在硅谷弥漫着AI将大规模取代人类工作的恐慌情绪时，Box公司CEO Aaron Levie却发出了不同的声音。这位在科技行业摸爬滚打近20年的老兵，刚刚将自己的2000人公司转型为"AI优先"企业，他的观点基于真实的实战经验，而非象牙塔里的理论推演。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？
（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。
工作本质的革命性变化
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