张雪峰去世之后,很多老板才意识到:如果一个业务最值钱的判断长在一个人身上,这个人倒下,公司就没了。 张雪峰卖的从来不只是院校信息;分数线、专业、城市、就业数据,AI 都能整理,家长真正买的是他把孩子的分数、性格、家庭条件和风险偏好放在一起之后,那一下判断。
假的核心是降本增效#
现在一讲 AI 组织,老板最先想到的肯定是降本增效。
这很正常。人力越来越贵,客户越来越难伺候,市场又卷得厉害,AI 突然能写文案、做客服、跑周报、起草销售跟进、写代码,老板当然会想:以前十个人干的事,能不能五个人干;以前半天出的东西,能不能十分钟先有一版。
企业先活下来,才有资格谈组织理想。降本增效是入口,不能嘲笑它。
但它是一个假的核心。
这里说它假,是因为它只碰到表层。只要 AI 让旧流程跑得更快,公司得到的还是旧公司。原来靠人脑补的地方,AI 继续猜;原来靠老板拍板的地方,AI 仍然不知道标准;原来靠老员工兜底的地方,AI 只能读一遍上下文,然后给一个看起来还行的答案。
旧公司慢,错了还有时间发现。AI 加速以后,错的方向也会跑得很快。
AI 组织真正要解决的,是公司里那些值钱的经验和判断,不能继续跟着人走。少招几个人,只是顺带发生的结果。
真实核心是判断留存#
员工离职,最麻烦的地方从来不只是岗位空了。
交接文档能交账号、客户表、项目状态、待办事项。可真正值钱的东西,常常交不出来。
一个运营负责人走了,带走的是投放节奏、渠道感觉、内容判断和对平台脾气的理解。一个销售主管走了,带走的是客户分层、价格边界、回款风险和什么时候该推进、什么时候该闭嘴的分寸。一个项目经理走了,带走的是对人和进度的嗅觉:谁说“快好了”是真的快好了,谁说“差不多”其实还差两天。
这些东西很土,也很细。
可公司每天就靠它们活着。
一个岗位缺人,可以招。一个流程缺人,可以补。一个人身上的隐形系统没留下来,补上来的新人只能重新踩坑。
所以很多老板怕人走,嘴上说怕影响业务,本质上怕的是公司某一块世界模型塌了。客户还在,项目还在,系统还在,可那套“怎么判断”的东西不在了。
AI 组织如果只是往岗位上塞 Agent,没有意义。Agent 可以写日报、回客户、跑数据,但它不知道前任的判断从哪里来,也不知道哪些结论已经被现实打过脸。
经验要留下来,必须变成事件、证据、判断和结果的链条。
老板本人也是公司的单点故障#
员工走,带走经验。老板退,带走方向。
很多公司真正的方向感,不在战略 PPT 里,也不在组织架构图里,而在老板每天那些看似随口的判断里。
产品经理拿一个方案来,老板看一眼,说这个不行。销售想接一个客户,老板听完,说这个客户后面会出事。运营想冲一波活动,老板压住,说现金流先稳住。外人看像拍脑袋,里面的人知道,很多时候老板就是对。
问题在于,老板自己也说不清为什么对。
他只是觉得不对劲,觉得这个客户味道不对,觉得这个项目后面会拖,觉得这个员工不适合放到某个位置。
这听起来像玄学,其实通常来自大量事件的压缩:类似客户踩过坑,类似项目拖垮过团队,类似员工在关键节点掉过链子,类似现金流压力曾经差点把公司拖死。只是这些事件没有被系统记录,最后都压成一句“我觉得”。
小公司靠老板的“我觉得”活着,很正常。老板在场,判断可以直接传下去。公司变大以后,这个结构开始出问题。老板看不到每一步,下面的人只能猜老板标准,有人猜喜好,有人按自己的理解乱跑,有人遇到关键问题就停下来等老板。
表面上公司有部门、有岗位、有流程,实际像很多手脚接在一个大脑上。
老板一退,大脑不在,动作还在,公司方向很快变形。
AI 组织的起点就在这里:把老板脑子里的判断拆出来,让公司不再靠某个人的在场维持。
OpenTSC 把印象拆成事件#
OpenTSC 有意思的地方,就在它没有把 AI 组织理解成“多配几个 Agent”。
它处理的是组织深处的事:怎么把人对人、对项目、对机会的隐性判断,变成可记录、可查询、可审计、可校准的结构。
它不是 CRM。CRM 记录客户是谁、跟进到哪一步、成交金额多少。OpenTSC 关心的是判断怎么来的。
你不能只写“张三靠谱”。你要记录张三在什么时候做了什么,证据来自会议纪要还是聊天记录,可信度有多高,关联到哪个项目,后来结果怎么样。
这一下很关键。
公司里最容易变形的就是印象。一个人最近帮了你,你会忘掉他之前掉过链子;一个客户最近付款爽快,你会忽略他长期压价;一个项目最近数据好看,你会暂时看不见交付压力。
人脑会自动修图,事件流把原片留下来。
OpenTSC 里有事件图谱,有判断引擎,有判断法典,有预测校准。事件先进入系统,判断再根据法典推导出来,情绪不能直接冒充结论。它还会给属性带上可信度、来源和衰减,不让一个很久以前的好印象永远占着位置。
更关键的是校准。
你做了一个判断,不能停在“当时觉得很有道理”。它要有到期日,要回看结果,要知道这次判断是对了、错了,还是只对了一半。
这对老板不一定舒服。很多老板习惯拍板,不习惯让自己的判断被系统对账。
可没有这一步,AI 组织很容易变成老板情绪的放大器。老板喜欢谁,它替谁找证据;老板想做哪个方向,它把那个方向讲得更合理;老板不想面对的风险,它帮老板换一种好听的说法。
那不叫组织大脑。
那只是更会说话的拍马屁系统。
TSC 的薄壳公司,到底薄在哪里#
TSC 比 OpenTSC 更上层,它更像一套组织之法。
它把公司拆成两部分:魂和壳。
魂是公司的法、判断和记忆。什么算好,谁可信,什么值得动用,过去发生过什么,哪些判断被现实证明过,哪些判断后来错了,这些都属于魂。
壳是今天运行这套魂的东西。软件、Agent、团队、模型、流程、技能,都是壳。
薄壳公司的“薄”,不是把公司做小,也不是把人全部裁掉。它说的是壳要轻、要能换、要能迁移;魂要厚、要能沉淀、要能被后来的壳继续使用。
传统公司往往反过来。
壳很厚。部门很多,层级很多,会议很多,审批很多,岗位说明写得很满。魂却很薄。判断在老板脑子里,经验在老员工身上,复盘停在会议室,真正起作用的标准没有进入系统。
于是公司看起来很大,其实很脆。
TSC 的判断很直接:AI 会让执行层越来越便宜,真正稀缺的是意图、判断和校准能力。一个人带一群 Agent 做事,并不难。难的是这群 Agent 到底按什么标准做事,遇到冲突听谁的,判断错了怎么改,下次怎么长记性。
公司可以少人,可以换工具,可以升级模型,可以重写软件。只要魂还在,它仍然是同一个组织。魂一散,壳再漂亮也只是空架子。
张雪峰案例,应该留下判断账本#
把这套东西放回张雪峰这样的业务,就很好理解。
最浅的做法,是做一个“AI 张雪峰”。模仿语气,整理观点,回答家长问题,甚至做得很像。
这能解决一部分咨询需求,但留不下最值钱的资产。
要沉淀的,是判断账本。
每一次咨询都是事件:孩子多少分,哪个省份,家庭条件怎样,性格偏保守还是激进,父母能不能接受异地,专业选择里有哪些硬约束。
每一次建议都是预测:这个选择的风险在哪里,未来几年可能怎么变,录取概率多大,就业反馈可能怎样。
每一次录取结果、大学体验、就业反馈、家庭满意度,都要回到校准系统里。
如果某个专业被长期看好,后来就业变差,要知道错在哪。政策变了,样本偏了,产业周期变了,还是当初对孩子性格的权重给错了。
如果某类家庭总是在选择上后悔,也要知道为什么。是信息不足,还是风险偏好没讲清楚,还是家长嘴上说尊重孩子,最后又按自己的焦虑做了决定。
张雪峰式业务最该保存的东西就在这里。
他的语速、段子、某一次判断的结论,都只是表层;那套能持续被现实校准的判断系统,才该被留下来。
一个人当然会离开,一个人的精力也总有上限。但如果每一次判断都留下事件、证据、预测和结果,组织就不再只靠某个人的身体续命。
AI 组织会更像公会#
TSC 里还有一个变化:未来组织会更像公会,而不像传统公司组织架构图。
传统公司先问谁管谁。公会先问这次任务需要什么职业。
一件事来了,难点在哪里,风险在哪里,哪一下最致命,先看清楚。然后再调角色。
需要有人盯异常,这就是哨兵。需要有人把原始材料变成候选事件,这就是摄入官。需要有人从材料里抽出有价值的判断,这就是蒸馏师。需要有人做带到期日的预测,这就是预言家。需要有人把老板不想看的风险放到眼前,这就是简报官。需要有人把动作跑完,这就是执行者。需要有人发现系统缺什么能力,这就是招募官。
这些名字有点游戏感,但对应的都是现实组织里一直存在的功能。
过去这些功能散在很多人身上,靠老板调度,靠会议同步,靠经验兜底。AI 组织之后,它们可以变成职业、Agent、Skill 和任务配置。
老板的角色也会变。
他不再每天追着每个动作跑。他要写法,定边界,看战报,处理例外,做最承重的判断。
省下来的除了工资,还有老板和核心员工不断重复解释、盯进度、补漏洞、传经验的注意力。
最后:公司变薄,魂变厚#
AI 组织的最终形态,不能停在给每个岗位配一个 AI 助手,也不能走到把公司裁成只剩老板一个人。
它要做的,是把公司里原本靠老板、老员工、资深主管、会议和默契维持的判断力拆出来,留下来,让它能被 Agent 执行,被现实校准,被后来的壳继续使用。
降本增效是入口。
经验不跟着员工走,判断不跟着老板退,方向不随着某个人的身体状态起落,这件事更难,也更值钱。
OpenTSC 给了一个可运行的壳。它用事件、证据、判断法典、校准、身份和职业,把隐性判断变成系统可以处理的东西。
TSC 给了背后的组织法。它讲清楚魂和壳的关系:壳可以换,魂要留下。
未来很多公司都会上 AI。
有些公司只会得到更便宜的执行。
有些公司会得到一套能保存判断、继承经验、持续校准的组织大脑。
前一种公司,员工走了还是会伤筋动骨,老板退了方向还是会变形。
后一种公司,人才仍然重要,老板仍然重要,但公司不再把所有经验和判断压在少数几个人身上。
AI 组织最后会走向这里:公司变薄,魂变厚。
从 AI 算法与模型部署转向 FDE,记录企业 AI 落地、Agent 系统和工具实战。
