Box 创始人 Aaron Levie 在社交平台 X 上指出，CEO 们极易陷入这种 " 宏大妄想 "，因为他们距离产生 AI 价值所需的 " 最后一步工作 " 太远。高管们往往仅通过玩弄原型或生成简单合同，便跳跃式地相信 AI 代理能完全胜任复杂工作。
脱离一线的认知偏差
Levie 强调，高层管理者并非那些需要审查代码、修复漏洞或识别幻觉库调用的人，也不负责基于独特条款训练模型或审阅隐藏细节。这种对业务流程深层理解的缺失，并未阻止他们基于信念采取行动。
值得注意的是，Levie 并非 AI 反对者。作为拥有 270 万粉丝的意见领袖和天使投资人，他积极倡导 " 无头软件 " 未来，并支持 AI 初创企业。他建议 CEO 们应深入使用 AI，以真正理解其边界，从而欣赏其优势并认可实际工作的价值。然而，目前能做到这一点的 CEO 仍是少数。
裁员数据与 "AI 漂绿 " 质疑
行业数据印证了这股激进浪潮。据 Layoffs.fyi 统计，2026 年前五个月，已有 152 家科技公司解雇了 115,430 人，这一数字已接近 2025 年全年 275 家公司解雇 124,636 人的总和。
多数公司将裁员归咎于 AI，但外界质疑这实为 "AI 漂绿 " ——即借 AI 之名行成本削减之实，将原本由其他商业决策驱动的裁员包装成技术升级。项目管理软件初创公司 ClickUp 的 CEO Zeb Evans 便是典型代表，他在部署约 3,000 个 AI 代理后，自豪地宣布裁掉 22% 的员工，旨在打造所谓的 " 百倍效能组织 "。
学术研究与现实悖论
然而，数据并不支持这种激进假设。加州大学伯克利分校《加州管理评论》10 月发表的荟萃分析指出，"AI 采用率与整体生产力增长之间没有稳健的相关关系。" 美国国家经济研究局 3 月的研究虽承认 AI 提升了生产力，但也揭示了 " 生产力悖论 "：感知到的提升远大于实际测量值。
麻省理工学院（MIT）研究人员在测试数千个代理后得出结论，当前 AI 尚无法提供人类质量的工作。他们预测，按当前大语言模型改进速度，到 2029 年模型才能以 80%-95% 的成功率完成大多数文本任务，达到基础胜任水平。
此外，《哈佛商业评论》的研究显示，当全员使用 AI 生产内容时，瓶颈简单地转移到了高管身上。审批者面临海量待授权产出，若缺乏有效管控，组织可能陷入类似 OpenAI 去年的失控局面。若 CEO 们未能准备好应对这一挑战，"AI 精神病 " 带来的最确定结果，将是组织的混乱。
【来源：星途科讯】
