Aaron Levie 谈 AI 采用与企业工作流 | The a16z Show

摘要

• 企业 AI 近期的瓶颈在组织整合，而不在模型能力。 Aaron Levie 表示，编码智能体之所以进展顺利，是因为工程师技术能力强、能够自主工作、可以调试失败，并且产出可验证；普通知识工作则涉及技术能力较弱的用户、碎片化数据、遗留系统和未被记录的关系网络。因此，AI 从初创公司向大型企业扩散还需要“数年时间”。

• 自上而下的 AI 指令正在制造失真的失败统计和可量化的表演，而非真正的运营变化。 Martin Casado 表示，“95%的大型企业 AI 项目失败”这一说法“显然很荒谬”，因为员工已经在有效使用 ChatGPT；他认为，这与集中式、咨询公司主导且缺乏运营协同的项目是两回事。以 token 数量为考核指标进一步放大了这种扭曲——Aaron Levie 说，他和同事会给智能体安排无用任务，因为“你衡量什么，就会得到什么”。

• 整合、权限和变革管理仍是企业长期不变的工作量，也可能成为持续数十年的服务市场。 Steven Sinofsky 的明确判断是，任何拥有1,000名以上员工或拥有超过10年历史的公司，都有“大量东西在那里等着被整合”，而“AI 实际上并不能帮助整合任何东西”。Levie 认为，这使 Accenture、Deloitte 及其他系统集成商参与其中完全合乎逻辑：人们必须先实施未来可能自动化工作的智能体。

• 核心架构变化，是把智能体视为拥有身份、入职流程和边界权限的员工，而不只是嵌入其他产品的软件。 Casado 表示，企业已经花了40年为混乱且非确定性的人类设计界面和流程，因此企业可以“雇用这个智能体”，给它配置邮箱和应用访问权限，并复用现有控制机制。尚未解决的问题是上下文：智能体可以以极大规模并行工作，却不会自然知道系统出错时应该去找哪个 Sally 或 Bob。

• SaaS 可能新增机器席位，但 API 与浏览器两条路径仍存在争议。 Levie 认为 Salesforce 走向“full headless”是一个风向标，机器使用量可能达到人类活动的100倍或1,000倍；Sinofsky 则认为智能体就是“另一个席位”，因为共享人类凭证无法辩护。Casado 和 Sinofsky 倾向于 API/MCP/CLI 优先，只有这些接口失效时才使用浏览器；Casado 同时指出，当无头浏览器被拦截时，智能体可能仍需要使用普通 Safari。

• 智能体规模化带来两类风险：一类是熟悉的基础设施扩容，另一类是尚未被充分理解的运营熵增。 Sinofsky 追问，如果10,000名员工各自拥有智能体，而每个智能体对 SaaS 系统的访问频率是原来的500倍，会发生什么；Casado 表示，缓存和标准分布式系统技术可以应对这类负载。他更深层的担忧是，AI 生成的代码“会随着时间推移变得更糟”，可能制造与解决同样多的问题，而企业尚不知道该如何治理那些持续改写共享系统的长期运行智能体。

• 嘉宾预计，AI 在淘汰软件、基础设施和技术岗位之前，会先扩大它们。 Box 曾看到 AI 完成某一项功能约80%–90%的工作，但安全审查仍限制了发布；因此 Levie 估计工程生产率可能提升2x–3x，而不是5x–10x。代码越多，需要保护、升级和修复的系统就越多；与此同时，John Deere、Caterpillar、Eli Lilly 以及数千家其他公司都可以雇用使用 Claude Code、Codex 和 Cursor 的工程师——“这一领域的就业才刚刚开始”。

精读

上游暂未提供，后续同步将继续补齐。