每个时代都有自己的管理软件
如果我们回顾过去三十年企业和组织中的计算机应用，就会发现这种情况屡见不鲜：
- 企业资源计划系统（ERP） （集成管理软件）的创建是为了将会计、库存、采购和生产整合在一起，而在此之前，这些功能都是在彼此无法通信的软件中进行管理的。.
- 客户关系管理 他整理了散落在销售人员、电子表格和通讯录中的客户档案。这又回到了数据收集的问题上。.
- 人力资源信息系统 对工资、休假和人事档案也进行了同样的处理； ; 计算机化维护管理系统（CMMS） 用于维护； ; CMS 网站内容； ; PIM 用于产品宣传单。.
- SaaS 然后将所有服务都改为订阅模式，大大降低了准入门槛。.
- 而这一切，甚至还没提到…… 集成和自动化平台 （Zapier、Make 等）负责在数十个应用程序之间传递数据。.
每次都是同样的机制：先是一波分散的工具涌现，然后中央系统恢复秩序。当前的这波浪潮被称为人工智能。而且它的速度比以往任何一波都要快得多。.
问题：人工智能泛滥
如今，许多公司对人工智能的部署方式就像十年前的SaaS一样：市场部有文本生成器，销售部有客户开发助手，财务部有发票读取工具，客服部有聊天机器人，每个员工都注册了两三个人工智能账户，各自拥有不同的技能。没有人能把握全局。.
它在本地运行效果很好，但很快就会变成一个复杂的系统，存在工具重叠、订阅不断累积、只有作者才能理解的拼凑式自动化，以及有关治理和安全的问题。.
先考虑需求，而不是工具。
第一个纠正措施很简单，而且与技术无关：停止问«我们可以在哪里应用人工智能？»，而应该回到«是什么让我们损失时间、金钱或客户？»这个问题上来。.
需求、目标、指标，只有明确这些，我们才能选择工具。有时，我们选择的工具甚至都不是人工智能。 餐饮报价自动化, 该计算未使用任何人工智能：价格必须是精确的，而不是«可能»的。人工智能在其他方面有其用武之地，例如读取请求或编写消息，或者用于开发工具。.
但是，当有数百个需求、数十种工具和数千名协作者时，仅仅从需求入手是不够的。你需要一个系统来让它们协同工作。.
人工智能中的人工智能：所有其他人工智能的指挥者
这个系统不会取代你现有的任何人工智能，而是让它们协同工作，就像 ERP 系统当年用于会计、库存和采购一样。.
我设想是这样的。.
一位了解整体情况的指挥家
人工智能的人工智能将知道公司里正在运行哪些人工智能，它们用于什么用途，它们可以访问哪些数据，哪些员工可以访问这些数据，以及它们会影响哪些流程。.
当出现需求时，系统不会启动新的工具：而是按正确的顺序激活合适的AI，并为它们提供正确的上下文信息。这样，客户请求就可以先由一个AI读取，再由CRM系统进行信息丰富，然后由计算工具进行量化，最后由另一个AI撰写文案，整个过程无需人工干预。.
针对每项任务选择合适的模型
并非所有模型都一样，价格也各不相同。整理电子邮件和分析合同所需的脑力截然不同。.
这套人工智能系统会根据具体情况选择合适的模型：对于简单的任务，使用体积小、速度快、成本低的模型；对于复杂的推理，使用功能强大的模型；而当数据敏感时，则使用内部托管的模型。如果出现性能更优或价格更低的模型，它还可以切换供应商，而业务用户甚至不会察觉。.
反馈、监控和自动纠正
会默默犯错的人工智能比会崩溃的人工智能更危险。.
人工智能的人工智能系统会持续监控人工智能代理：响应质量、错误、处理时间、成本、异常行为。一旦出现问题，它会自动纠正可以纠正的部分（例如重启任务、更换模型、回滚到之前的版本），并将剩余部分通知人工处理。.
随着时间的推移，它会优化流程：它会识别出速度慢、成本高或未使用的自动化流程，并建议改进或取消它们。.
IT部门和管理层的报告和日志
每个人工智能的每一个操作都会被追踪：谁提出了什么请求，哪个人工智能执行了操作，基于什么数据，结果如何，以及成本是多少。IT部门从中获取安全和审计所需的信息。管理层最终找到了每个人都在问的问题的答案：人工智能究竟能给我们带来什么？
一个让每个人都能表达自己需求的平台
最后，我认为，一个能够满足所有人特定业务需求的控制台将成为核心。.
与其审计团队、制定需求声明、收集数据、处理数据，然后提出通常复杂、成本高昂且耗时的解决方案，我们不如拥抱人工智能在最危险方面的应用风险，让团队表达他们的需求，以便借助人工智能的人工智能为他们提供«易于管理»的解决方案。.
因此，每位员工都会以对话的形式进行交流，描述他们日常工作中遇到的烦心事：«例如，我每周要花两个小时将供应商订单复制到电子表格中»。.
这款能够理解整体上下文的人工智能系统，会利用已验证的工具和人工智能技术提出自动化方案。如果需求超出现有能力范围，它会将问题上报给IT部门或管理层，并提供合格且量化的解决方案，而不是让员工自行摸索网上找到的工具。.
一个非常有趣的副作用是：一次提出的需求就能惠及所有人。如果三个不同的部门提出相同的需求，人工智能的人工智能系统就能识别出来，自动化就变成了一项共享服务，而不是三个并行的变通方案。.
我还要补充一点
- 登记册和生命周期。. 每个人工智能都有管理员、启用日期和评估日期。不再需要的人工智能会被撤回，就像员工离职时账户会被停用一样。.
- 哪怕是最轻微的特权。. 人工智能的权利绝不应该超过为其工作的人类。.
- 每个服务项目一个预算。. 使用人工智能的成本可能在毫无预兆的情况下飙升。其消耗量需要像跟踪费用报表一样，每天进行监控。.
- 非回归检验。. 当供应商更新其模型时，响应也会随之改变。必须自动重现一系列典型案例，以验证系统是否正常运行。.
- 紧急开关。. 只需单击一下即可禁用人工智能、供应商或自动化程序，而无需停止所有操作。.
- 独立于供应商。. 如果你的整个人工智能系统都依赖于单个执行器，那就相当于把房子的钥匙交给了他。.
- 一体化合规。. 在《通用数据保护条例》(GDPR) 和《欧洲人工智能法案》的双重约束下，可追溯性已不再是可选项。一个记录所有信息的系统，使得合规成为一种自然而然的产物，而非一项独立的工作。.
让我们务实地看待这些限制。
如果把人工智能中的人工智能吹捧成灵丹妙药，那就太不诚实了。在我看来，有三个风险相当严重。.
在楼上重建煤气厂。. 经历过长达十八个月的ERP项目的人都知道，一个旨在统一所有功能的系统反而可能成为公司最大的难题。人工智能应该保持轻量级管理层的角色，而不是另一个庞然大物。.
全知全能是有代价的。. 一个能够监控一切、无处不在的系统，同时也是一个单点故障，是攻击者的理想目标。因此，在考虑其功能之前，必须首先考虑其安全性。.
能够纠正人工智能的人工智能仍然是人工智能。. 自我优化可能会误入歧途：一个旨在降低成本的系统，如果无人监管，最终会导致质量下降。自动纠错功能应仅限于可逆操作。对于任何涉及公司决策的操作（例如付款、客户邮件、数据删除），显然都需要人工审批。.
那么，这对于中小企业或创业者来说，实际意味着什么呢？
大型软件发行商会争相以企业级价格向大型企业出售其平台。但对于中小企业、自由职业者或同时使用十几种人工智能工具的信息创业者来说，对结构化的需求是一样的。好消息是，我们现在就可以应用这种逻辑，无需等待完美的软件：
- 清点库存。. 一张简单的表格：哪些人工智能技术，谁在使用，用于什么目的，使用哪些数据，成本是多少，收益如何。你总会发现一些意想不到的东西。.
- 制定三条规则。. 授权工具，您永远不会输入到人工智能中的数据，以及用于验证新自动化流程的数据。.
- 集中存放而不是堆积。. 连接到您的业务工具的主助手（这正是 MCP 连接器所允许的）通常可以取代多个订阅，并记录已完成的操作。.
- 按需自动化, 通过衡量节省的时间，并剔除那些不带来任何利润的事情。.
人工智能无需无处不在。它需要出现在合适的地方，服务于特定目的，并处于某人的控制之下。人工智能的人工智能仅仅是将这种常识产业化的一种方式。那些及早理解这一点的公司，不会比其他公司拥有«更多的人工智能»：它们拥有的人工智能数量会更少，但却是真正有效的人工智能。.
发表回复