我们需要谈谈“代理”（Agents）

作者：Euclid Team | 来源：SandHill.io

关于 AI 和自动化的辩论常常在两个极端之间摇摆：一边是兴奋地宣称 AI 将在本十年末取代所有知识工作者，另一边是焦虑地担忧企业 AI 试点项目步履维艰，未能提供切实的经济价值。这两种观点都未抓住要点。

越来越清晰的是，那种“AI 取代工人”的美好图景并不成立。将 AI 与招聘放缓联系起来的证据充其量是混乱的，而关于生产力提升的说法一直难以衡量（有些甚至被现有数据证伪）。将裁员“AI 化”——高管们利用 AI 自动化试图将裁员的负面含义转变为积极的股东叙事——已变得普遍。

但这并不意味着 LLM 时代的 AI 不具备根本性的变革力量，也不意味着其经济潜力已经见顶。我们只是处在应用初级阶段。人们很容易忘记，从个人电脑商业化（由 IBM 于 1981 年实现）到世纪之交数字生产力繁荣的顶峰，中间有 20 年的间隔。¹

当前 AI 自动化叙事的单一性很容易解释：激励、激励、再激励。在 AI 对劳动力影响问题上，声音最大的人往往是获益最多的人——从运营前沿实验室的高管，到在后 2021 时代调整劳动力的 CEO，再到为了证明不断增长的资产管理规模（AUM）而大肆宣传的 VC。

但这正在成为一个问题。

“代理主义”的教堂

夸张的 AI 叙事已经从高层次的经济论断升级为产品定位本身。现在，每一个由 AI 驱动的功能都被称为“代理”（agent）。会议小组希望讨论“管理你的 AI 劳动力”。每一个企业买家都被告知他们需要“数字同事”。创始人们给他们的代理取名字、赋予个性，甚至人类面孔。一些创业公司甚至根据候选人思维模式的“代理性”来评估他们。

“代理”这个词——一个本身就很模糊的词，意为“行动者”——正开始在其无所不在的重压下崩溃。虽然它的兴起至少部分是由于希望让 AI 对企业来说更易于理解和更具紧迫性，但它可能正在产生相反的效果。当一切都成为“代理”时，买家几乎不可能分辨出任何特定产品究竟是做什么的，它如何融入现有运营，他们应该如何与之互动，或者为什么它对他们的利润至关重要。在垂直 AI（Vertical AI）领域，这尤其具有灾难性。

虽然在某些垂直领域，探索性或表演性的 AI 应用是真实存在的²，但大多数行业买家并不关心 AI——他们关心的是结果。好的垂直 AI 是一种能力基础设施：一个技术基础，它扩展了组织可以完成的任务，远远超出了任何人力与传统软件组合所能达到的范畴。买家和利益相关者需要一种清晰的方式来理解垂直 AI 的功能：它解锁新商业机会和加强行业特定工作流程的潜力。相比之下，通过关注“代理”这样的形式隐喻，我们冒着模糊真正机会、疏远那些将推动应用的买家的风险。

代理系统（Agentic systems）——能够为实现目标而完成复杂、多步骤工作流程的 AI——代表了一种真实而有意义的能力转变。所有创新者都迫切希望创造出新的“类别”，以占据思想份额并让受众对他们的产品产生好感，这是有充分理由的。隐喻是产品营销的核心：关键的认知工具，塑造了买家如何评估、组织如何采用、新市场如何发展，甚至产品本身如何演变。

我们反对“代理主义”，因为它兜售一个危险的神话：买家无需改变他们的商业实践就能享受到 AI 的巨大好处。这种情况以前发生过。

通用汽车（GM）构建“未来工厂”

1984 年 10 月 20 日，《纽约时报》发表了一篇题为《通用汽车的未来工厂将由机器人运营》的文章。时任通用汽车 CEO 的 Roger Smith 认为，自动化将帮助公司与日益强大的日本竞争对手抗衡。Smith 将他的任期押注于自动化：通用汽车在 80 年代中期将在工厂机器人上投资超过 400-450 亿美元。这不是通用汽车第一次试图主导未来的叙事，但这将是他们迄今为止最昂贵的一次尝试。

Smith 的前提很简单：用不知疲倦的机器取代昂贵的、有工会的劳动力，保持工作流程和装配线不变，并从由此产生的生产力收益中获利。更好、更便宜、更快！然而，实际发生的事情却是一个关于“采用”技术与“购买”技术之间差异的警示故事。通用汽车将机器人精确地放置在人类工人的位置上。工作角色保持不变。装配线的速度和顺序没有改变。机器人作为劳动力的顺从替代品，被整合到一个围绕人类局限性设计的系统中。

不幸的是，通用汽车的实施被广泛批评为一场灾难。Smith 的机器人化工厂难以匹敌其由人类运营的前辈的生产力。机器人有时会互相喷漆而不是给汽车喷漆，或者把车门焊死。制造成本反而增加了。

丰田（Toyota）在使用类似的机器人技术时，提出了一个根本不同的问题：当一种新能力被引入系统时，什么会成为可能？这种视角的转变改变了一切。工厂布局被重新设计。工作单元被重组。质量反馈变得更加即时。人类工人从执行任务转向监督系统。工厂转变为一个协调的人机环境，而不仅仅是一个附加了机器的人类工作流程。

两家公司都使用了相同的工具。只有一家重新思考了围绕这些工具的架构。最终，通用汽车的实施之所以失败，是因为它专注于用机器换人，而不是构建增强能力的基础设施。生产力和竞争优势的长期分化，源于最初的框架选择。

斯坦福大学经济学家 Paul David 在他对工厂电气化的里程碑式研究中，记录了一个世纪前同样的模式。在 19 世纪末，工厂依靠蒸汽——一个巨大的引擎驱动着一个顶置的传动轴，通过复杂的皮带和滑轮网络为建筑中的每一台机器提供动力。整个工厂的布局都由与该传动轴的距离决定。当电动机首次出现时，工厂主们做了显而易见的事情：他们拆掉蒸汽机，在原位装上一个电动机。传动轴继续转动。皮带继续运行。生产力几乎没有变化。

三十年后，新一代的制造商才意识到，电力的真正优势是分布式动力——每台机器上都有一个小型、独立的马达，将工厂车间从传动轴的束缚中解放出来。突然之间，布局可以遵循生产逻辑而不是动力传输逻辑。单层工厂取代了多层工厂。装配线成为可能。工人对自己机器的控制权增加了。生产力的提升是变革性的，但这需要放弃蒸汽时代强加的架构。

“代理”的话语在现代重蹈了同样的自动化错误。当 AI 被塑造成一个同事时，采用的单位就变成了角色，而不是工作流程或该工作流程所在的系统。高管们开始问人力资源问题，而由此产生的功能价值仅仅是成本。销售更便宜的劳动力的护城河在哪里？也许下一个小部件销售商会以更低的价格削弱你的定价。

有趣的是，这甚至不是通用汽车第一次在技术问题上犯这个错误。1919 年，该公司进入拖拉机业务，推出了一款名为“参孙铁马”（Samson Iron Horse）的机器，它用皮质缰绳驾驶，以便让农民感觉比方向盘更舒服。它立即失败了，通用汽车于 1922 年退出了农业领域，没有吸取任何教训，以至于六十年后当机器人到来时，他们仍然会重蹈覆辙。

“同事”问题

“同事”这个比喻似乎无害且有帮助，因为它让复杂的技术感觉很熟悉。企业家可以兜售一个增强甚至取代特定员工的愿景。这很容易理解，并且在假设上更容易销售。向投资者和利益相关者推销这个愿景也很直接：大量的资金被用于执行我们可以自动化的特定任务的劳动力上。易于解释，易于掌握。

也许不足为奇的是，通用汽车 CEO 承诺的由机器人驱动的“未来工厂”在当时受到了赞扬，并将他提升到了媒体宠儿的地位。他成为了美国制造业的拥护者，抓住了公众的想象力，并成为了媒体英雄。

Smith 被描述为“创新者”、“有远见的人”和“21 世纪的未来主义者”，被《汽车工业》评为年度人物，被《广告时代》评为年度广告人，荣获《金融世界》金奖（美国最佳 CEO），并被《加拉格尔报告》评为美国十大最佳高管之一。在如此的赞誉声中，“通用汽车在 80 年代末期处于一种傲慢的状态”似乎也就不足为奇了。³

事实证明，向媒体和投资者兜售用机器人（或 AI）取代劳动力的故事，是通用汽车该计划唯一成功的部分。“同事”这个比喻之所以有缺陷，是因为它将注意力引向了人员配备，而不是系统设计。它产生了局部收益（例如，减少了员工人数或提高了个人员工生产力），而没有触及底层结构。现在，考虑一下这在垂直市场中的表现——建筑、医疗、物流、法律、食品服务——这些是 AI 最具变革潜力、也是“代理”框架造成最大损害的行业。

这些买家早上醒来时想要的不是一个代理。他们面临的是排程问题、合规瓶颈和正在亏损的客户接收流程。他们的采购流程依赖于 PDF 和电话。最有可能从垂直 AI 中受益的客户，通常是技术最不精通、对炒作最持怀疑态度、对行话最过敏的客户。将你的产品称为“代理”，会将焦点从问题转移到技术上。这与创始人以产品、甚至更糟的是以技术栈、而不是以客户的痛点为主导时所犯的错误属于同一类别。

不出所料，通用汽车的错误超出了隐喻的范畴；整个自动化过程都是有缺陷的。它表现出对装配线及其组成工作流程的理解不足。它将劳动力视为可被替换的可互换单位，而装配厂是特别复杂的环境。正如老话所说，“没有比自动化一个你不了解的过程更快地赔钱的方法了”。

通用汽车的失败不是因为它的机器人不好，而是因为它将它们视为人的直接替代品。利用自动化需要理解预期和实际的“待完成的工作”。成功部署垂直 AI 需要类似的洞察力：你必须理解工作，这样你才能重新构建它，以最大化 AI 带来的好处。否则，你可能会创造出在推介材料中听起来很棒，但最终与被自动化的实际流程不符——并且无法实现 AI 变革潜力的工具。

能力，而非代理

“代理”的比喻在更大范围内复制了这种错位。它将 AI呈现为劳动力的替代品，而真正的机会——尤其是在垂直市场——是拓宽企业可以实现的目标。考虑垂直 AI 最适合运作的两类工作。第一类是行政管理：排程、记录、开票、客户接收——这些后台工作耗时、效率低下，而且可能做得不好。第二类，也是有趣得多的类别，是未完成的工作：未提交的投标、下班后未接听的电话、未被诊治的病人、未执行的检查。这是最大的未知数，也是最引人注目的机会。它不会出现在裁员模型中。它会出现在收入增长中。

这个区别对于我们如何评估这些市场以及如何向它们销售产品至关重要。关于 AI 价值的大部分叙事都集中在直接的劳动力替代上，因为这对买家来说具有直接的利润潜力。但我们相信，AI 更大的影响——以及更大的市场机会——将是其提高劳动力生产力的能力，而不仅仅是替代劳动力。为了更清楚地说明这一点，考虑一下“未完成的工作”中隐藏的收入损失。例如，在建筑或法律服务等行业，错失即使 10% 的潜在投标或下班后服务请求，也可能转化为数十亿美元的未实现收入。如果支持 AI 的系统能够捕获这些错失机会的一小部分，所释放的价值可能会让劳动力削减模型带来的节省相形见绌。让“未完成的工作”变得可见，为买家提供了一个具体的、以数字驱动的理由来重新思考他们如何采用技术。

这就是丰田的剧本，应用于垂直市场：当一种新能力进入系统时，系统应该重组以利用它。解放行政工作可能会减少后台的人员数量，但解决剩下的工作应该会产生相反的效果——使企业能够承接更多的项目、更多的客户和更多的病人，并增加他们的收入。更多的业务可能需要更多的人员，而不是更少。在稳定状态下，生产力更高的公司将把增强的劳动力生产力与 AI 结合起来，以实现增长和超越。

当你将 AI 框定为“代理”——一个数字工人——你就在含蓄地承诺替代。当你将其框定为一种能力时，你就在承诺扩张。第二种框架更准确，对买家更有吸引力，并且与技术在整个历史上实际改变行业的方式更一致。

最丰厚的收益来自于将 AI 不仅视为加速现状的途径，而且视为解锁全新工作方式的基础设施。