Aaron Levie 谈 AI 智能体、就业与企业软件的未来

Matthew Berman 到访 Box，与首席执行官 Aaron Levie 讨论 AI 智能体及其对工作的影响。Levie 说，智能体已经成为他关注的重点。

Berman 问 Box 所说的 AI 优先是什么意思。Levie 表示，目标是考虑如何在各项业务任务中应用 AI，以扩大公司产出，而不是单纯减少员工人数。例子包括编写代码、开展更有针对性的营销活动、客户支持和销售。

Levie 说，Box 希望把原本需要数周的项目压缩到数天。一个高管小组负责寻找战略机会，同时各团队使用 Box AI 和 Box Hubs 就内部销售与营销知识提问。

员工可以在经批准的平台和访问控制范围内分散开展实验。Levie 说，公司寻找可信赖的系统，防止客户数据被用于训练，并将访问限制在员工有权查看的信息范围内。每周全员会议上的演示让各团队分享自己的 AI 工作流。

Levie 承认 Box 在采用方面有优势：它是一家已经参与 AI 领域的硅谷软件公司。其他组织可能首先需要了解这项技术及其用途的基础培训。

如果员工认为采用 AI 意味着自己的工作会消失，他们可能会抵触。Levie 说，Box 一直努力明确表示其目标是增加产出。他特别指出一个例外：通过分流支持请求，可能将人员或资金重新投入主动式客户成功服务。

Levie 建议用更多预算或人员奖励有效使用 AI 的团队，而不是只在无法使用 AI 的地方增派人手。他希望采用、生产力和再投资形成循环，让员工在推广过程中更有安全感。

Berman 问，为什么公司要止步于自动化现有工作，而不是追求以前在经济上不可行的机会。Levie 认为，利用 AI 服务更多客户的竞争者，可能比狭隘地专注削减成本的公司增长更快。

Levie 预测，一些小企业最终可能雇用更多人，因为智能体让它们能够完成以前负担不起的工作。小团队可能先用 AI 改进产品或营销，再随着增长招聘销售或相关岗位。他将这作为直觉，而非已经测量出的就业结果。

Berman 提到 Dario Amodei 关于白领失业的警告，以及 Andy Jassy 对公司员工人数的评论。Levie 区分技术能力与经济结果：他认为在假设的真空中，智能体可能能够完成许多任务，但预计实际采用过程和就业影响会以不同方式展开。

Levie 认为仍有最后一公里：人们必须指导智能体、审查工作并整合输出。他也预计谈判和客户关系等人际活动仍然重要。这些是他对工作的预测，并不保证特定岗位不会受到影响。

Levie 引用劳动总量谬误和杰文斯悖论。如果 AI 让法律、医疗或营销服务更便宜、更高效，需求可能扩大到足以创造更多工作。需求是否真的能超过效率提升带来的影响仍是问题，而他认为许多类别有增长空间。

Berman 提到一种反对意见：需求增长可能不足以抵消生产力提升。Levie 承认双方都无法预知结果，但预计有大量未满足的需求。他以医疗预约等待时间长为例，认为行政工作的自动化可能为临床人员腾出时间。

Levie 又以朋友的在线气球生意作为假设例子：自动化营销或库存工作，吸引更多客户，再为供应链或产品开发招聘人员。实际效果取决于需求、成本以及企业扩张的能力。

Levie 将这一逻辑应用到 Box 的销售：如果 AI 提高销售代表的生产力，公司可以保留收益，也可以因为回报更有吸引力而增加销售投入。他说，当市场机会足以支持时，Box 会选择再投资。

Berman 问，人们将是管理智能体还是审查其输出。Levie 说，企业软件传统上帮助员工以自己的速度产出，而智能体可能并行执行任务，使人们转向规划、委派、审查和整合。

Levie 描述了对旧式自动补全模式的颠倒：软件不再只是加快每次按键，人们可能会花时间让智能体更高效。他们必须定义更大的目标，选择足够具体、能够成功，又足够大、能带来生产力收益的任务。

Levie 讲述了一位 Box 工程师使用 Cursor 生成代码再进行审查的经历，工程师经常发现错误。在这个例子中，工程师估计产出增加了 50%。Levie 将这则轶事视为工作变化的迹象，而非受控的生产力研究。

Levie 将 Codex 描述为任务队列：要求智能体构建某个东西，让它工作，然后检查改动并采用有用的部分。他预计类似系统会出现在其他工作中。被问及 Box 自身的部署情况时，他说工程师在使用 Cursor，但他不知道 Codex 的正式部署状态。

Berman 问，AI 生产力和资本需求是否会让权力集中到少数大型公司。Levie 承认这一风险，但认为它延续了现有趋势。同时，他认为小型 AI 初创公司可以用更少员工找到合适的产品体验，从而参与竞争。

Levie 说初创公司必须谨慎选择市场：直接与成熟的通用助手竞争可能很困难，而其他类别则刚刚开放。他将当前时刻比作早期创造了交通、食品和旅行消费服务的浪潮。

Levie 预计智能体将在法律、医疗、辅导和研究等专业服务领域创造市场，这些领域的许多工作过去并未以同样方式数字化。他认为，某些细分领域缺少成熟软件巨头，给了初创公司机会，尽管现有供应商也可以进入。

Berman 同意智能体支撑框架是一个有前景的领域。Levie 指出，自己作为企业软件高管有立场偏向，并表示在少数强大模型之上构建产品有很大机会。

Berman 问，拥有长期记忆的个人智能体如何与工作智能体和公司的知识产权相处。Levie 认为这是困难的隐私和治理权衡：例如，个人健康信息不应意外影响企业系统。

Levie 还指出，个人对话可能是假设性的或暂时的，因此助手必须判断什么值得记住。他担心多年上下文被锁定在一家供应商时的可移植性问题，并建议使用用户可在不同系统间携带的标准化个人数据卡。

Berman 问，员工能否在公司信息留给雇主的同时，把部分智能体记忆带到新工作中。两人头脑风暴提出一种描述个人工作偏好的智能体简历。Levie 强调这只是一个想法，并非 Box 的产品公告；他说易用性与可移植格式同样重要。

Berman 问，如果智能体犯了严重错误，谁来负责。Levie 说，在可预见的未来，人们仍负责审查代码、法律文件和客户消息。他预计在系统尚不足以完全自主时，会经历一个出现错误并需要培训的过渡期。

Levie 设想未来的某个阶段，供应商可能需要为足够自主的服务承担责任，尤其是客户无法检查其运行过程时。他将此作为未来治理和责任问题提出，并非对现行法律的陈述。

Berman 问，谨慎态度和有限的防护措施是否会减缓创新。Levie 认为组织变革通常比技术发展慢得多：公司可能需要数年调整工作流、权限和员工实践。他以企业持续迁移到云服务的过程作类比。

Berman 问，AI 的发展是否仍然比云更快。Levie 同意技术进步快得多，但坚持认为采用仍需要人们发现改进，并将其融入无数工作流。他提出的时间线是类比和预测，并非经过测量的预报。

Berman 问谁将拥有智能体：SaaS 公司、模型供应商还是框架提供商。Levie 预计它们都会发挥作用，并引用云和企业软件领域出现的多样性。他支持智能体间协议和 MCP 等互操作标准，让系统能够互相移交工作。

Berman 提到 Satya Nadella 关于应用可能被智能体取代的看法。Levie 认为这是一个有启发性的设想：对话层可能抽象掉许多界面，并改变价值的分配位置。但他认为用户仍会希望用仪表盘、按钮和表格处理重复任务。

Levie 认为 SaaS 供应商在熟悉的领域部署智能体有优势，例如服务管理、销售或文档。现有 API 可以让智能体访问这些系统，而更高层的助手可能协调它们之间的工作。作为 Box 首席执行官，他对这一观点有直接商业利益。

Berman 问智能体是否能按需生成定制界面。Levie 认为这是可能的，也看好 IT 团队使用 AI 辅助编程，但怀疑大多数财务员工愿意承担关键财务流程中定制代码的风险。他预测，许多人会更喜欢有责任主体的软件供应商。

Berman 问，智能体与互联网交互时，浏览器操作和 API 哪一种会占主导。Levie 预计两者都会发展：智能体可能推动更多 API 的产生，而浏览器操作可以处理 API 无法简洁覆盖的长尾任务和组合。他设想智能体观察视频流是一个可能的应用。

Berman 担心 AI 生成内容会降低互联网上的信噪比。Levie 同样担心合成内容，并预计验证人类创作的内容会变得重要。他认为智能体作为中介是自动化更广泛的结果，而不只是对低质量内容的回应。

Levie 设想，随着更多信息来源受到限制，拥有预算的智能体可能向数据提供商付费获取信息。Berman 补充担忧：位于个人与互联网之间的智能体可能放大社交媒体上已经出现的回音室效应。这些都是可能的未来，而非已经证明的结果。

Berman 问企业在哪些方面高估或低估了 AI。Levie 说，与他交谈的首席信息官更多是在问特定用例何时准备就绪，而不是假设一切已经可用。他表示，许多例子关注新能力，例如分析大量合同或客户对话，而不是替代现有员工。

Levie 认为人们低估了从直接使用软件转向委派工作和审查草稿所带来的变化。他建议把不完美的输出当作可以节省工作的起点，前提是人类进行检查和修改。价值和错误率取决于具体任务。

Levie 举例说，AI 为一项面向 IT 领导者的调查起草了框架，按他的估计节省了三到五小时。他仍做了大量修改，但草稿帮助一个他可能原本会推迟的项目继续推进。

Berman 问 AI 是否为 Levie 频繁发布的社交帖子代笔。Levie 说，除了偶尔借助拼写检查，他自己撰写观点，因为写作迫使他理解快速变化的领域。与工程师和客户的对话经常激发想法；他说自己不使用 AI 为这些帖子构思。