以前相比，經驗豐富的工程師學習新的程式設計語言和框架要快得多。也許相對之前而言，初創企業現在對聘請專家的需求也會減少。
- 測試軟體。當你擁有可以信賴的測試系統時，你開發功能修改程式碼也會變得更快。自動化的軟體測試發現問題的速度比人類測試人員要快得多。問題是，編寫測試需要花費大量時間。人工智慧非常適合將這一過程自動化。
- 設計介面。 Diagram 和 Galileo 等公司正在幫助設計師提高效率，並幫助非設計師生成出比以前更好的介面。這些工具可以説明你完成從組織 Figma 檔的圖層命名到創建完整設計與互動式原型的所有工作。
- 與使用者溝通。借助 Lex、Jasper 以及 Copy.ai 等工具，可以輕鬆生成和改進各種行銷文案和內容。
- 解析使用者回饋。大多數公司，甚至包括小型初創企業在內，都會收到大量的電子郵件和回饋調查，多到很難將其轉化為可操作的資訊。大語言模型非常擅長析取出主題，並將大量文本總結為摘要，這對於十分忙碌的創始人來說尤其有用。
- 銷售及客戶支援自動化。對於大多數企業來說，銷售和客戶支援是對員工需求最多的崗位之一。這兩者本質上都可以歸結為跟人交談並回答他們有關產品的問題，或代表他們採取行動。有了人工智慧之後，所有這一切都會變得更加容易，從事這些職能的人類將開始表現得更像經理而不是一線員工。
一旦把這些匯總起來，很明顯人類在公司建設當中所扮演的角色將會發生變化。越來越多的業務活動將會委託給機器。人類會設定最初的願景，然後充當黏合劑的作用，把一切連接在一起，並讓其順利運轉。
既有公司會採用其中的很多技術，但較新、規模較小的組織將另闢蹊徑，並探索出未來實現擴張而完全擁抱人工智慧會是什麼樣子。根據康威定律，我們得到的那種產品也會隨著開發產品的組織發生變化而變化。
- 延伸閱讀：AI，究竟是「搶飯碗」還是創造新工作
顯然，沒人知道未來會如何發展。我們還處於理解人工智慧如何應用到商業的最早階段，現在我們能夠做的就是眯起眼睛。但人工智慧的影響無疑十分重大，我們現在設計的系統將決定我們未來的組織。我們有責任確保人工智慧在企業的應用能創造出更美好的未來，而不僅僅是一個更廉價的現在。
加入電腦王Facebook粉絲團