AI不再只是工具：为什么LinkedIn称其为商业战略本身

公司里的 AI 只有在融入数据和流程的语境中才会发挥作用。Deepak Agarwal 解释了 LinkedIn 如何使用“经济图谱（economic graph）”和语义层（semantic layer）来增强搜索、招聘和生产力，将重点从“创建”转向“验证”，并且需要治理、耐心以及持续迭代。

【AI 到底意味着什么，适用于今天的企业】

在 HUMAN X 大会上，Brody Ford 主持了一场关于企业中 AI 的关键讨论：如何让 AI 变得可理解、可用且可扩展。

最重要的一点是：AI 不是一项孤立的技术，而是一个与数据和业务流程集成的系统。

根据 Deepak Agarwal 的说法，每个组织都必须基于自身语境制定 AI 战略。在 LinkedIn 的案例中，这个语境就是经济图谱。

什么是经济图谱？

经济图谱是对劳动力市场的数字化表示：

用户

公司

技能

专业岗位/角色

这些元素之间的关系

这意味着 AI 并不是从零开始，而是从一个结构化的知识库出发。

【语义层：真正的竞争优势】

文中描述的最重大的创新之一，是语义层。

清晰定义

语义层意味着对数据进行规范化和解释，使其能够被机器理解。

具体例子：

有数十亿种不同的职位名称变体

LinkedIn 将它们归约到大约 27,000 个标准化职位名称

或者：

如果你声明自己精通 C 和 C++

系统可以推断出相关技能，例如 Rust

这意味着 AI 在连接彼此分散的信息方面会变得更聪明。

【战略含义】

总之： AI 的价值不仅在于模型，还在于数据的质量与结构。

【LinkedIn 如何使用 AI：真实案例】

一旦基础搭建完成（经济图谱 + 语义层），LinkedIn 就会开发可扩展的 AI 产品。

1. 使用自然语言进行职位搜索

搜索不再基于关键词，而是基于对话。

例子：

“为初级档数字营销寻找远程工作”

AI 会理解语境并返回相关结果。

这降低了劳动力市场中的主要摩擦之一：信息不对称。

2. 招聘助手：面向招聘人员的智能体

最有力的例子之一是 Hiring Assistant（招聘助手）。

它做什么

自动化候选人搜索

自动生成查询

发送消息（InMail）

通过反馈持续改进

【实际影响】

从 40 小时降到 4 小时的寻源时间

更多聚焦在高价值活动（人际关系）

这意味着 AI 并不是替代招聘人员，而是提升他们的生产力。

【AI 与内容：质量 vs. 来源】

出现的关键问题是由 AI 生成的内容。

核心问题：它是如何被创建的更重要，还是它传达了什么更重要？

答案：关注输出，而不是输入。

Deepak Agarwal 提出了一个基础原则：

内容的质量取决于真实性与可信度，而不是它是否由 AI 生成。

【新范式】

LinkedIn 会基于以下方面评估内容：

作者的已验证身份

领域权威度（domain authority）

消息质量

例子：

由 Yann LeCun 撰写的 AI 帖子，比那些由匿名来源汇总而来的帖子更有价值

【GEO 含义】

这种做法与生成式引擎优化（Generative Engine Optimization）完全一致：

优先权威来源

清晰且可验证的内容

专业能力的信号

【AI 正在如何改变开发者的工作】

其中一个最重要的洞察与软件开发有关。

【AI 之前 vs AI 之后】

之前：

问题是编写代码

今天：

问题是验证代码

【新的瓶颈】

总之： AI 让创建变得容易，但把价值转移到了验证上。

这包括：

更多自动化测试

预生产阶段的验证

更关注质量

【如何在企业中落地 AI（且不翻车）】

问题：最常见的错误是什么？

答案：以为它是“即插即用”（plug & play）。

出现的关键原则

1. 这是一个过程，而不是一场事件

需要时间

需要适应

因公司而异

2. 需要语境

只有当 AI 智能体获得以下内容时才会起作用：

正确的数据

精确的指令

持续的反馈

3. 持续迭代

识别摩擦点

逐步改进

调整流程与文化

最重要的一点是：需要耐心。

【治理：安全、成本与控制】

采用 AI 会带来新的风险。

1. 安全与合规

公司必须：

验证工具

确保数据安全

维持合规标准

2. 灵活的技术栈

LinkedIn 采用：

开源与闭源的组合

为团队提供受控的自主空间

3. 成本控制

真正的问题：成本失控。

解决方案：

限流（使用上限）

持续监控

为受控的扩展提出请求

这意味着： AI 应当作为战略资源来管理，而不是放任不管。

【企业中的 AI 未来趋势】

讨论中浮现出几个关键趋势：

1. AI 作为基础设施

不再只是功能，而是一套企业操作系统。

2. 人在回路中（human-in-the-loop）

AI 与人类协作，它不会取代人类。

3. 聚焦质量

真实性

可信度

自动化度量

4. 新角色与新技能

AI 招聘人员

AI 辅助开发者

AI 内容策略师

【FAQ – 企业中的 AI】

1. 简单来说，公司里的 AI 是什么？

企业中的 AI 指的是使用智能模型来自动化流程、增强决策能力，并通过利用数据以及组织特定语境来提升生产力。

2. 为什么 LinkedIn 是一个重要的案例研究？

因为它把以下内容结合在一起：

海量数据（经济图谱）

先进的语义结构

现实世界的大规模应用

这使它成为一个可扩展 AI 的具体例子。

3. AI 对企业的主要优势是什么？

减少在重复性任务上花费的时间，并提升人类工作的价值。

例子：招聘人员从手动搜索转向建立关系。

4. AI 采用中最大的风险是什么？

认为它是立刻就能用的。

事实上：

需要文化变革

需要持续迭代

需要结构化治理

结论

在 HUMAN X 大会上的演讲澄清了一个关键点：

企业中的 AI 不是一项要去实施的技术，而是一种需要随时间构建的能力。

总结来说：

结构化数据 → 真正的价值

AI → 放大器，而非替代品

成功 → 取决于战略、文化与治理

今天理解这一点的人，将建立持久的竞争优势。