超越模型
人的优势会复利增长：为什么在商业史上自动化程度最高的这十年里，真正获得奖励的将是那些支持员工的公司，而不是让他们退休的公司。
本文的一个版本最初发表于 Fortune.com
2025 年 6 月，Ford 的 CEO Jim Farley 在 Aspen Ideas Festival 的舞台上表示，人工智能将取代美国一半的白领员工。他并不是第一个给出具体数字的人。一个月前，Anthropic 的 Dario Amodei 告诉 Axios，AI 可能会在五年内消灭一半的初级白领岗位，并将失业率推高至 20%。一年多来，一位又一位高管不断将知识工作的未来重塑为一只倒计时的时钟，而这些预测也只变得越来越严峻。
我想提出相反的观点。并不是说工作会保持不变——因为它不会——而是说，你公司内部的人即将成为你拥有的最有价值资产，而那些理解其中原因的企业将会把其他所有人远远甩在后面。
Farley 的警告中带着某种讽刺意味。Ford 的装配线是美国历史上最著名的自动化实践，它并没有抹去人类劳动。它只是转移了工作的形态，而在这种转移中，它塑造了一个能够负担得起流水线上产出汽车的中产阶级。这才是过去一个世纪自动化真正的启示。机器不会抹去人。它们会改变人们把时间花在什么事情上。这也大致上是 AI 行业讲述自身时那个充满希望的故事。这一次不同的是，这个故事裹挟着恐惧与稀缺而来，而当设计这项影响如此深远的技术的人如此之少时，人们很难去信任它。但这就是为什么我依然相信它。
我以前提出过这个论点的一个版本，差不多是在十年前，我也应该坦诚，这使我成为一个怀有希望的见证者，而非中立的旁观者。2017 年，我们写过当时称之为 Coaching Networks 的东西：一种软件，它利用机器学习在员工工作进行时引导他们把工作做得更好，同时从一个分布式的人群网络中收集数据，并学习那些真正有效的技术。那篇文章中最重要的观点其实很简单。我们认为，人类是这个系统中的“变异引擎”。软件学习的是那些已经被验证有效的实践，但真正全新的想法、那些任何模型都无法预测的举动，来自富有创造力的人找到更好的做法。系统再将这些有益的“变异”传播给其他所有人，如此循环往复。
我们当时走在了前面。能把这件事做好所需的技术当时尚不存在。现在已经存在了。而且，这个想法比那些末日论调更经得起时间考验。
倒计时错在哪里
AI 在优化方面非同寻常。给它一个目标，它会比你能组建的任何团队都更快、更便宜地找到通往该目标的路径。它不会做的是决定哪个目标值得追求，或者在模型没有答案的当下做出判断。正是这些时刻推动市场变动并催生公司。它们也是最难实现自动化的时刻，因为还没有任何东西可供模仿。能够存续下来的工作，不是位于模型之下的工作。 而是位于模型之上的工作。
Software 本身并不是一个持久的层。在围绕技术进行投资的职业生涯中，这对我来说并不是一句轻描淡写的话。持久的层是你的员工如何思考、决策和协同工作，并将这些方式在公司内部加以沉淀和延续。这不是一个思想实验。走在最前面的公司已经在围绕这一点组织自身，而他们所做的事情并没有听起来那么新奇。他们正在将个人知识转化为机构知识，并把它留在公司内部。
早在当前这一波浪潮之前，Bridgewater 就已经做过类似的尝试， 记录其决策，并将其标准编纂为算法 ，从而让判断随着时间推移不断累积。Ray Dalio 最近更进一步 ，基于他数十年来的个人原则和模式识别训练了一个模型，这个模型是由内而外构建的，而不是建立在其他所有人的行为之上。咨询公司最清楚地展示了这一模式。McKinsey 构建了 Lilli，这是一款内部助手，能够为公司的专有知识建立索引 ，供数以万计的顾问使用。Bain 在其与 OpenAI 的合作基础上，构建了自己的内部助手以及数千个定制 GPT。EY 则表示，已有数以万计的 AI agents 投入生产，且记录了数以千万计的内部流程，这并非一个科学项目，而是对公司制度性知识如何被创造和获取的一次重塑。
Ramp 的 Glass 框架展示了这在日常工作层面是什么样子。每位员工都具备 agentic 能力。当有人找到一个有效的工作流时，它就会被打包成可复用的技能，并在整个公司内共享，而内部指南会在恰当的时刻呈现恰当的技能。一个人的突破会成为所有人的起点。Veeva 正在将同样的原则构建到整个行业中，通过其数十个用于运营生命科学公司的应用程序实现深度 agentic 集成 。这种制度性深度，恰恰是外部模型无法通过远距离观察而重建出来的。
这些公司的共同点在于一个方向。它们将 AI 指向内部，复利式地增强人类智能并将其保留在内部；而那些正在失去优势的公司则将其指向外部，让自身最优秀的思考流入它们无法控制的工具中。
为什么这种优势会不断累积
这之所以有效，是有技术原因的，而这正是当下企业 AI 中最被低估的理念。每当一个人与内部系统协同工作时，这种交互都会留下痕迹：记录系统做了什么，以及人类如何响应，包括每一次修正、每一种偏好、每一个边缘案例。痕迹不是你可以购买或抓取的数据。它们只能通过真实使用，一次一次的交互逐步积累而来。它们为位于你所运行的任何基础模型之上的那一层提供养分——即特定于领域的训练循环和编排，将原始痕迹转化为持续提升的性能。更好的性能会带来更多使用，更多使用会产生更多痕迹，而这种差距会在每一次循环中不断拉大。
基础模型提供商从其服务的每一位顾客那里获取通用智能。但那些对你们的分析师如何构建模型、你们的运营人员如何做出判断、你们的团队实际如何决策进行编码的痕迹，属于构建系统来捕获这些痕迹的一方。今天开始构建这一层的公司，拥有的优势不是明年才开始行动的竞争对手所能简单购买到的。这些痕迹在结构上是独有的。这是真正会自行增长的知识产权。
需要构建什么
对于正在阅读本文的创始人来说，机会不在于 agent。通用软件从来都不能开箱即用；公司总是会对其进行调整，使其适配自身的实际运营方式，AI 也不会有什么不同。胜出者不会只是推出一个优秀的 agent。他们会构建其底层的平台。这个平台需要具备以下几点：
一个需要关注的点
我特意把这一部分放在这里，接近结尾，因为这是一个需要管理的风险，而不是放慢脚步的理由。
当你的员工使用公共 AI 工具来描述你们团队如何工作时，他们实际上是在教这些工具你们如何运作。大多数领导者担心的暴露是数据，即离开公司的敏感文件。更微妙的暴露则是流程。与代理进行一次漫长的、多步骤的会话，会编码你们的排序方式、优先级和决策逻辑，而这条推理路径正是模型最有价值的学习内容之一。企业合同通常会禁止用你的数据进行训练，但围绕行为轨迹和合成数据的保护则远未明确。Anthropic 的最新模型 Claude Fable 5， 需要保留数据来运行其安全分类器 ，并不适用于管理大多数面向企业客户的 Claude 模型的同一套 Zero Data Retention 规则。也值得记住的是，Anthropic 在 2025 年 8 月修改了其面向消费者的条款 ，因此除非用户选择退出，否则来自免费、Pro 和 Max 账户的聊天内容将默认用于训练未来模型，且保留期延长至五年。
这些模型也在更直接地绕过企业防护。AI 实验室正积极招聘领域专家 、律师、医生、金融分析师及其他专业人士，来教 foundation models 如何像行业内部人士一样推理。正如 Thomson Reuters 的 CTO 所说，在整个互联网数据上训练出来的模型可以让你得到一个 80% 的答案，但在法律或金融领域，“80% 并没有用”。解决方案是：付钱请你所在行业最优秀的从业者来补上这段差距。你在 foundation model 层的竞争对手，如今实际上正在从你的人才库中招募人员，以了解到底是什么在驱动你的行业运转。而消费级 AI 与企业级 AI 之间的界限，实际上只取决于你员工的使用习惯，而这些习惯并不令人鼓舞。LayerX Security 的一项研究发现，77% 的员工会将数据粘贴到生成式 AI 工具中，其中 82% 的此类行为是通过无人管理的个人账户进行的。
法律尚未跟上。 最近的分析表明，如果竞争对手能够根据公开输入重建某个工作流程，法院可能会完全不再将其视为可受保护的商业秘密，而 OECD 在 2025 年的一份报告发现，这些更广泛的问题在主要管辖权中确实仍未解决。 在这之下还存在一种更深层的张力，几乎没有人正在讨论。各个行业历来都会经历开放共享的周期，在这些时期，公司会向竞争对手披露运营诀窍，而整个领域也因此更快向前发展。当一家公司将其最佳实践编码为可共享的技能文件时，它是在设定标准并建立引力，还是在把可用于取代自己的蓝图交给 foundation model？我们认为，目前还没有人知道这条界线究竟在哪里。知道自己正站在它附近，已经是这项工作的大部分了。
每个人都在关注的垂直软件领域的颠覆是真实存在的，而且这恰恰说明了问题。2026 年初，当 Anthropic 为其 Claude 智能体发布法律插件时，市场反应立竿见影。Thomson Reuters 在单个会话中下跌约 18%，创下有记录以来最糟糕的一天；RELX 和 Wolters Kluwer 跌幅达两位数，而且据一些估计，当周软件和法律科技股票市值蒸发了 2850 亿美元。许多分析师认为这一反应过度，而这些损失是否会持续仍是一个悬而未决的问题。但在这种波动性之下，真正重要的信号是：一种软件能力在发布当天就可能被复制，而你的员工的工作方式则不能。
这将落在哪里
所以，这就是我们的结论，而且它与我们在 2017 年得出的结论非常接近。把一切能自动化的都自动化。优化就是白赚的钱，你应该全部拿下。但优化并不是优势，因为很快每个人都会拥有它。真正的优势，是能够改变目标的判断力，以及创造出模型从未见过的新招法的创造力。你的员工，是你唯一真正具备防御性的算法。不是因为 AI 不能做得更多——它会的——而是因为你的组织思考和适应的具体方式，是唯一无法从外部重建的东西。它由数十亿次真实经历构成，每一次都在人与人以及人与世界一生的接触中不断积累，并在人们遇到前所未有人解决过的问题时被重新组合、焕然一新。
构建能够捕获它的层。将这些变化保留为你自己的。
