Anthropic其實(shí)并不AI原生？

Anthropic可能是世界上最懂人工智能的公司之一。

但這并不意味著，Anthropic先天就是一家徹底的《AI原生組織》。

這是個(gè)刺激話題，因?yàn)檫@相當(dāng)于在說(shuō)最頭部的AI公司不AI原生。但實(shí)在涉及AI原生組織到底是什么，所以還真得認(rèn)真寫(xiě)下。

最近，Anthropic發(fā)布了一篇文章，介紹公司如何使用Claude實(shí)現(xiàn)自助式數(shù)據(jù)分析。文章披露，目前Anthropic內(nèi)部95%的商業(yè)數(shù)據(jù)分析請(qǐng)求已經(jīng)由Claude自動(dòng)完成，整體準(zhǔn)確率約為95%。這無(wú)疑是一個(gè)令人印象深刻的成績(jī)。[1]

但文章中真正值得關(guān)注的，可能不是這個(gè)95%，而是另外一個(gè)數(shù)字：

他們的數(shù)據(jù)分析系統(tǒng)上線時(shí)，離線準(zhǔn)確率約為95%；僅僅一個(gè)月之后，準(zhǔn)確率就下降到了約65%。

造成下降的主要原因并不是Claude的模型能力發(fā)生了退化，而是業(yè)務(wù)數(shù)據(jù)模型持續(xù)變化，供Claude使用的Skill文檔沒(méi)有同步更新。

直到Anthropic把Skill文件和數(shù)據(jù)模型放進(jìn)同一個(gè)代碼倉(cāng)庫(kù)，并要求數(shù)據(jù)模型變更時(shí)同步修改相關(guān)文檔，準(zhǔn)確率才重新得到控制。

這個(gè)細(xì)節(jié)暴露了一個(gè)比模型能力更深層的問(wèn)題：

Anthropic或許已經(jīng)在大規(guī)模研發(fā)并使用AI，但它的組織底座仍然不完全是為AI設(shè)計(jì)的。

而它所面臨的組織問(wèn)題其實(shí)也不高級(jí)，和很多創(chuàng)業(yè)公司人員膨脹到100人以上的時(shí)候面對(duì)的問(wèn)題幾乎一模一樣。

一、分析準(zhǔn)確率波動(dòng)，表面是數(shù)據(jù)問(wèn)題，實(shí)質(zhì)是組織狀態(tài)問(wèn)題

Anthropic把數(shù)據(jù)分析錯(cuò)誤歸納為三個(gè)主要原因。

第一，概念和數(shù)據(jù)實(shí)體之間存在歧義。同樣是“活躍用戶”，不同團(tuán)隊(duì)可能采用不同的行為定義、時(shí)間窗口和過(guò)濾規(guī)則。

第二，數(shù)據(jù)源、業(yè)務(wù)定義和數(shù)據(jù)庫(kù)結(jié)構(gòu)會(huì)不斷變化，使已有知識(shí)逐漸失效。

第三，正確的信息雖然存在，但Claude沒(méi)有從龐大的數(shù)據(jù)空間中檢索到它。[1]

這些當(dāng)然是數(shù)據(jù)分析領(lǐng)域的經(jīng)典問(wèn)題。

但從AI原生組織的視角看，它們不應(yīng)當(dāng)只是交給分析系統(tǒng)事后解決的問(wèn)題。（這之后會(huì)產(chǎn)生一大堆打補(bǔ)丁的人，各種title，一定程度上FDE也可以看成是它的后果。）

因?yàn)樗^數(shù)據(jù)，本質(zhì)上不是一堆等待分析的表格，而是企業(yè)經(jīng)營(yíng)狀態(tài)的數(shù)字化表達(dá)，是生產(chǎn)關(guān)系的綜合。

當(dāng)產(chǎn)品定義發(fā)生變化、銷售組織完成調(diào)整、客戶分類標(biāo)準(zhǔn)被修改時(shí)，變化的不只是某張表，而是組織對(duì)現(xiàn)實(shí)世界的解釋方式。

如果這些變化不能同步反映到數(shù)據(jù)模型、指標(biāo)定義、權(quán)限體系、智能體上下文和評(píng)估體系中，說(shuō)明組織仍然存在兩套彼此分離的系統(tǒng)：

一套系統(tǒng)負(fù)責(zé)真實(shí)地經(jīng)營(yíng)業(yè)務(wù)；（大致等于OLTP）

另一套系統(tǒng)事后記錄、解釋和分析業(yè)務(wù)。（大致等于OLAP）

AI只是被放到了第二套系統(tǒng)之上。

這仍然是典型的人類組織結(jié)構(gòu)：人和業(yè)務(wù)系統(tǒng)創(chuàng)造現(xiàn)實(shí)，數(shù)據(jù)團(tuán)隊(duì)整理現(xiàn)實(shí)，AI最后讀取這些整理結(jié)果。

從AI First的角度，這種分離和伺候分離的體系顯然很“土鱉”，并且是禍亂之源。分離之后的統(tǒng)一幾乎難倒了所有公司。

真正的AI原生組織則應(yīng)當(dāng)有所不同：

業(yè)務(wù)運(yùn)行本身就在持續(xù)生成結(jié)構(gòu)化、可驗(yàn)證、可計(jì)算的組織狀態(tài)。

這種狀態(tài)的終極值就是《無(wú)人公司》，這就是為什么我總強(qiáng)調(diào)三部曲的順序是：《AI原生組織》《無(wú)人公司》。

二、Anthropic擁有“數(shù)據(jù)文檔”，但還沒(méi)有完全形成“統(tǒng)一狀態(tài)”

Anthropic在文章中承認(rèn)，一個(gè)業(yè)務(wù)概念可能對(duì)應(yīng)大量貌似合理的數(shù)據(jù)來(lái)源。

以收入為例，Claude面對(duì)的可能不是一個(gè)明確的數(shù)據(jù)實(shí)體，而是數(shù)十個(gè)看起來(lái)都能夠代表收入的表、字段和計(jì)算方式。

Anthropic因此提出，需要建立更少、更嚴(yán)格治理的標(biāo)準(zhǔn)數(shù)據(jù)集，并主動(dòng)淘汰那些近似重復(fù)的數(shù)據(jù)模型。[1]

這項(xiàng)改造非常正確。

但它同時(shí)說(shuō)明，在改造之前，Anthropic內(nèi)部的數(shù)據(jù)現(xiàn)實(shí)仍然是碎片化的?？梢载?fù)責(zé)任的說(shuō)，這是通常的情況，我個(gè)人見(jiàn)過(guò)的每個(gè)公司的數(shù)據(jù)現(xiàn)實(shí)都是這么個(gè)碎片化的。

一個(gè)真正AI原生的組織，不應(yīng)該在AI提出問(wèn)題時(shí)，才讓AI從幾十個(gè)候選數(shù)據(jù)源中猜測(cè)哪個(gè)最接近事實(shí)。

組織應(yīng)當(dāng)在業(yè)務(wù)規(guī)則產(chǎn)生時(shí)，就確定：

• 哪一個(gè)對(duì)象代表客戶；

• 哪一個(gè)狀態(tài)代表活躍；

• 哪一個(gè)事件構(gòu)成收入；

• 哪一種口徑具有最終解釋權(quán)；

• 當(dāng)定義發(fā)生變化時(shí)，哪些系統(tǒng)必須同步更新。

換句話說(shuō)，AI原生組織需要的不是更多數(shù)據(jù)，而是一個(gè)可以被持續(xù)執(zhí)行的組織本體。這個(gè)本體的完整性，實(shí)時(shí)性是生命線。

它不只是數(shù)據(jù)倉(cāng)庫(kù)里的語(yǔ)義層，也不是一份寫(xiě)給Claude閱讀的說(shuō)明文檔，而是業(yè)務(wù)對(duì)象、狀態(tài)、規(guī)則、責(zé)任和行動(dòng)之間的統(tǒng)一映射。

數(shù)據(jù)不是關(guān)于組織的資料，數(shù)據(jù)就是組織本身的可計(jì)算狀態(tài)。而在這里組織既是對(duì)象，也是關(guān)系，甚至還是過(guò)程。

三、Skill文件更像AI時(shí)代的“操作手冊(cè)”

Anthropic目前的解決辦法，是把數(shù)據(jù)模型、語(yǔ)義層、參考文檔、標(biāo)準(zhǔn)儀表盤(pán)以及供Claude使用的Skill文件盡可能放在同一個(gè)代碼倉(cāng)庫(kù)中。

當(dāng)數(shù)據(jù)模型發(fā)生變化，卻沒(méi)有同時(shí)修改對(duì)應(yīng)的Skill文件時(shí)，代碼審查機(jī)制會(huì)發(fā)出警告。

目前，Anthropic大約90%的數(shù)據(jù)模型變更已經(jīng)會(huì)在同一次修改中包含Skill更新。[1]

這已經(jīng)是相當(dāng)先進(jìn)的工程實(shí)踐，但其實(shí)不靠譜。因?yàn)椤胺旁谕粋€(gè)代碼倉(cāng)庫(kù)”中其實(shí)就導(dǎo)入了一個(gè)依賴。不放怎么辦呢？人能都按規(guī)則放么？這種小細(xì)節(jié)反倒是彰顯AI原生組織的背后其實(shí)是：公司運(yùn)營(yíng)、數(shù)據(jù)、架構(gòu)、模型的混合體！

從更嚴(yán)格的AI原生標(biāo)準(zhǔn)來(lái)看，Skill文件依然是一種“外掛式知識(shí)”。

業(yè)務(wù)系統(tǒng)發(fā)生變化之后，人或者AI需要重新修改一份說(shuō)明，告訴Claude新的數(shù)據(jù)模型應(yīng)該如何理解。這個(gè)修改應(yīng)該是內(nèi)置于AI原生組織的，它自己對(duì)此是要有感知的。

它類似過(guò)去的軟件操作手冊(cè)，只不過(guò)現(xiàn)在操作手冊(cè)的讀者從人變成了智能體。

這里的關(guān)鍵在于，只要組織真相與智能體認(rèn)知之間還需要通過(guò)靜態(tài)文檔進(jìn)行轉(zhuǎn)譯，兩者就可能再次發(fā)生偏離。

Anthropic所觀察到的準(zhǔn)確率從95%下降到65%，本質(zhì)上就是這種偏離的結(jié)果。

更徹底的AI原生架構(gòu)不應(yīng)依賴智能體“閱讀最新說(shuō)明”來(lái)理解組織，而應(yīng)當(dāng)讓智能體直接運(yùn)行在版本化、可查詢、可驗(yàn)證的實(shí)時(shí)狀態(tài)之上。

當(dāng)一個(gè)指標(biāo)的定義發(fā)生變化時(shí)，改變的應(yīng)當(dāng)不是一份孤立的說(shuō)明文件，而是一個(gè)原子化的系統(tǒng)版本：

數(shù)據(jù)模型隨之改變，語(yǔ)義定義隨之改變，權(quán)限隨之改變，相關(guān)智能體的上下文隨之改變，評(píng)估用例也隨之改變。

這時(shí)，AI所理解的組織與真實(shí)運(yùn)行的組織才可能始終保持一致。

而達(dá)成這一狀態(tài)的前提是什么？就是我反復(fù)提及的：智能優(yōu)先！AI First！

四、Anthropic的營(yíng)銷系統(tǒng)提供了另一個(gè)證據(jù)

Anthropic還介紹過(guò)其營(yíng)銷運(yùn)營(yíng)團(tuán)隊(duì)如何使用Claude Cowork生成每周經(jīng)營(yíng)報(bào)告。

其中提到，有些指標(biāo)已經(jīng)進(jìn)入儀表盤(pán)，有些還停留在數(shù)據(jù)倉(cāng)庫(kù)中，還有一些甚至尚未進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)，只存在于Slack消息或者會(huì)議記錄里。

過(guò)去，營(yíng)銷運(yùn)營(yíng)人員每周需要花一到兩天尋找和驗(yàn)證這些數(shù)據(jù)；現(xiàn)在，這項(xiàng)工作主要由Claude完成。[2]

這確實(shí)顯著提高了效率。

但它更像是讓一個(gè)非常聰明的數(shù)字員工，在多個(gè)相互割裂的系統(tǒng)之間尋找、拼接和驗(yàn)證信息：

Claude讀取上周報(bào)告，查看最新會(huì)議記錄，搜索Slack，查詢數(shù)據(jù)倉(cāng)庫(kù)，然后生成新的經(jīng)營(yíng)報(bào)告。

這是一種很強(qiáng)的智能體能力，卻未必是一種真正AI原生的組織結(jié)構(gòu)。

因?yàn)锳I承擔(dān)的仍然是過(guò)去由人承擔(dān)的“信息搬運(yùn)與對(duì)賬”工作。

底層的Salesforce、HubSpot、活動(dòng)管理工具、郵件系統(tǒng)、數(shù)據(jù)倉(cāng)庫(kù)和Slack依然彼此分離，只不過(guò)Claude成為了連接這些系統(tǒng)的新膠水。

Anthropic自己也坦率地表示，營(yíng)銷技術(shù)工具之間并不能良好集成，報(bào)告曾經(jīng)需要人工匯總，活動(dòng)需要分別在多個(gè)平臺(tái)中逐項(xiàng)建立。[2]

因此，這套體系更準(zhǔn)確的描述或許是：

AI正在幫助Anthropic駕馭一個(gè)非AI原生的組織基礎(chǔ)設(shè)施。

五、95%的自動(dòng)化，不等于95%的AI原生

這里需要區(qū)分兩個(gè)容易混淆的概念。

一個(gè)概念是AI使用率。

另一個(gè)概念是AI原生程度。

當(dāng)95%的分析請(qǐng)求由Claude完成時(shí)，說(shuō)明Anthropic擁有非常高的AI使用率。

但使用AI完成原有工作，并不意味著組織已經(jīng)圍繞AI的運(yùn)行方式完成重構(gòu)。

AI使用率衡量的是：

原來(lái)由人完成的工作，有多少轉(zhuǎn)交給了AI？

AI原生程度衡量的則是：

如果組織從一開(kāi)始就是由AI參與運(yùn)行的，它的數(shù)據(jù)、流程、權(quán)限、責(zé)任和反饋機(jī)制，會(huì)不會(huì)仍然被設(shè)計(jì)成現(xiàn)在這樣？

如果AI仍然需要閱讀分散的文檔、猜測(cè)指標(biāo)含義、搜索多個(gè)系統(tǒng)、檢查數(shù)據(jù)是否沖突，再由人不斷維護(hù)Skill來(lái)修正理解，那么AI主要還是一個(gè)能力極強(qiáng)的使用者。

它還不是組織系統(tǒng)的原生組成部分。

Anthropic公開(kāi)介紹的許多內(nèi)部案例，也更多表現(xiàn)為員工使用Claude Code完成調(diào)試、生成測(cè)試、制作可視化、建立自動(dòng)化工具以及整理分散的知識(shí)。

這些實(shí)踐顯著提升了個(gè)人和團(tuán)隊(duì)能力，但Anthropic對(duì)這些案例的總結(jié)，仍然更多強(qiáng)調(diào)Claude Code如何增強(qiáng)既有的人類工作流程。[3]

這距離“由AI調(diào)度和運(yùn)行組織”仍然存在明顯差異。

這就有個(gè)滑稽的結(jié)果：因?yàn)楹芏嗳嗽谙駻nthropic這樣的公司學(xué)習(xí)AI原生組織！這和向盲人學(xué)走路是類似的。

這個(gè)經(jīng)實(shí)在是念的不能再歪了！

必須強(qiáng)調(diào)的是：不是說(shuō)Anthropic它們的實(shí)踐中沒(méi)有AI原生的成分，而是說(shuō)不能把它完全的看成AI原生組織。反倒是它模型對(duì)外提供服務(wù)和用戶之間的結(jié)構(gòu)更像AI原生組織！

六、真正的AI原生組織應(yīng)該是什么樣？

真正的AI原生組織，至少需要四個(gè)特征：

第一，從“數(shù)據(jù)采集”轉(zhuǎn)向“狀態(tài)生成”

每一次交易、決策、組織調(diào)整和客戶交互，都應(yīng)當(dāng)直接形成具有明確語(yǔ)義的組織狀態(tài)，而不是事后再由分析人員整理。

第二，從“文檔解釋”轉(zhuǎn)向“規(guī)則可執(zhí)行”

指標(biāo)定義、業(yè)務(wù)規(guī)則、權(quán)限和責(zé)任不能只存在于文檔中，而要成為系統(tǒng)可以直接執(zhí)行和驗(yàn)證的對(duì)象。

第三，從“AI讀取組織”轉(zhuǎn)向“AI支撐組織運(yùn)行”

AI不只是查詢數(shù)據(jù)、生成報(bào)告，而要參與任務(wù)分派、狀態(tài)維護(hù)、異常發(fā)現(xiàn)、資源調(diào)度和結(jié)果反饋。

第四，從“人工維護(hù)一致性”轉(zhuǎn)向“系統(tǒng)確保一致性”

當(dāng)業(yè)務(wù)模型變化時(shí)，數(shù)據(jù)、語(yǔ)義、流程、智能體上下文和評(píng)估體系應(yīng)當(dāng)自動(dòng)形成閉環(huán)，而不是等待某個(gè)人想起修改Skill文件。

只有完成這些轉(zhuǎn)變，企業(yè)才不是把AI放在原有組織之上，而是讓組織本身按照智能系統(tǒng)的方式運(yùn)行。

這些事對(duì)于模型公司反倒是可能更難，因?yàn)樗鼈兲剿餍赃^(guò)強(qiáng)，如果模型公司是徹底的AI原生，那意味著模型能夠訓(xùn)練并且改善自己。

七、Anthropic正在通往AI原生，而不是已經(jīng)到達(dá)

因此，說(shuō)“Anthropic并不AI原生”，并不是說(shuō)Anthropic使用AI的水平不高。

恰恰相反，正因?yàn)锳nthropic已經(jīng)把Claude深入應(yīng)用到數(shù)據(jù)分析、軟件開(kāi)發(fā)、營(yíng)銷運(yùn)營(yíng)和知識(shí)管理中，它才更早暴露出下一階段的問(wèn)題：

模型越來(lái)越強(qiáng)之后，限制AI效果的已經(jīng)不再只是模型，而是組織能否提供穩(wěn)定、一致、實(shí)時(shí)和可執(zhí)行的狀態(tài)。

Anthropic的數(shù)據(jù)分析系統(tǒng)從95%準(zhǔn)確率下降到65%，并不是一次簡(jiǎn)單的工程事故。

它揭示了AI時(shí)代一個(gè)更普遍的規(guī)律：

當(dāng)AI開(kāi)始大規(guī)模進(jìn)入企業(yè)，組織內(nèi)部所有長(zhǎng)期被人類經(jīng)驗(yàn)掩蓋的數(shù)據(jù)歧義、系統(tǒng)割裂、定義沖突和狀態(tài)延遲，都會(huì)被迅速放大。

Claude可以幫助人類不斷修補(bǔ)這些裂縫。

但真正的AI原生組織，不應(yīng)當(dāng)依賴一個(gè)更聰明的AI不停尋找和修補(bǔ)裂縫，而應(yīng)當(dāng)從根本上不讓這些裂縫產(chǎn)生。

從這個(gè)角度看，Anthropic可能是世界上AI使用程度最高的公司之一，但它仍然是一家正在從“AI增強(qiáng)組織”走向“AI原生組織”的公司。

而這或許也是這篇文章最有價(jià)值的地方：

它證明了即使擁有世界上最先進(jìn)的模型，也不能自動(dòng)獲得一家《AI原生組織》。

參考資料

[1] Anthropic，《How Anthropic enables self-service data analytics with Claude》
https://claude.com/blog/how-anthropic-enables-self-service-data-analytics-with-claude

[2] Anthropic，《How Anthropic’s marketing operations team uses Claude Cowork to automate reporting and campaign builds》
https://claude.com/blog/how-anthropics-marketing-operations-team-uses-claude-cowork-to-automate-reporting-and-campaign-builds

[3] Anthropic，《How Anthropic teams use Claude Code》
https://claude.com/blog/how-anthropic-teams-use-claude-code