
最近有一个反直觉的感受越来越强烈:
我知道这话听起来政治不正确。毕竟"团队协作"这四个字,几乎出现在每一份招聘JD里,每一本管理书的目录里,每一个leader的口头禅里。
但你仔细想想,大多数时候我们协作,真的是因为协作本身有价值吗?
不是的。是因为一个人干不完,或者一个人不会干。
回到第一性原理,协作存在的根本原因只有两个:
一是能力不够。你不会写代码,所以需要一个程序员。你不会做设计,所以需要一个设计师。你不懂财务,所以需要一个CFO。
二是带宽不够。一个人一天只有24小时,一个项目有100件事要同时推进,所以你需要一个团队并行作战。
你看,绝大多数协作的出发点,不是"在一起会更好",而是"一个人搞不定"。
这是一个很重要的区分。
现在发生的事情是,AI同时把这两个约束给松掉了。
能力上,一个人加上AI,可以写代码、做设计、写方案、分析数据、搞研究,覆盖以前需要好几个专业角色才能做的事。你不需要懂Python,AI懂就行。你不需要会Figma,AI能帮你出图。
带宽上,AI不用休息,不用吃饭,不用团建,你可以让它同时帮你跑五件事。
当能力和带宽这两个约束都被大幅放松,协作的"收益侧"就在急剧缩水。
但问题是,协作的"成本侧"从来没变过,甚至还在变大。
协作最大的隐性成本,是信息在传递过程中的压缩和失真。
每一次人与人之间的信息传递,都要经历"编码、传输、解码"三个步骤。你脑子里想的东西,要先变成语言说出来,对方再把你的语言变成他脑子里的理解。
这个过程每一步都是有损压缩。
你心里想的是100分的信息,说出来可能只剩40分,对方听完理解成另一个30分。然后他基于这30分去执行,做出来的东西你一看,"不对,我不是这个意思。"
改,再沟通,再改。
这就是为什么很多团队天天开会,效率反而不如一个人闷头干。不是团队成员能力不行,是信息在协作链路上的损耗太大了。
开会的本质,很多时候就是在修复信息压缩带来的误差。
如果你做过AI应用开发,你一定对"子代理"(Sub-agent)这个概念不陌生。
所谓子代理,就是主Agent觉得一个任务太复杂,于是拆分出去,交给一个子Agent去执行。听起来很合理,很"协作"对吧?
但实际用过就知道,子代理的效果往往不如主Agent自己跑。
原因很简单:上下文割裂。
主Agent知道全局意图,知道所有约束条件,知道之前做过什么决定、踩过什么坑。但子代理拿到的,只是一段被压缩过的指令。它不知道为什么要做这件事,不知道哪些边界条件是隐含的。
所以它经常做出"局部最优,全局不对"的事情。看起来每一步都没错,拼起来就是不对。
每个团队成员就是一个"子代理"。Leader把任务拆分下去,每个人拿到的都是经过压缩的信息。他们不知道全貌,不知道其他人在做什么,不知道leader脑子里那些没说出来的隐含假设。
更麻烦的是,人还会加入自己的理解偏差、情绪和立场。这是AI子代理都不会犯的错误。
不是。但它的适用范围确实在大幅收缩。
有三种协作,AI替代不了。
不是那种"大家都来脑暴一下"的表演式碰撞,而是真正的认知差异带来的新视角。
你的背景、经历和认知框架,决定了你能看到什么,也决定了你看不到什么。AI虽然强,但它的思考框架本质上是你通过提示词塑造的。你想不到的方向,它大概率也想不到。
但一个跟你背景完全不同的人,有可能看到你认知盲区里的东西。这种碰撞产生的价值,是一个人加AI很难复制的。
产品该不该做这个方向?公司该不该接这个客户?这轮融资该不该要?
这类决策需要多个stakeholder各自带着自己的信息、立场和利益参与讨论。这不是效率问题,而是一个治理问题。你没法让一个人加AI替所有人做这种决定。
手术室里的团队,需要每个人同时感知并实时响应一个快速变化的物理环境。战场上的特种部队,需要在毫秒级别做出协同判断。
这种场景对信息带宽的要求极高,而且信息是连续的、感官层面的,不是可以用文字压缩传递的。AI暂时还不行。
所以更精确的说法不是"协作不重要了",而是:
过去的协作,大部分是"你干这块,我干那块,然后拼起来"。这本质上是受限于个体能力和带宽的无奈之举。AI正在消灭这种无奈。
但真正有价值的协作,从来就不是拆任务。而是"我看到的世界和你看到的世界不一样,碰撞之后我们都能看到一个之前各自看不到的东西"。
这种协作不会贬值。它甚至会因为AI放大了个体的执行力,而变得更加稀缺、更加值钱。
因为当一个人加AI就能把事情做出来的时候,真正的瓶颈就不再是"有没有人帮你干活",而是"你能不能看到正确的方向"。
而看到正确的方向这件事,往往不是一个人想得出来的。
· · ·
我建了一个AI学习研究群,目前几十来人,都是在真正动手搞AI的人。如果你也在自己跑模型、写代码、做项目,欢迎点赞关注转发一键三连,然后加我微信,备注写清"你在做的AI方向",聊得来的话我拉你进群。纯围观的和小白就不加了,有一定门槛。
