你若喜欢本文，记得在文末点个【在看】

在关于AI未来的讨论中，存在着两条截然不同的叙事线：一条是技术乐观主义的“颠覆论”，认为AI将在几年内彻底重塑所有行业，消灭数百万工作岗位；另一条则是更审慎的“演进论”，强调技术扩散受制于制度、合规、人力瓶颈等现实因素。

Box创始人兼CEO Aaron Levie在近期的一期深度对话中，清晰地站在了后者的阵营。他不是否定AI的巨大潜力，而是要指出一个被硅谷叙事长期遮蔽的真相：技术改变世界的速度，远没有人们想象的那么快；而技术无法改变的底层逻辑，也比人们以为的要多得多。 

一、被遗忘的85%：科技行业不是全世界

当我们谈论“AI将导致失业”时，我们的参照系往往局限于科技行业。这是一个危险的认知偏差——科技行业在全球经济中的占比大约只有8%到15%，而其余85%的经济体——制造业、农业、医疗、法律、金融——才是真正的就业主战场。

Levie指出，这些行业长期以来的共同痛点是“工程师不够用”。一家拖拉机制造商、一家制药公司、一家银行，它们内部的技术团队规模，远不足以支撑其业务自动化的需求。因此，AI编程工具（如Codex、Claude Code）的真正价值，不是取代现有的软件工程师，而是让那些“非科技公司”也能拥有曾经只有硅谷才具备的工程能力。

这意味着，未来计算机专业毕业生的就业去向，可能从Google、Meta转向John Deere、Eli Lilly这样的传统企业。他们的技能同样重要，只是应用领域从“做一个带按钮的小应用”变成了“自动化制药研发流程”或“让农业设备具备AI能力”。工程师的数量不会减少，而是会扩散到更广阔的经济版图中。 

 二、瓶颈的转移：当自动化去掉第一层滤镜，下一层问题才会被看见

一个反直觉的判断是：AI不会减少岗位需求，而是会暴露更深层的瓶颈。Levie用两个生动的例子说明了这一点。

第一个是律师行业。当AI让法律文书的生成变得几乎零成本时，“每个人都觉得自己是律师”了——客户开始大量发送合同审查请求。然而，真正的瓶颈不在于“生成”，而在于“审核”。能够对AI生成的法律内容进行最终把关、确保其被法院认可、完成专利申请的人，仍然是那些真正具备资质的律师。因此，Levie预测：未来五年，律师的数量不会减少，反而会增加。 

第二个例子来自医疗领域。一个医院正在自动化患者转诊流程——过去需要打电话排一周队的预约，现在可以瞬间完成。听起来很好。但当所有流程自动化后，真正的瓶颈暴露出来：专家的预约仍然要排18个月。系统解决了流程问题，但没有解决供给问题。自动化就像去掉了一层滤镜，让更深层的结构性问题浮出水面。

这个逻辑的启示是：你不应该把职业押注在一线操作岗位上，但系统会因此创造出更多解决“下一层瓶颈”的岗位。 

 三、新角色与新责任：智能体操作员与“背锅”机制

Levie提出了一个新颖的职业预测：未来将出现大量“智能体操作员”（Agent Operator）。这个岗位需要具备一定的技术能力——理解MCP协议、CLI工具、Skills编写——但其核心价值不在于写代码，而在于进入一个公司的市场、法务、运营或生命科学团队，帮助这些部门真正把智能体用起来，并从中获得效率提升。

为什么需要专门的人来做这件事？因为《财富》1000强企业不是一家初创公司。它们受到监管，数据分散在各个遗留系统中，员工早已习惯固有的工作流程。让智能体在这些环境下发挥作用，需要的不是“把模型接上API”这么简单，而是变革管理——重新设计工作流程、整理数据、定义人类参与的节点、建立问责机制。

这就引出了另一个关键点：AI无法替代“背锅”的人。 当系统出错时，客户不会去怪Anthropic或OpenAI。客户会说“我再也不用你的服务了”。因此，组织内部必须有人对AI的输出负责，而且这个人必须向更高层级的责任者汇报。这种契约关系和监管体系，并不会因为AI的出现而消失。我们只是给计算机装上了一把“数据机关枪”，让它能更快地生成更多内容，但底层的社会运行逻辑并未改变。 

四、软件不会死，但价值在转移

有人担心，当AI智能体成为软件的主要“使用者”时，传统SaaS产品的价值会消失——因为用户不再需要点击按钮了。Levie的观点是：软件不会死，但价值会从“界面”转移到“API层”。在一个API驱动、智能体执行更多工作的世界里，决定一个软件平台价值的，不再是它在界面上有多少个功能按钮，而是：

– 它的API设计得有多好？

– API中包含了多少业务逻辑（而不仅仅是数据库查询）？

– 它是否为智能体的高频调用做好了准备？

– 它是否具备合规能力，能够通过监管审计？

那些能够提供“API + 合规能力”组合的平台，反而会因为智能体调用频率更高而获得更大的价值。Levie举了自己公司Box的例子：Box的API调用量早已远超终端用户的直接操作——ERP系统自动生成文件、财富管理平台让客户上传文件、发票处理后台自动运转——大量使用场景下，用户甚至从未“看到”Box的产品界面。在这种模式下，智能体只是一个“放大器”，让现有模式规模更大。

同时，一个重要的经济变化正在发生：Token预算将从IT支出转移到常规运营支出。 过去，企业购买软件是IT部门的决策；未来，业务部门会说：“我是做一场营销活动，还是用这些钱去自动化我的营销流程？”这将打开一个全新的预算池。Levie认为，全球IT/技术支出目前的占比大约在10%-12%，未来可能翻倍到20%左右。

五、开源竞赛与安全：硅谷的“反向赋能”

被问及硅谷是否被中国开源模型“反向赋能”时，Levie的看法是：从经验上看，某种程度上是成立的。很多公司用最前沿的模型设定上限，然后用开源模型（包括来自中国的）来逼近这个水平。但他并不用“可怕”来形容这种局面——只要不对模型安全过度担忧，这种多样性反而有利于技术扩散。

更为深刻的一点是：即便是最先进的模型，也仍然会犯错。这意味着无论采用哪个来源的模型，工作流程中都必须保留人类审核环节。系统安全的核心不在于模型本身是否“纯净”，而在于你如何在组织内部建立对输出结果的审核与问责机制。 

六、未来格局：谁赢？大市场容得下多家

对于“OpenAI和Anthropic谁会赢”的问题，Levie给出了一个冷静的答案：现阶段几乎无法下定论。回顾云计算的历史——2010年AWS收入5亿美元，Azure刚起步，GCP还只是Google App Engine——15年后，这是一个每年数千亿美元的市场。当时人们也在问谁会赢，结果是市场太大了，大家都赢了。

AI的轨迹很可能类似。企业会采用多个系统，因为它们不喜欢被单一供应商绑定。一旦某个服务宕机、改变API策略或推出新的商业模式，你就需要有多供应商、多AI的备选方案。在这个阶段，赌某一家赢，远不如赌整个市场扩大来得稳妥。 

七、写在最后：技术加速，但制度减速

Levie的整篇论述，描绘了一幅与硅谷主流叙事不同的图景：AI确实在加速，但企业落地、监管适应、人才培养、责任界定这些事情，仍然在以传统经济固有的节奏运行。技术是“机关枪”，但制度是“安全栓”。

对于身处这个时代的人，Levie的建议不是“赶紧学AI”，而是更根本的：去理解你自己的行业里，哪些是真正的瓶颈，哪些只是流程问题。 自动化会暴露瓶颈，但不会消除它们。而解决瓶颈的人，永远是稀缺的。

AI不会让世界一夜之间变得陌生，它只会让那些本来应该更早解决的问题，终于被人们正视。而这，恰恰是这个时代最真实的机会所在。

END

感谢阅读，让爱和金钱流向你！

—— END ——

>> 点击“在看”和分享是最大的鼓励 <<

打赏才是真爱，谢谢你的爱

如果您喜欢我的文章，请设“置顶”哦。

点击最上方蓝色字体“李才哥”→点击右上角“…”→点选“设为星标⭐️”。

↓推荐关注↓