模型越进步,企业落地越慢
企业改造需要相对稳定的架构,但模型突破快于组织实施速度,新能力常让刚部署的方案过时。若能力暂时冻结,扩散可能两三年完成;持续变化则可能把全面转型拉长到十年。
DEPTH PROFILE
Aaron Levie
Box 联合创始人兼 CEO
Box
EDITOR'S SELECTION
5 条经过五问筛选的核心判断
企业改造需要相对稳定的架构,但模型突破快于组织实施速度,新能力常让刚部署的方案过时。若能力暂时冻结,扩散可能两三年完成;持续变化则可能把全面转型拉长到十年。
代码有可运行测试、集中上下文和能自行纠错的技术用户,普通知识工作通常不具备这些条件。其上下文分散在多个系统,权限还可能过多或不足,因此 agent 扩散不会复制 coding 的速度。
agent 失败往往不是模型不够聪明,而是拿不到正确数据、缺少业务语义,或拥有错误权限。部署前应先检查数据定义、上下文完整性和访问控制,而不是先增加 prompt 与工具。
代码能靠运行和测试验证,法律文件最终仍需律师承担责任。AI 可以大幅加快生成与初审,却会把瓶颈推到验证、判断和责任环节,因此局部自动化不等于整个职业消失。
模型输出只是能力的一部分,真正进入业务还需要数据接入、专属流程、变化管理和持续支持。实验室若不为每个行业配置庞大实施团队,垂直应用和桥接层就仍有长期空间。
ALL INSIGHTS
按当前资料入库顺序排列
企业改造需要相对稳定的架构,但模型突破快于组织实施速度,新能力常让刚部署的方案过时。若能力暂时冻结,扩散可能两三年完成;持续变化则可能把全面转型拉长到十年。
AI 从固定席位费变成可快速膨胀的计算支出后,单靠 IT 预算无法承接。技术采购和容量管理可以集中,但营销、销售等部门应按业务回报决定自己愿意购买多少计算。
前沿模型适合探索尚未稳定的高难任务;一旦任务能够可靠完成,就应下沉到便宜模型。某些成熟流程甚至不需要 agent,传统软件运行在 CPU 上反而更经济。
代码有可运行测试、集中上下文和能自行纠错的技术用户,普通知识工作通常不具备这些条件。其上下文分散在多个系统,权限还可能过多或不足,因此 agent 扩散不会复制 coding 的速度。
agent 失败往往不是模型不够聪明,而是拿不到正确数据、缺少业务语义,或拥有错误权限。部署前应先检查数据定义、上下文完整性和访问控制,而不是先增加 prompt 与工具。
企业需要技术人员贴近业务,把流程、数据、权限和 human in the loop 组合起来。模型每次变化又会带来脚手架重构和收益复核,所以内部与外部 FDE 都可能成为长期角色。
跨多个系统搜集和处理信息时,agent 的无界面操作更高效;精细整理文件和控制共享方式时,GUI 仍更快。新媒介通常增加选择,而不是彻底清除旧媒介。
人类仍会购买界面席位,agent 则会制造远高于人类操作的调用量,因此软件公司会同时收取席位费和消耗费。需要长期保存数据与身份的 stateful agent,可能还会拥有价格更低的专属席位。
代码能靠运行和测试验证,法律文件最终仍需律师承担责任。AI 可以大幅加快生成与初审,却会把瓶颈推到验证、判断和责任环节,因此局部自动化不等于整个职业消失。
当一名工程师或设计师能完成过去数人的工作,原本负担不起这些职能的企业会启动更多项目。小公司尝到 agent 带来的增长后,也可能雇人专门管理和放大这些工作。
设计判断、客户沟通等领域能力不会因为生成成本下降而自动互换。未来每个职能可能都要嵌入 agent 技术能力,但专家会转为管理 agent,而不是人人合并成同一种通才。
公司不能只追求多一个点的利润率,却把技能升级成本全部交给员工。维持人们参与工作的意愿和下一代的职业入口,也是企业采用 AI 时应承担的长期责任。
知识工作者应固定投入一部分时间和费用,主动把 agent 接入真实任务。只有亲手推到能力边界,才能形成工作流直觉,并看见哪些工作值得重新设计。
模型输出只是能力的一部分,真正进入业务还需要数据接入、专属流程、变化管理和持续支持。实验室若不为每个行业配置庞大实施团队,垂直应用和桥接层就仍有长期空间。
EVIDENCE
观点所依赖的证据层
2026-05-28 · 73 分钟 · EN