最近一个月，身边越来越多人感慨奇点到来了。LLM 和 Agent 成熟之后，用好的人效率提升很夸张。

夸张到什么地步呢？OpenClaw 这个开源项目，近 40 万行代码、GitHub 近 20 万 Star，一个人 3 个月写出来的。放到 24 年，一个 20 人的研发团队干 3 个月也不一定有这个产出。

但我也遇到一个真实的困惑：个体效率确实飙升了，但组织的产出效率，远远达不到预期。

带着这个困惑，我去翻了一段历史，电气革命。发现一百多年前，人们踩过一模一样的坑。

01. 电气革命里被浪费的几十年

1880 年代，电动机开始进入工厂。当时人们觉得，电力比蒸汽高效太多了，未来一定属于电力。

结果呢？到了 1900 年，电动机只占美国工厂机械动力的不到 5%。

不是电动机不好用。是大部分工厂做了一件看起来特别合理的事：把蒸汽机拆了，装上电动机，其他啥也没改。

工厂布局没动，还是围绕一个中央动力源设计的，所有机器靠传动轴和皮带连在一起。岗位分工没动。管理方式没动。

工人是轻松了一些，但整体产量就那样。

经济史学家 Paul David 专门研究过这个现象，管它叫生产力悖论：技术明明到了，生产力就是不涨。

02. 像不像你们公司现在的样子？

我自己观察下来，现在绝大多数公司做的事情，本质上就是「给员工发一个 AI 账号」。

Cursor 买了，Claude 会员开了。员工确实快了，代码写得快了，文案出得快了，PPT 做得快了。

然后呢？

说句不太好听的：效率提升省出来的时间，很大一部分变成了摸鱼时间，甚至人变懒了，有些人 AI 用的不好，导致质量还下降了。

岗位职责没变，协作流程没变，汇报关系没变，绩效考核没变。个体快了，但组织的瓶颈还卡在那。

以前，写代码贵、出设计贵、做 PPT 贵，所以组织的核心工作是：把执行任务分配好、协调好、管理好。

AI 来了以后，执行变得很便宜了。一个人加 AI 能写以前五个人的代码。

那什么变贵了？

我觉得是想清楚做什么。

定义一个有价值的问题、想清楚该怎么解决、让团队理解并对齐。这些能力突然变得比执行重要得多。

但大部分组织的结构，还是为「管理执行」设计的。

层层审批是为了管执行质量，细化分工是为了管执行效率，周报月报是为了管执行进度。

当执行不再是瓶颈的时候，这些东西不只是多余，可能还在挡路。

跟一百年前的工厂一样：换了个动力源，生产线还是老样子。

03. 当年福特做对了什么？

电气革命里，第一个真正吃到红利的是福特。

1913 年，福特在 Highland Park 工厂搞出了流水线。

这条流水线能成，不是因为福特的电动机比别人好。是因为他想明白了一件事：电动机和蒸汽机有一个本质区别。每台机器可以有自己独立的电动机，不用再通过传动轴串在一起。

蒸汽机时代，工厂的布局是被动力传输方式决定的。所有机器必须围着中央蒸汽机转，用传动轴和皮带把动力送过去。怎么排机器、工人站哪里，不是按效率来的，是按「离动力源近不近」来的。

福特反过来想：既然每台机器可以独立供电了，那设备可以完全按照生产流程来排。于是他从零设计：设备顺着流程排，传送带连接每个工位。

结果：一辆车的组装时间从 12.5 小时干到 93 分钟。1923 年，福特一家就占了美国汽车市场 60% 以上的份额，全球超过一半的注册汽车都是福特。

不是因为他更早用了电动机。是因为他围绕电动机的特性，把工厂重新设计了一遍。

04. 执行便宜了，然后呢？

现在 AI 对个体的放大已经很夸张了。一个人写 40 万行代码，一个人做出以前一个团队才能做出的产品。

但大部分组织还在「换动力」，配了 AI 工具，组织本身纹丝不动。

我最近反复在想的一个事是：AI 让「做事」变便宜了，但「想清楚做什么事」并没有变便宜。甚至因为能做的事变多了，选择变难了，这部分反而更贵了。

以前的组织，本质是一台「执行机器」。老板想清楚做什么，然后拆解成任务，分配给不同的人去执行。组织的效率 ≈ 执行的效率。

执行被 AI 大幅提速了，但「想清楚做什么」这一步没有被提速。甚至因为执行速度快了，能在更短时间内生产出更多的垃圾。

AI 时代组织真正需要的能力变了：

以前最重要的是执行力，能不能把想好的事做出来。

现在最重要的可能是定义问题，能不能想清楚什么事值得做、问题到底是什么。

以及对齐能力，组织能不能让每个人理解为什么做这件事，而不只是分配任务。

05. 我自己的一些摸索

我们团队 10 个人做「月见 APP」，AI 确实帮了很大的忙。

但我越来越觉得，省下来的「执行时间」有没有变成「思考时间」，才是关键。很多时候没有。大家做得更快了，但不一定想得更清楚了。包括我自己。

所以，我最近打算做一个比较大的调整：取消前端、客户端、后端这样的技术分工，也取消产品和技术的分工。

为什么？因为在 AI 的加持下，每个人都可以突破自己原来的边界。我是产品经理出身，现在借助 AI 能做一些基础开发。同样，过去的程序员也完全可以借助 AI 完成基础的产品工作，比如调研竞品、分析需求、设计方案。

具体一点说，我打算用管理业务的方式来管理团队，每个人都背具体的业务目标。

比如，以前的「前端工程师」，以后的职责不再是「完成产品经理写的需求」，而是「负责 APP 的分享传播」。他要自己去调研竞品怎么做分享、想清楚我们该怎么做、跟客户端设计协作、自己写分享的 H5 或小程序。责任不再是把需求做完，而是拿到业务结果。

这背后的逻辑跟前面讲的是一回事：执行便宜了，「想清楚做什么」才是瓶颈。

如果还是老板/产品经理想、员工干，那瓶颈全压在了老板/产品经理身上。让每个人都参与到「定义问题」和「定义价值」里来，组织才能真正用好 AI 带来的执行效率。

当然，这也只是我的一种尝试，做下去可能会发现新的问题。但至少方向上，我觉得「让每个人都成为业务的 owner，而不只是执行者」，可能是 AI 时代组织变革的一个关键。

06. 不会再有 40 年了

电气革命从 1880 年代到 1920 年代福特碾压同行，中间隔了差不多 40 年。

那时候变化慢，工厂有的是时间慢慢适应。

AI 不会给这个时间。技术迭代的速度跟一百年前完全不是一个量级。以前有 40 年，现在可能只有一两年，甚至是半年。

我觉得最危险的状态不是「没用 AI」，而是「用了，但什么都没变」。因为你觉得自己已经跟上了，就不再想这件事了。

就像 1900 年那些装了电动机的工厂主，觉得自己已经拥抱新技术了。二十年后被福特碾过去的时候，他们可能还没反应过来。

工具到了。但工具解决的是执行。

真正的瓶颈已经悄悄换了。