今年 3 月，Swan AI（getswan.ai）的CEO Amos Bar-Joseph發(fā)布了一項令人震驚的聲明：這家僅由三位創(chuàng)始人組成的初創(chuàng)公司計劃在不雇傭任何額外員工的情況下，實現(xiàn)3000萬美元的年度經(jīng)常性收入。他們將通過部署一個由20多個智能體組成的內(nèi)部網(wǎng)絡(luò)來實現(xiàn)這一目標(biāo)，有效地構(gòu)建一個"智能網(wǎng)絡(luò)"而非傳統(tǒng)組織。用Bar-Joseph的話說，他們已經(jīng)"徹底顛覆了即有模式"，用能夠在企業(yè)規(guī)模上運行的自主智能體，取代了傳統(tǒng)的部門和人員增長。

Swan AI CEO關(guān)于3000萬美金目標(biāo)的聲明

幾乎與此同時，Shopify的CEO Tobi Lütke（托比亞斯·呂特克）也確認(rèn)了這家全球最大的電子商務(wù)平臺之一的戰(zhàn)略轉(zhuǎn)變：對AI的采用將成為Shopify的基本期望，不僅是為了改進工作流程，更是作為任何新人力招聘的首要替代方案。在一份他公開發(fā)布的備忘錄中，Lütke強調(diào)，Shopify現(xiàn)在默認(rèn)的假設(shè)是，在開放新的人力職位之前，先問"這項工作AI能做嗎？"

Shopify CEO關(guān)于AI作為人力招聘替代方案的備忘錄報道

這兩個公告，盡管背景不同——一個是高速增長的初創(chuàng)公司，一個是科技巨頭——指向了一個深刻的轉(zhuǎn)變：企業(yè)正開始超越，將生成式AI簡單地整合為員工輔助工具，轉(zhuǎn)而采用Agentic AI——能夠以極少或無需人類監(jiān)督的方式自主發(fā)起、協(xié)調(diào)和完成復(fù)雜任務(wù)的AI系統(tǒng)。這不是AI工具的升級，而是一場戰(zhàn)略范式的轉(zhuǎn)移——AI不再"支持"戰(zhàn)略，它就是戰(zhàn)略本身。

本文將深入探討"自主商業(yè)模型"（Autonomous Business Models, ABM）這一新興概念，揭示它如何重塑戰(zhàn)略、競爭與組織的未來。我們將系統(tǒng)闡述ABM的演進路徑、核心機制與戰(zhàn)略影響，并探討這一轉(zhuǎn)變帶來的深層挑戰(zhàn)與研究方向。

從"生成式AI"到"Agentic AI"：技術(shù)躍遷的認(rèn)知重構(gòu)

生成式AI（Generative AI）的局限

在理解ABM之前，我們必須首先厘清Agentic AI與早期AI形式的區(qū)別。生成式AI（如ChatGPT）擅長根據(jù)提示生成內(nèi)容（文本、圖像等），但它本質(zhì)上是被動響應(yīng)的工具。當(dāng)營銷人員要求生成一封電子郵件草稿時，生成式AI會提供內(nèi)容，但不會主動采取后續(xù)行動。它的角色定位是工具（Tool）——需要人類明確指示才能工作，且僅限于內(nèi)容生成，不涉及決策或行動執(zhí)行。

生成式AI的局限性在于它無法獨立思考、設(shè)定目標(biāo)或管理復(fù)雜工作流程。它依賴于人類的持續(xù)指導(dǎo)，無法在沒有明確指令的情況下自主推進任務(wù)。這種AI可以提高效率，但不會從根本上改變業(yè)務(wù)流程或戰(zhàn)略執(zhí)行方式。

Agentic AI 的核心特征

與生成式AI不同，Agentic AI代表了AI技術(shù)的關(guān)鍵進化：它不僅能生成內(nèi)容，還能生成并執(zhí)行行動。根據(jù)Bohnsack和de Wet的定義，Agentic AI是生成式AI的一個特定子集，其特點是自主性：它不僅能在請求下生成內(nèi)容，還能主動發(fā)起、管理工作流程、與其他系統(tǒng)或智能體交互，并基于目標(biāo)持續(xù)學(xué)習(xí)和適應(yīng)。

Agentic AI的核心特征包括：

• 自主性（Autonomy）：能夠設(shè)定中間目標(biāo)，獨立采取行動以實現(xiàn)預(yù)定義目標(biāo)
• 協(xié)調(diào)性（Coordination）：管理多步驟工作流程，與其他系統(tǒng)或智能體交互
• 適應(yīng)性（Adaptation）：基于反饋和結(jié)果持續(xù)學(xué)習(xí)和優(yōu)化

從技術(shù)構(gòu)成上看，Agentic AI結(jié)合了大型語言模型（LLM）的語言和推理能力與強化學(xué)習(xí)和規(guī)劃算法帶來的戰(zhàn)略決策能力。這種組合使系統(tǒng)能夠自主感知環(huán)境、做出決策、執(zhí)行行動并從結(jié)果中學(xué)習(xí)，從而展示出真正的"能動性"（agency）。

案例對比：

• 生成式AI：營銷人員提示"為我們的SaaS產(chǎn)品寫一封冷郵件"，AI生成草稿。
• Agentic AI：自主識別目標(biāo)客戶→分析客戶特征→撰寫個性化消息→執(zhí)行外聯(lián)→跟蹤響應(yīng)→分析轉(zhuǎn)化率→優(yōu)化策略→預(yù)約會議，全程無需人工干預(yù)。

為什么"Agentic AI"是ABM的驅(qū)動器？

Agentic AI之所以成為ABM的關(guān)鍵驅(qū)動器，是因為它使AI從"戰(zhàn)術(shù)層輔助"躍升為"戰(zhàn)略層執(zhí)行"。在早期階段，AI主要在戰(zhàn)術(shù)層面支持人類工人（如撰寫郵件、創(chuàng)建營銷材料或輔助分析）。然而，隨著企業(yè)采用Agentic AI，AI系統(tǒng)本身開始配置和操作商業(yè)模式的顯著部分。

這種轉(zhuǎn)變重新定義了戰(zhàn)略、商業(yè)模式和戰(zhàn)術(shù)之間的關(guān)系。傳統(tǒng)上，戰(zhàn)略是高層計劃，商業(yè)模式是價值創(chuàng)造邏輯，戰(zhàn)術(shù)是日常執(zhí)行。但在ABM中，AI系統(tǒng)不僅執(zhí)行戰(zhàn)術(shù)，還能動態(tài)調(diào)整商業(yè)模式本身，使戰(zhàn)術(shù)與戰(zhàn)略融為一體。價值創(chuàng)造、交付和捕獲的核心機制現(xiàn)在可以由智能體以最小的人類干預(yù)來處理。

ABM的演進路徑：從人類驅(qū)動到AI驅(qū)動

下圖清晰地描繪了從傳統(tǒng)商業(yè)模式到完全自主商業(yè)模型的五個階段演進全景，每個階段都代表了不同的AI角色、人類角色和治理邏輯。

自主商業(yè)模型的演進路徑

五大階段演進全景

下面是從傳統(tǒng)商業(yè)模式到完全自主商業(yè)模型的五個階段演進路徑，每個階段代表了不同的AI角色、人類角色和治理邏輯：

ABM演進的五個階段特征對比

這一演進路徑展示了商業(yè)模型如何從完全人類驅(qū)動逐步過渡到AI驅(qū)動。值得注意的是，這種轉(zhuǎn)變不是簡單的技術(shù)升級，而是組織邏輯的根本重構(gòu)。隨著企業(yè)向ABM演進，兩個關(guān)鍵動態(tài)開始發(fā)揮作用：

• 商業(yè)模式自主化（Business Model Autonomization）：運營和適應(yīng)功能逐漸轉(zhuǎn)移給智能體
• 認(rèn)知卸載（Cognitive Offloading）：將戰(zhàn)略推理過程（如推理、優(yōu)化和實驗）委托給AI系統(tǒng)

這兩個動態(tài)最終導(dǎo)致"Human-in-the-loop"的移除，使AI系統(tǒng)能夠完全自主運行。這個五階段特征，讓我想起之前發(fā)的另外一篇文章，有興趣的小伙伴可以擴展閱讀??《掌控 AI 智能體自主性：五級框架下的人機協(xié)作之道（萬字）》。這篇智能體自主性分級，可以讓你在面對具體場景時，厘清一些設(shè)計基線。

經(jīng)典三層次模型回顧

戰(zhàn)略學(xué)者長期以來區(qū)分戰(zhàn)略、商業(yè)模式和戰(zhàn)術(shù)，以突出企業(yè)內(nèi)不同層次的決策。如果戰(zhàn)略類似于設(shè)計和制造汽車，商業(yè)模式就是汽車本身，而戰(zhàn)術(shù)則是如何駕駛汽車。

• 戰(zhàn)略（Strategy）：企業(yè)為獲得競爭優(yōu)勢而采用的高層計劃或愿景——本質(zhì)上是選擇競爭方式。例如，Ryanair選擇了針對價格敏感型旅客的低成本戰(zhàn)略。
• 商業(yè)模式（Business Model）：企業(yè)價值創(chuàng)造和捕獲機制的邏輯——資源、活動和產(chǎn)品如何組合以向客戶提供價值并將其轉(zhuǎn)化為利潤。Ryanair的商業(yè)模式包括點對點航班、單艙無附加服務(wù)、次要機場、直接在線銷售和附加收入流。
• 戰(zhàn)術(shù)（Tactics）：企業(yè)在給定商業(yè)模式范圍內(nèi)為提高績效或應(yīng)對日常挑戰(zhàn)而采取的選擇和行動（例如定價調(diào)整、營銷活動或運營調(diào)整），而不會從根本上改變模式。

這一框架可以通過航空業(yè)的經(jīng)典例子來說明：英國航空采用差異化戰(zhàn)略針對商務(wù)和高端休閑旅客，轉(zhuǎn)化為樞紐輻射式網(wǎng)絡(luò)、多艙服務(wù)、廣泛的機上服務(wù)和旅行社分銷的商業(yè)模式；而Ryanair則采用低成本戰(zhàn)略，選擇點對點航班、單艙無附加服務(wù)、次要機場和直接在線銷售的商業(yè)模式。

Agentic AI如何打破三者邊界？

傳統(tǒng)模式下，人類制定戰(zhàn)略→設(shè)計商業(yè)模式→執(zhí)行戰(zhàn)術(shù)。然而，隨著Agentic AI的整合，這種關(guān)系正在發(fā)生根本性變化：

• 戰(zhàn)略制定：人類仍然設(shè)定總體目標(biāo)和約束條件，但戰(zhàn)略選擇越來越受到AI系統(tǒng)能力的影響
• 商業(yè)模式執(zhí)行：AI系統(tǒng)成為商業(yè)模式的主要執(zhí)行者，不僅執(zhí)行預(yù)定義流程，還能根據(jù)市場反饋動態(tài)調(diào)整
• 戰(zhàn)術(shù)與戰(zhàn)略融合：在ABM中，戰(zhàn)術(shù)執(zhí)行與戰(zhàn)略決策之間的界限變得模糊，因為AI系統(tǒng)能夠基于實時數(shù)據(jù)進行戰(zhàn)略級調(diào)整

在ABM中，商業(yè)模式不再是靜態(tài)設(shè)計，而是一個持續(xù)演化的系統(tǒng)。AI系統(tǒng)能夠感知市場條件、做出運營決策，并在沒有人類持續(xù)干預(yù)的情況下學(xué)習(xí)和適應(yīng)。就像自動駕駛汽車可以感知環(huán)境并在沒有人類干預(yù)的情況下駕駛一樣，自主商業(yè)模式能夠在沒有人類持續(xù)干預(yù)的情況下感知市場條件、做出運營決策并學(xué)習(xí)適應(yīng)。

這一轉(zhuǎn)變對戰(zhàn)略管理具有深遠(yuǎn)影響。戰(zhàn)略不再是高層管理者制定的靜態(tài)計劃，而是成為一種由AI驅(qū)動的連續(xù)學(xué)習(xí)系統(tǒng)，通過算法執(zhí)行、適應(yīng)性反饋循環(huán)和機器速度的響應(yīng)來塑造。

自主商業(yè)模型（ABM）的三大核心機制

機制一：代理式執(zhí)行（Agentic Execution）

在ABM中，AI系統(tǒng)不再是決策支持工具；它們是執(zhí)行商業(yè)模式邏輯的主要智能體。這意味著AI工廠驅(qū)動企業(yè)如何與客戶互動、配置運營以及響應(yīng)不斷變化的輸入。

Swan AI的案例完美詮釋了這一點：一旦客戶設(shè)置了初始參數(shù)（目標(biāo)客戶資料、活動目標(biāo)、基本消息模板），智能體就會接管。它從網(wǎng)絡(luò)和內(nèi)部數(shù)據(jù)庫中爬取匹配資料的潛在客戶列表，起草定制的外聯(lián)消息（利用能夠根據(jù)行業(yè)和收件人調(diào)整語氣和內(nèi)容的大型語言模型），并管理電子郵件或聊天溝通。它從響應(yīng)中學(xué)習(xí)，例如如果某些主題行或價值主張獲得更好的參與度，它會在未來消息中調(diào)整其方法。當(dāng)潛在客戶表示興趣或想要預(yù)約會議時，智能體甚至可以與日歷系統(tǒng)交互，安排客戶團隊中的人類銷售人員會面。

在這個過程中，人類團隊主要專注于開發(fā)AI、維護質(zhì)量（確保AI在溝通中不會偏離品牌或違反合規(guī)規(guī)則）以及業(yè)務(wù)開發(fā)以獲取客戶。Swan AI的業(yè)務(wù)模式幾乎"自主"，因為一旦系統(tǒng)設(shè)置好，價值（合格的銷售線索）的創(chuàng)造和交付幾乎不需要持續(xù)的人工輸入。AI實際上在日常運行服務(wù)。

機制二：最小人類干預(yù)（Minimal Human Intervention）

自主性不是二元的，而是沿著連續(xù)體測量的。ABM減少了例行決策中人類參與的頻率和必要性。人類監(jiān)督變成基于例外的，僅在AI標(biāo)記新場景或戰(zhàn)略目標(biāo)更新時激活。與傳統(tǒng)模型相比，人類的操作工作量急劇下降。

Swan AI展示了這種最小干預(yù)的實踐：其智能體在銷售漏斗的線索生成和資格認(rèn)證階段幾乎處理所有事情，無需人類微觀管理。人類僅在需要面對面討論和建立關(guān)系以完成交易的復(fù)雜談判中介入。客戶必須信任Swan的AI在溝通中專業(yè)地代表其公司品牌形象，Swan通過允許初始定制并提供AI交互的透明度或記錄來解決這一問題。

這種最小干預(yù)模式帶來了新的挑戰(zhàn)：如何建立信任、確保品牌一致性、處理合規(guī)問題，以及在AI表現(xiàn)不佳或遇到超出其能力范圍的復(fù)雜情況時進行有效干預(yù)。ABM需要新的監(jiān)督和信任建設(shè)舉措，以平衡自主性和控制。

機制三：自適應(yīng)決策循環(huán)（Adaptive Decision Cycles）

ABM不是靜態(tài)的自動化系統(tǒng)。它們是動態(tài)的、數(shù)據(jù)驅(qū)動的學(xué)習(xí)者，通過反饋循環(huán)不斷自我改進。核心循環(huán)包括感知環(huán)境（通過數(shù)據(jù)收集）、決策（通過AI算法）、學(xué)習(xí)和改進。這種持續(xù)的適應(yīng)循環(huán)使商業(yè)模式能夠?qū)崟r演變，而無需手動重新編程。

在Swan AI的案例中，隨著其智能體收集更多關(guān)于銷售外聯(lián)方法的數(shù)據(jù)（哪些短語獲得響應(yīng)、哪些行業(yè)在特定時間有更高的命中率等），它們變得越來越智能和有效，創(chuàng)造了潛在的數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)。每個新客戶活動提供新的訓(xùn)練數(shù)據(jù)和輸入，改進所有客戶的AI（假設(shè)學(xué)習(xí)被聚合）。這意味著Swan AI的服務(wù)可以持續(xù)改進，并且如果它獲得顯著的市場份額，可能會獲得越來越大的優(yōu)勢。

Ryanair如果采用"AI工廠"模式，其自適應(yīng)循環(huán)將體現(xiàn)在動態(tài)優(yōu)化航線、定價、飛機維護和輔助服務(wù)定價上，基于當(dāng)前需求和競爭壓力。價值不再來自商業(yè)模式的靜態(tài)設(shè)計，而是來自其動態(tài)響應(yīng)能力。

重要區(qū)別：ABM ≠ 自動化 ≠ 數(shù)字化

• 自動化：固定流程（如ERP記賬），業(yè)務(wù)模式邏輯仍由人類判斷驅(qū)動
• ABM：智能體具有決策自主性，能夠動態(tài)調(diào)整價值創(chuàng)造邏輯

ABM的兩條路徑：初創(chuàng)企業(yè) vs. 現(xiàn)有企業(yè)

初創(chuàng)企業(yè)：從零構(gòu)建"AI原生"組織（Swan AI）

Swan AI代表了一種新型初創(chuàng)企業(yè)，它從一開始就將自主性設(shè)計到其業(yè)務(wù)模式中。成立于2020年代初的以色列，Swan AI期望通過自動化B2B銷售過程的繁瑣早期階段來"讓銷售回歸人性化"。該公司為企業(yè)提供AI驅(qū)動的服務(wù)，自主生成和培養(yǎng)銷售線索。

Swan AI的商業(yè)模式本質(zhì)上是數(shù)字化和服務(wù)導(dǎo)向的：客戶（其他企業(yè)）訂閱其AI銷售智能體服務(wù)，按月付費或按合格線索付費。價值主張很明確——更多線索和更少例行工作，因為AI可以并行接觸數(shù)千個潛在客戶，這是人類銷售代表難以經(jīng)濟有效地做到的。

Swan AI的內(nèi)部運營可能由一個小型人類團隊組成——產(chǎn)品（即AI銷售智能體）完成了隨著客戶數(shù)量增加而擴展的大部分工作。初創(chuàng)公司的成本結(jié)構(gòu)將主要由計算資源和AI開發(fā)主導(dǎo)，而不是雇傭大量員工。其收入隨著AI能夠處理的客戶和活動數(shù)量而增長，而這又取決于計算規(guī)模，而不是線性招聘。

這種模式展示了初創(chuàng)企業(yè)構(gòu)建ABM的優(yōu)勢：

• 敏捷性：沒有歷史包袱，組織設(shè)計圍繞AI展開
• 成本結(jié)構(gòu)：隨著規(guī)模增長，邊際成本幾乎為零
• 數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)：每個新客戶都使系統(tǒng)對所有客戶更智能

然而，Swan AI也突顯了ABM的當(dāng)前限制和挑戰(zhàn)：

• 自主范圍狹窄：目前僅限于銷售外聯(lián)
• 信任問題：客戶必須信任AI代表其品牌
• 競爭風(fēng)險：如果算法變得商品化，自主模型本身可能不足以提供競爭優(yōu)勢

現(xiàn)有企業(yè)：漸進式"AI嵌入"（Ryanair）

重要提示：以下關(guān)于Ryanair的案例分析是基于參考資料《AI is the Strategy》中明確指出的"假設(shè)性未來場景"（hypothetical future scenario），而非當(dāng)前實際情況。

Ryanair是歐洲最大的低成本航空公司，是緊密集成、高效率商業(yè)模式的典范。自1990年代以來，其戰(zhàn)略一直專注于成本領(lǐng)導(dǎo)：通過無情地削減成本和貨幣化輔助服務(wù)提供最低票價。

瑞安航空（Ryanair）的業(yè)務(wù)模型：選擇與后果

這一戰(zhàn)略轉(zhuǎn)化為具有以下特點的商業(yè)模式：單一機型機隊（波音737，用于維護和培訓(xùn)的規(guī)模經(jīng)濟）、使用收費較低的次要機場、無附加服務(wù)（最初沒有免費餐食或指定座位）、直接在線銷售（繞過旅行社）以及來自附加服務(wù)的收入（例如優(yōu)先登機、行李限額以及通過合作伙伴提供的酒店和租車費用）。

Ryanair主要使用AI和高級分析來增強其決策和運營，符合其現(xiàn)有模式：

• 收益管理系統(tǒng)：實時調(diào)整機票價格，基于需求、預(yù)訂速度、剩余容量和競爭定價
• 路線和調(diào)度優(yōu)化：模擬各種網(wǎng)絡(luò)場景，決定服務(wù)哪些新城市對或如何調(diào)整頻率
• 預(yù)測性維護：分析飛機傳感器數(shù)據(jù)以預(yù)測組件故障，允許主動維護
• 個性化推薦：在移動應(yīng)用和網(wǎng)站上推薦附加服務(wù)（如目的地酒店交易或旅行保險）
• 聊天機器人：處理常見客戶查詢，減少呼叫中心員工需求

然而，這些應(yīng)用都是AI增強的——人類仍然做出關(guān)鍵戰(zhàn)略決策，如在哪里擴展、如何處理競爭對手的舉動以及如何平衡成本削減與客戶滿意度。Ryanair的核心價值主張（低票價）和收入模式（機票銷售加輔助費用）保持不變——AI只是幫助更有效地執(zhí)行它們。

假設(shè)的未來瑞安航空業(yè)務(wù)模型：AI工廠為核心

在假設(shè)性未來場景中，可以想象Ryanair演變?yōu)橐粋€更自主的配置，圍繞一個內(nèi)部"AI工廠"進行組織。在這個模型中，Ryanair的AI工廠將成為航空公司的運營核心，持續(xù)攝取來自預(yù)訂趨勢、市場價格、機隊遙測和客戶行為的數(shù)據(jù)，動態(tài)協(xié)調(diào)關(guān)鍵業(yè)務(wù)活動。也就是，AI工廠可以自主處理機隊管理（優(yōu)化飛機分配、維護計劃和輪換）和動態(tài)定價（基于預(yù)測需求、競爭對手舉動和客戶細(xì)分的實時票價調(diào)整）。

與初創(chuàng)企業(yè)相比，現(xiàn)有企業(yè)采用ABM面臨不同挑戰(zhàn)：

• 組織慣性：改變現(xiàn)有流程和文化
• 系統(tǒng)集成：將AI嵌入數(shù)十年的運營系統(tǒng)
• 戰(zhàn)略一致性：確保AI增強與核心戰(zhàn)略保持一致
• 人才轉(zhuǎn)型：重新培訓(xùn)員工以適應(yīng)新角色

戰(zhàn)略的重構(gòu)：當(dāng)競爭進入"合成時代"

競爭優(yōu)勢的新來源

在ABM環(huán)境中，競爭優(yōu)勢的來源正在發(fā)生根本性變化：

• 數(shù)據(jù)反饋回路：ABM在數(shù)據(jù)上茁壯成長。每次客戶互動、系統(tǒng)響應(yīng)和市場波動都成為改進的燃料。運營數(shù)據(jù)更多的公司將擁有表現(xiàn)更好的ABM。由于Agentic AI系統(tǒng)基于其特定環(huán)境進行調(diào)整，其性能不容易轉(zhuǎn)移——競爭對手無法簡單復(fù)制ABM；他們還需要訪問等效的數(shù)據(jù)流和操作上下文。
• 學(xué)習(xí)速度：ABM通過"智能復(fù)利"提供不僅效率，還有復(fù)合智能。隨著系統(tǒng)學(xué)習(xí)，它變得更好實現(xiàn)公司目標(biāo)，無需額外人力。這種動態(tài)類似于網(wǎng)絡(luò)效應(yīng)（見參考《Platform Revolution: How Networked Markets Are Transforming the Economy—and How to Make Them Work for You》），但應(yīng)用于學(xué)習(xí)：系統(tǒng)運行得越多，它變得越有價值。
• 算法設(shè)計能力：競爭優(yōu)勢越來越取決于AI系統(tǒng)的智能程度——數(shù)據(jù)的廣度、優(yōu)化例程的質(zhì)量和適應(yīng)速度。

在Swan AI案例中，隨著智能體從每次交互中學(xué)習(xí)，它們的外聯(lián)語言、響應(yīng)時間和參與模式會實時調(diào)整。這種微優(yōu)化對人類團隊來說是不切實際的。在假設(shè)的Ryanair ABM中，AI工廠可能會根據(jù)當(dāng)前需求和競爭壓力持續(xù)調(diào)整航線調(diào)度、飛機維護和輔助服務(wù)定價。

合成競爭（Synthetic Competition）

隨著ABM的出現(xiàn)，市場競爭的本質(zhì)正在轉(zhuǎn)變。當(dāng)Agentic AI系統(tǒng)獲得自主權(quán)時，我們預(yù)見"合成競爭"的出現(xiàn)——AI運行的商業(yè)模式直接相互競爭，通常實時以機器速度進行。

這種動態(tài)已經(jīng)在算法交易中可見，其中機器人以有限的人類監(jiān)督進行高頻交互。在ABM世界中，類似的動態(tài)可能在定價、供應(yīng)鏈談判、客戶獲取甚至創(chuàng)新等領(lǐng)域展開。ABM可以檢測競爭對手的定價變動并在幾秒鐘內(nèi)以算法方式應(yīng)對，或基于對競爭對手產(chǎn)品的實時反饋優(yōu)化客戶定位。

合成競爭帶來兩個重要影響：

1. 戰(zhàn)略定位的傳統(tǒng)概念可能失去意義：如果每個ABM都能即時觀察和響應(yīng)競爭信號，持久優(yōu)勢將更難維持。

2. 競爭優(yōu)勢可能更少依賴戰(zhàn)略制定，更多依賴算法設(shè)計和訓(xùn)練：公司將通過其智能體系統(tǒng)的智能來競爭——數(shù)據(jù)的廣度、優(yōu)化例程的質(zhì)量和適應(yīng)速度。

合成競爭也帶來監(jiān)管和倫理挑戰(zhàn)。如果ABM以算法方式共謀（即使是無意的），或參與剝削性優(yōu)化（例如價格歧視），責(zé)任問題變得復(fù)雜。現(xiàn)有的反壟斷、責(zé)任和消費者保護框架可能需要修訂，以考慮算法能動性（見參考 《Algorithmic Consumers》以及《The Evolutionary Dynamics of the Artificial Intelligence Ecosystem》）。

特別注意：合成競爭的監(jiān)管困境。這里要特別強調(diào)合成競爭帶來的監(jiān)管挑戰(zhàn)，需要特別關(guān)注：

• 算法共謀風(fēng)險：ABM可能通過學(xué)習(xí)形成非故意的協(xié)同行為，導(dǎo)致價格固定
• 剝削性優(yōu)化：AI系統(tǒng)可能以人類難以察覺的方式進行極端價格歧視
• 責(zé)任歸屬難題：當(dāng)自主AI系統(tǒng)做出有害決策時，責(zé)任應(yīng)歸于誰？

這些挑戰(zhàn)要求監(jiān)管機構(gòu)發(fā)展新的評估框架，考慮AI系統(tǒng)的"算法意圖"和"系統(tǒng)行為"，而不僅僅是人類意圖。面對這些動態(tài)，管理者需要一種新的戰(zhàn)略地圖。下圖展示了在Agentic AI時代，圍繞ABM構(gòu)建的三大強化循環(huán)，它們共同構(gòu)成了現(xiàn)代競爭的護城河。

自主商業(yè)模型的戰(zhàn)略競爭環(huán)

這些環(huán)相互放大：精準(zhǔn)執(zhí)行產(chǎn)生高質(zhì)量數(shù)據(jù)，數(shù)據(jù)推動復(fù)合智能，而更強的生態(tài)系統(tǒng)控制又能反哺更精準(zhǔn)的執(zhí)行。

組織能力的重構(gòu)

ABM需要新的組織能力。傳統(tǒng)的戰(zhàn)略規(guī)劃強調(diào)愿景、分析和自上而下的協(xié)調(diào)。在ABM驅(qū)動的企業(yè)中，重點轉(zhuǎn)向AI管理（AI Stewardship）：指定目標(biāo)、設(shè)計護欄、監(jiān)控AI性能以及在需要時進行干預(yù)（見參考《Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World》）。

這將領(lǐng)導(dǎo)力重新定義為元級治理。高管必須管理“決策如何做出”，而不僅僅是“做出什么決策”。戰(zhàn)略遠(yuǎn)見成為配置智能體系統(tǒng)以探索場景、模擬結(jié)果和自我調(diào)整的問題。因此，企業(yè)將需要跨越數(shù)據(jù)科學(xué)、組織設(shè)計、倫理和系統(tǒng)工程的混合能力。

一個結(jié)果是戰(zhàn)略人才概況的轉(zhuǎn)變。雖然創(chuàng)造力和判斷力仍然至關(guān)重要，但競爭優(yōu)勢可能歸于能夠?qū)⑸虡I(yè)模式概念化為算法的領(lǐng)導(dǎo)者。這包括理解反饋循環(huán)、模型架構(gòu)和預(yù)測學(xué)習(xí)的局限性。在這種觀點中，戰(zhàn)略家不僅是遠(yuǎn)見者，還是AI架構(gòu)師。

ABM也挑戰(zhàn)了組織慣例的角色。在傳統(tǒng)環(huán)境中，慣例創(chuàng)造穩(wěn)定性。在ABM中，慣例被可以重寫自身的模型所編碼。公司變得更加靈活，但也更加不透明。因此，治理系統(tǒng)必須并行發(fā)展，監(jiān)控績效、檢測漂移并確保與更廣泛目標(biāo)和價值觀的一致性。

深層挑戰(zhàn)

理論層面的顛覆

ABM的出現(xiàn)對多個管理學(xué)科的理論基礎(chǔ)提出了挑戰(zhàn)：

• 戰(zhàn)略理論：Porter的競爭定位理論是否仍然適用，當(dāng)競爭以機器速度發(fā)生且戰(zhàn)略本身由AI動態(tài)調(diào)整時？
• 組織理論：當(dāng)"組織行為"主要由非人類代理執(zhí)行時，組織行為研究如何適應(yīng)？傳統(tǒng)上強調(diào)團隊多樣性、決策風(fēng)格和領(lǐng)導(dǎo)行為的高層管理團隊（TMT）研究（見參考《Upper Echelons: The Organization as a Reflection of Its Top Managers》）可能需要轉(zhuǎn)向元決策架構(gòu)和AI監(jiān)督結(jié)構(gòu)。
• 公司治理：如何確保智能體的決策符合利益相關(guān)者價值？當(dāng)行動由自主選擇時，如何確保問責(zé)制？

實踐中的關(guān)鍵問題

在實踐中，ABM帶來了幾個關(guān)鍵挑戰(zhàn)：

• 人類角色的再定義：隨著AI接管更多任務(wù)，人類的獨特價值是什么？一個引人注目的例子來自getswan.ai：在未來，ABM是否會決定雇傭人類代理，因為它了解到與其他智能體互動（例如在買方一側(cè)）會導(dǎo)致參與度下降？這將表明自動化邏輯的逆轉(zhuǎn)，其中人類真實性成為合成市場中的戰(zhàn)略資產(chǎn)。

（見參考：《TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks》）的最近研究支持了這一想法，他們創(chuàng)建了一個完全由智能體運行的模擬軟件開發(fā)公司。在該實驗中，研究人員發(fā)現(xiàn)智能體無法理解社交對話中隱含的含義和目標(biāo)，并且缺乏常識和背景知識來推斷隱含假設(shè)。Agentic AI能否克服這些障礙仍有待觀察。

• 去人類化邊界：哪些決策必須保留"Human-in-the-loop"？在什么條件下應(yīng)該重新引入人類能動性？"在智能體驅(qū)動的模型中，人們成為增值部分而非主力，但他們永遠(yuǎn)不會放棄控制——人類判斷和治理仍然是最終權(quán)威。"
• 生態(tài)系統(tǒng)依賴：ABM依賴于云基礎(chǔ)設(shè)施、實時數(shù)據(jù)流、外部API和第三方平臺。控制生態(tài)系統(tǒng)結(jié)構(gòu)的公司可以施加不成比例的影響，這重新引入了對依賴性和封閉的擔(dān)憂，尤其是對初創(chuàng)企業(yè)而言。

未來研究議程

基于ABM的發(fā)展，研究者提出了一個系統(tǒng)化的研究議程，按演進階段和ABM機制組織：

ABM研究議程——按演進階段劃分

此外，研究議程還可以通過ABM的三大機制來組織：

ABM研究議程——按核心機制劃分

這些研究方向需要跨學(xué)科整合，探索智能體系統(tǒng)如何跨邊界協(xié)調(diào)、解決歧義或施加政治影響，以及哪些能動性、控制和合法性的理論適用于AI主導(dǎo)的企業(yè)。

總結(jié)：我們是在管理AI，還是在被AI重塑？

我們正在進入一個新時代，在這個時代，Agentic AI不僅改變企業(yè)做什么，還改變它們?nèi)绾胃偁帯⑷绾芜m應(yīng)和領(lǐng)導(dǎo)。自主商業(yè)模型隨著智能體承擔(dān)價值創(chuàng)造、交付和捕獲的核心功能而出現(xiàn)。在這種背景下，戰(zhàn)略不再是一個靜態(tài)計劃。它成為一個連續(xù)的學(xué)習(xí)系統(tǒng)，由算法執(zhí)行、適應(yīng)性反饋循環(huán)和機器速度的響應(yīng)塑造。在此，讓我想起前兩天發(fā)的一篇比較落地小飛輪，有興趣的同學(xué)可以擴展閱讀??《Routine：把 GPT-4o 準(zhǔn)確率從 41% 拉到 96% 的企業(yè)級 Agent 穩(wěn)定器（萬字）》。

這一轉(zhuǎn)變帶來的不僅僅是運營效率。它帶來了合成競爭，智能系統(tǒng)實時競爭、學(xué)習(xí)和進化。它還呼喚一種新的AI領(lǐng)導(dǎo)力——能夠設(shè)計、集成和保護與組織目標(biāo)和價值觀一致的自主系統(tǒng)的領(lǐng)導(dǎo)力。

Agentic AI的興起不光是一項技術(shù)顛覆。它標(biāo)志著商業(yè)模型和戰(zhàn)略如何被構(gòu)想和實施，以及如何演變的結(jié)構(gòu)性轉(zhuǎn)變。隨著企業(yè)開始通過代理式系統(tǒng)思考和行動，根本挑戰(zhàn)在于我們?nèi)绾卧O(shè)計和領(lǐng)導(dǎo)比我們運行更快、學(xué)習(xí)更好的組織？

"戰(zhàn)略問題不再是一個公司是否使用AI，而是它賦予這些系統(tǒng)多少能動性。" 這一轉(zhuǎn)變意味著我們正從"AI如何支持戰(zhàn)略"轉(zhuǎn)向"AI如何成為戰(zhàn)略本身"。

正如Bohnsack和de Wet所問："我們是否準(zhǔn)備好迎接一個由AI定義戰(zhàn)略、執(zhí)行戰(zhàn)略、甚至'演化'戰(zhàn)略的時代？"

這個問題的答案將決定未來十年管理思想和實踐的方向。隨著ABM的演進，我們不僅需要思考如何構(gòu)建這些系統(tǒng)，還需要思考如何確保它們服務(wù)于人類價值，以及如何在AI驅(qū)動的世界中重新定義領(lǐng)導(dǎo)力和戰(zhàn)略價值。

在這個新時代，戰(zhàn)略不再僅僅是關(guān)于選擇如何競爭，而是關(guān)于設(shè)計能夠自主學(xué)習(xí)、適應(yīng)和競爭的系統(tǒng)。這不僅是一場技術(shù)革命，更是一場戰(zhàn)略思維的范式轉(zhuǎn)變——從靜態(tài)規(guī)劃到動態(tài)系統(tǒng)設(shè)計，從人類中心決策到人機協(xié)同進化。