人机放大效应

这个月我又翻了一遍2018年那本《Human + Machine》，书里有个框架老在我脑子里转悠。它把AI怎么放大人的工作效率分了四种架构：一个智能体处理大数据服务一个人、一个智能体服务一群员工、多个智能体共同放大一个人的能力、还有多个智能体并行放大多个人的效率。

八年过去了，除非有人藏着什么黑科技不往外拿，我看咱们这行真正把这几种架构做好的项目寥寥无几。

去年参加的所有智能楼宇AI方案会，都在那大谈特谈抽象的"智能"和"自动化"。但没有一家开场就问《Human + Machine》框架里那个核心问题：我们到底要放大哪个人的什么工作？怎么判断他干完活后确实更轻松了？我琢磨着，大家都不提这茬是因为这比放张机器人大脑的PPT难多了。

拿一个中型办公楼群来说。能源经理、设施总监、租户体验主管和租赁团队，他们需要的AI架构完全不一样。能源经理要的是第一种架构——一个智能体盯着电表数据，自动揪出她肉眼根本看不出来的异常点。设施总监需要第三种架构，多个智能体同时盯着空调、电梯和人员密度，他才能集中精力做真正能省钱的关键决策。租赁团队要的是第二种架构，一个智能体帮他们在多个利益相关方之间排序装修方案。每个岗位都是不同的活，都得算不同的经济账。

再看看市场上能买到什么：一个平台号称能同时搞定这四种需求，谁签单就给谁部署。我怀疑大多数厂商的实际采用率根本没他们吹的那么高。

商业逻辑其实很简单：你说不出被放大的是谁，就量不出创造了多少价值。"我们在整个楼宇群部署了AI"这不叫商业案例。"我们的能源经理在同样人手的情况下，每周多找出40%的能耗异常"这才是商业案例。只有后者才能让合同续签。

我想重点说说第四种架构：多个智能体并行放大多个人的效率。这才是真正能让整个楼宇群产生经济效益的地方。这玩意解决的不是技术问题，而是运营模式问题。因为它需要跨资产的干净数据、统一的活动定义、还有重新设计工作流程的意愿。大多数运营方还没准备好迈这一步，所以大多数厂商也没在卖这玩意。要说刻薄点，我觉得是因为这比做个漂亮的数据面板难演示；要说厚道点，我认为是因为大多数组织更习惯按汇报线运作，而不是按"要完成的任务"来运作。

说这些不是要批评技术本身。自那本书出版以来，模型进步了一大截。但那个框架依然适用。问题出在我们自己没把好关——买了AI却不问清楚到底给谁用。

明年的规划周期，我建议你们做个测试。签任何智能楼宇AI合同之前，让供应商在白板上画出"放大"架构图，把中间那个人标出来。如果他们画不出来，那他们卖你的就是别的东西。