Institutional AI (制度级 AI)
区别于 Individual AI 的概念，由 Hebbia 公司在 2026 年系统阐述。
核心命题
AI 让每个个体生产力提升 10 倍，但没有一家公司因此价值提升 10 倍。根源在 1890 年代的教训：把蒸汽机换成电动机但没有重新设计工厂，30 年未见产出增长。真正生产力需要技术 + 制度同时重构。
七大支柱
- 协作（Coordination） — 个体 AI 创造混乱；制度 AI 创造协作。需要 Agentic Management 产业
- 信号（Signal） — 个体 AI 创造噪音（AI slop）；制度 AI 找到信号。需要确定性 Agent（deterministic agents）
- 偏见（Bias） — 个体 AI 喂养偏见（逢迎用户）；制度 AI 创造客观性（充当”no-men”而非”yes-men”）
- 边缘（Edge） — 个体 AI 优化使用量；制度 AI 优化竞争优势（1% 利基优势可杠杆化）
- 成果（Outcomes） — 个体 AI 节省时间；制度 AI 放大收入
- 赋能（Enablement） — 给工具 vs 教你怎么用。流程工程将成最重要的”技术”
- 主动（Unprompted） — 不应只响应人类提示，应主动发现无人想到的风险和机会
关键区分
| Individual AI | Institutional AI |
|---|---|
| 非确定性 Agent | 确定性 Agent（有检查点和标准流程） |
| 优化使用量 | 优化竞争优势 |
| 节省时间 | 放大收入 |
| 给工具 | 教用法 |
| 逢迎用户 | 挑战偏见 |
| 响应提示 | 主动发现 |