在最新一期 Every 播客《AI & I》中，主持人 Dan Shipper 与 Aaron 进行了一场深度对话。这不是又一次关于 AI 未来的泛泛而谈，而是一次来自变革前线的深度复盘。Aaron 的观点或许会让你重新思考：在这个 AI 变革的时代，我们真正面临的是什么？
下面是 YouTube 链接：
https://youtu.be/_eiomzvxf4Q?si=QdkE4drgE4YGsHGJ
一个反直觉的核心观点
" 我还是会保留 5% 的可能性，认为自己完全错了，"Aaron 在访谈开始就坦诚地说道，" 但我有 95% 的信心认为，AI 不会取代工作。"
这个观点在当下听起来几乎是异端。当 Sam Altman 等 AI 实验室的 CEO 们在谈论大规模工作位移时，当媒体充斥着 "AI 威胁论 " 时，Aaron 却基于自己管理大型企业的实际经验得出了截然不同的结论。
他的逻辑很简单：工作不等于任务，AI 擅长自动化任务，但工作是任务的集合，需要人类来整合、决策和执行。
" 即使一个工程师可以让 AI 去编写部分代码，但他仍然需要决定是否发布这个功能，需要与产品经理沟通确保这是正确的方向，需要将其整合到更大的系统中，"Aaron 解释道，" 无论如何，你仍然需要人来完成所有这些工作。"
杰文斯悖论：效率提升带来需求爆发
Aaron 提出了一个更深层的经济学观察——杰文斯悖论在劳动力市场的应用。这个 19 世纪的经济学原理说明，当技术提高某种资源的使用效率时，对该资源的总需求往往会增加而不是减少。
" 如果我的律师能以两倍的速度审查合同，我不会雇佣一半数量的律师，"Aaron 说道，" 相反，我们会以两倍的速度审查所有合同。这会减少瓶颈，提高客户满意度，可能带来更多销售，最终可能需要雇佣更多律师。"
这个逻辑在 Box 公司得到了验证。Aaron 观察到，当 AI 提高了某个部门的效率后，公司并没有裁员，而是将这些员工投入到以前因为成本太高而无法开展的工作中。
更重要的是，Aaron 认为我们远未达到工作的供需平衡点：" 我们做的工作量远少于经济上有用的工作量，我们只是受限于一天的时间和劳动力成本。"
举个具体例子：以前咨询律师的最低门槛是数千美元，现在 AI 可以以几百美元完成初步法律审查。这不是简单的价格竞争，而是释放了大量此前因成本过高而被抑制的需求。
虽然 Aaron 不认为 AI 会消除工作，但他明确表示工作方式将发生根本性改变。他认为这次变革的规模可以与从纸质办公到数字化，再到互联网时代的转变相提并论。
" 一年前，工程师还在 IDE 中敲代码，可能使用一些像 GitHub Copilot 这样的自动补全工具。今天，他们在向代理发出指令，让它完成大量工作，然后回来审查工作成果，"Aaron 说，" 这是知识工作历史上任何一年中最大的变化。"
从个体贡献者到 AI 代理管理者
Aaron 预测了一个重要的角色转变：每个知识工作者都将成为 AI 代理的管理者。这不是简单的工具升级，而是工作本质的改变。
" 个体贡献者的工作真正开始改变，因为你现在是代理的管理者，这完全改变了你所做的工作类型，" 他解释道。
这种转变已经在各个领域显现：
工程师从直接编码转向指导 AI 代理完成复杂的开发任务
营销人员从手工制作内容转向管理 AI 生成和优化营销资产
销售人员从直接客户沟通转向利用 AI 分析客户需求并制定策略
企业转型的实战经验
作为少数真正将大型企业转型为 "AI 优先 " 的 CEO，Aaron 分享了宝贵的实战经验。
明确的战略定位
" 我们首先明确的是，这不是为了取代工作或减少公司支出，而是为了提高产出，让我们作为公司移动得更快，做更多事情，更好地服务客户，"Aaron 强调。
这个定位至关重要。它消除了员工的恐惧心理，让他们将 AI 视为赋能工具而不是威胁，从而更积极地参与转型过程。
全员参与的文化建设
Box 建立了一套系统化的 AI 学习机制：
确保每个员工每天都在某种程度上使用 AI
每周五的内部全员大会上，员工分享 AI 使用案例
有人创建代理来自动化销售工作流程，有人用 AI 处理合规流程
持续的相互学习，了解技术如何在日常工作中发挥作用
时间观念的转变
Aaron 发现，AI 转型还带来了工作节奏的根本性改变：" 我越来越多地询问，也听到更多人询问，为什么我们不能更快地完成这件事？你看到一个项目时间表显示需要 3 周或 4 周，你会说，我不知道为什么我们不能在两天内完成。"
这种质疑传统时间预期的态度，推动团队重新审视工作流程，寻找 AI 可以加速的环节。
挑战与现实约束
尽管对 AI 的潜力充满信心，Aaron 也坦诚地承认了转型过程中的挑战。
历史包袱的制约
" 当我与 5 到 10 或 20 人的初创公司交谈时，他们没有既有流程，完全是白纸一张，我看到他们的运作方式与你拥有既有工作流程或流程后的方式如此不同，"Aaron 观察道。
这些新创公司可以从零开始设计 AI 原生的工作流程：
工程师的工作流程更多是向代理发出指令
在后台运行，审查代理的代码
非常文档驱动，非常规范驱动，非常提示驱动
而对于像 Box 这样的成熟企业，需要在不破坏现有运营的前提下逐步改造，这个过程更加复杂和耗时。
技术选择的权衡
在产品开发中，Aaron 面临着一个典型的技术决策难题：使用更好但更昂贵的模型，还是选择效率较低但成本更低的方案？
" 现在我的观点是，你应该始终使用最好的技术，"Aaron 说，" 主要是因为你会有竞争对手这样做，而你无法成为拥有劣质产品的公司。"
他认为，任何为了缓解劣质模型质量问题而做的工作，相对于从更好模型中获得的价值创造来说，都是完全浪费的。
与主流观点的分歧
当被问及为什么其他 AI 公司的 CEO 们有不同看法时，Aaron 给出了一个有趣的回答：
" 有个原因我选择了 B2B 软件，我可能处于这个生态系统相对无聊的一端。我生活在这些工具的实际应用和局限性的现实中。"
他认为这种观点多样性是健康的：
" 我实际上不介意 Sam Altman 或 Dario 或其他人以他们的方式说话或拥有他们的雄心。我相信当技术进入现实世界时，它会以稍微不同的方式表现出来，因此影响也会有所不同。但我认为如果每个人都超级务实和实际，那会很无聊。"
这种差异反映了不同角色的不同视角：
AI 实验室的 CEO 关注技术突破和长远愿景
应用层的 CEO 需要处理技术落地的实际挑战
两种视角都有价值，共同推动行业发展
历史经验的启示
Aaron 将当前的 AI 变革放在更长的历史背景下来理解。作为云计算时代的亲历者，他发现了相似的模式：
" 我们从大型机到 PC，从 PC 到移动，从本地部署到云，这些都是平台级别的转变。我们知道它们是如何工作的——早期采用者开始使用新技术，然后有突破性用例使更多主流买家采用这些技术。"
但这次有个重要区别：压缩的时间线。
" 云计算可能花了 10 年时间达到每个相关公司的完全主流采用，AI 可能在两年内就能做到这一点。"
更重要的是，Aaron 从历史中学到了一个重要教训：我们往往低估了技术需求的增长潜力。
"15 年前，我无法想象某个 SaaS 类别会增长 10 倍或 5 倍，现在回头看，我们当时只是处于曲线的很小一部分，AWS 在 10 年前仍在翻倍增长，现在可能比当时大了两个数量级。"
对不同经济环境的思考
当 Dan Shipper 问及经济衰退可能如何影响这个趋势时，Aaron 给出了一个平衡的观点：
他甚至提出了一个乐观的可能性：" 也许你能更快地走出衰退，因为你没有完全摧毁组织的生产力水平。"
但 Aaron 也警告了一个认知陷阱：在经济不景气时，人们可能会将本来就会发生的裁员归咎于 AI，这可能导致对技术影响的误判。
未来工作的新特征
基于 Box 的转型经验，Aaron 描绘了未来工作的一些新特征：
更快的决策和执行周期
" 我们在过去一年半中花在完全前所未有的用户体验模式上的时间，可能比过去 20 年建设公司的时间还多，"Aaron 说，" 因为在过去 20 年中，软件并没有真正改变——我们有按钮，有标签页，给东西命名，可以有侧边栏。"
AI 带来的不仅仅是效率提升，更是全新的交互模式和工作方式。
重新定义的技能需求
传统的技能边界正在模糊。一个营销人员现在可能需要理解如何训练 AI 模型来生成内容，一个销售人员可能需要学会如何设计 AI 工作流程来优化客户关系管理。
持续学习成为常态
" 每三到六个月，你都会从脚手架的角度向上移动，因为你两年前构建的缓解上下文窗口长度的脚手架现在已经不是问题了，"Aaron 解释道。
这意味着工作者需要适应更快的技术迭代周期，持续更新自己的技能和工具栈。
给个人和企业的建议
基于 Box 的转型经验，Aaron 为个人和企业提供了实用建议：
对个人而言：
立即开始使用 AI 工具：不要等待完美的时机，现在就开始在日常工作中集成 AI
培养管理思维：学会如何分配任务给 AI 代理，如何审查和整合 AI 的输出
保持人类优势：专注于那些需要现实世界经验、判断力和创造性思维的任务
对企业而言：
明确定位：将 AI 定位为增强工具而非替代方案
全员参与：确保每个员工都有机会学习和使用 AI
质疑传统：重新审视工作流程和时间预期
持续投资：选择最好的技术，即使成本较高
深层思考：三维世界的不可替代性
在访谈的最后，Aaron 提出了一个深刻的观察：
" 只要还有一个三维世界需要我们去参与，我们就会拥有比 AI 更多的信号和上下文。这将让我们保持工作，保持做事情，至少在我们现在能看到的范围内。"
这个观点触及了人类工作价值的核心：我们在物理世界中的经验和直觉，我们与其他人的互动，我们对复杂情况的判断，这些都是 AI 难以复制的。
" 我与走廊里的人交谈的能力，因为他们刚刚与客户交谈而给我一个想法——我们现在无法在 AI 系统中复制这一点，我们不知道如何做到，"Aaron 说。
结语：拥抱变化，而非恐惧
Aaron Levie 的观点为当前弥漫的 AI 焦虑提供了一个理性的替代视角。他不否认变化的剧烈程度，但基于实际经验相信这是技术进步的自然延续，而非末日般的断裂。
最重要的是，他的观点提醒我们：技术从来不是简单的零和游戏。每一次重大技术变革都会创造新的可能性，释放被抑制的需求，开辟全新的工作领域。AI 时代也不会例外。
关键在于我们如何应对这种变化。是被动地等待被 " 取代 "，还是主动地学习如何与 AI 协作？是固守传统的工作方式，还是拥抱新的角色和技能要求？
Aaron 的经验告诉我们，选择权在我们手中。而那些能够成功转型为 "AI 代理管理者 " 的人和企业，将在这个新时代中获得前所未有的能力和机会。
正如 Aaron 在访谈中所说：" 如果你真的从第一性原理思考，你真的只是在尝试创造这个东西或构建那个，为什么我们不能大幅压缩时间线？"
在 AI 时代，这或许是我们都需要问自己的问题。
