AI 本该取代人类劳动。
结果恰恰相反。
人类历史上首次，人类比软件更便宜。
顶级公司每位员工的代币支出
而且 AI 创造的 岗位 比它消灭的更多。
AI 采用后的员工增长
技术始终在解决一个问题的同时，制造另一个问题。
19 世纪 30 年代，铁路的出现推动了世界历史上最大规模的基础设施建设。美国铁路里程在十年内增长了 120 倍。
然后系统崩溃了。
1841 年 10 月 5 日，两列火车在马萨诸塞州的西部铁路上因一次简单的协调失误相撞，造成致命事故。
随着铁路系统日益复杂，单靠列车长已无法保障列车运行安全。铁路公司因此开启了长达数十年的努力：为每个区域聘请管理人员，定义组织内部的新角色，并建立清晰的层级和汇报关系。现代管理由此诞生。铁路也借此成为世界上第一个十亿美元产业，巅峰时期约占股市总值的 60%。
AI 正在再次打破系统。
我们刚刚给了每个员工——即使是最差的员工——无限的人手和无限的预算。
管理 AI 比管理人更难，因为 AI 会瞬间放大低效。幸运的是，我们可以从历史中学习：
Agent 工作团队和人类工作团队以同样的方式失败。
理解两者之间的 7 大相似之处，将解锁下一个万亿美元的 AI 价值创造。
Agent 工作团队与人类工作团队的 7 大相似之处
1. 代币狂堆等同于用人海战术。
代币狂堆（Tokenmaxxing）的炒作周期在不到一个月内就走完了全程。
但代币消耗量从来就不是真正的问题。
人们在代币上花费巨资，是因为他们根本不知道如何有效使用。
也许每 100 个员工中只有 1 个知道如何为 AI 提供上下文。能够清晰阐述流程、有耐心去理解一个被污染的上下文窗口、甚至理解这意味着什么的人，是极其罕见的。
把 Agent 工具交给其他 99 个人，他们只会产出"循环"。
2. 循环就是关于会议的会议。
在 Claude Code/Cowork、Copilot、Karpathy 的 Autoresearch 或任何工具中，循环都是一种权宜之计，用来掩盖几乎没人能成功进行提示词编写的事实。
循环是用蛮力来弥补人类能力的不足。Agent 之所以调用自身来修复自身，仅仅是因为人类从未清晰地阐述任务。蛮力成了系统取得进展的唯一途径。这一切都源于人类最初未能成功理解任务。
你正在为消耗代币而消耗代币。
3. 浪费的代币就是新的人员臃肿。
当今大多数公司管理不善。
绝大多数员工对业务没有实质性影响。他们是机器中的齿轮，在每个层级盖章批准，并雇佣更多的齿轮来维持一台为了存在而存在的机器。
他们在循环。
通常，砍掉循环更有效率。马斯克裁掉了 X 公司 80% 的员工，公司反而表现更好。私募股权运营合伙人正是靠利用这个简单事实来谋生的。
就像 80% 的员工无所事事一样，今天 80% 的代币也是浪费。
人创造更多人。代币创造更多代币。循环就是新的"帝国建设"。
4. 100X 代币就是新的 10X 工程师。
软件的承诺是：我们构建一次，永久低成本运行，并且永远不需要监督。AI 打破了这一承诺。一旦软件什么都能做，它就无法可靠地做好任何一件事。
代币的行为就像一支劳动力队伍，一旦你把代币视为员工，AI 的承诺就开始瓦解：
- "代币比人类更准确"——但只有在正确提示时才行。
- "代币比人类更快"——但在 100 次重试面前，速度毫无意义。
- "代币不搞政治"——但它们会建立起代币消耗的帝国。
- "代币不会离职"——但它们会在新模型发布和新会话之间消亡。
- "代币可以信赖"——但它们会以完美的格式自信地犯错。
AI 真正胜过人类的一个地方是可扩展性。扩展人类需要在招聘、入职和人员流失上消耗巨大能量。而扩展代币是瞬间完成的。这正是不善管理代价如此高昂的原因，也是你必须找到并扩展 100X 代币的原因。
10X 工程师构建了上一个时代的企业。100X 代币将构建下一个时代。
正如少数员工能让其他人效率提升 10 倍一样，对于任何给定任务，一定量的代币上下文可以将 AI 的努力减少几个数量级。存在能给你 100 倍杠杆的代币。
平均而言，人类比代币便宜，但好的代币在规模化时更便宜。
管理就是将前者转化为后者。
5. 囤积上下文是最新的工作保障策略。
公司内部存在一个巨大的与 AI 相关的政治问题，而且只会越来越严重。
员工不想把他们的独门秘诀教给 AI 系统。
他们开始意识到，这些系统不仅仅是为了"帮助他们"或"提高生产力"。
看看 Meta，持有股票的员工——他们拥有巨大的动力去正确使用 AI——却对公司将员工上下文作为训练数据感到愤怒。这还发生在一家科技公司……这场冲突是整个行业即将发生的事情的缩影。
https://x.com/Polymarket/status/2061903052966076882
部落知识几百年来一直是工作的保障。中世纪的行业公会对其方法秘而不宣。AI 是第一个要求工人一次性交出所有知识的技术。
没有人会免费培训自己的替代者。
掌握着 100X 代币的人，最没有动力交出它们。无论在情感上、结构上还是政治上，企业都天生排斥对其未来最重要的技术。
6. 评估就是新的 OKR。
管理代币劳动力的最佳方式与管理人类的最佳方式相同：定义什么是"好"。
唯一一个逃脱了政治的突破性 AI 用例是编程。它做大了蛋糕，让每个工程师都变得更好。
其机制就是评估。今天 99% 的 AI 收入来自编程，因为编程有内置的评估。代码要么能跑，要么不能。
更广泛的、跨领域的 AI 用例，只有在有人构建了必要的评估系统后才会出现。具体的评估比教员工如何写提示词或给他们一个聊天工具更重要。有了评估，AI 将吞噬代码从未触及的经济领域。
管理的真正工作是将模糊的人类流程转化为代码，将定性表达为定量。
一家公司的评估套件将成为其最宝贵的资源。
就像 OKR 是发挥人类劳动力最佳产出的关键一样，评估将是发挥无限可扩展的代币劳动力的关键。评估是运行 100X 代币的路径。
此外，没有两家公司会有相同的评估集。评估将成为竞争优势的关键。一个运行通用评估或通用 Agent 的组织没有任何优势。
7. 下一个万亿美元的机会是转型公司。
多年来，企业一直在购买基础模型承诺、应用层和内部构建。所有这些都掩盖了一个关于经济学的残酷事实：
到目前为止，还没有人能让 AI 可靠地工作。
硅谷对此深信不疑，以至于其最新的痴迷是押注反对当今的业务。"新创公司"（Neofirms）或"AI 原生服务"初创公司正获得资金，旨在占领知识经济中 21 万亿美元的服务支出，其理论依据是，深陷自身政治和流程泥潭的现有企业，永远无法自行完成转型。
新创公司或许能提供竞争压力，催化"传统公司"（Tradfirm）的 AI 采用。但最伟大的 AI 资产仍然存在于现有企业内部：那些已经行之有效的差异化流程，可以通过已有的分销渠道进行规模化。
事实上，下一个最大的业务不会是吃掉现有的服务支出。它们将向现有玩家销售一种全新的服务：
"AI 转型公司"的规模将是任何新创公司的 10 倍。
转型听起来像是一次性项目。但这里存在一个杰文斯悖论：组织每采用一个用例，就会浮现出十个新的用例。一家公司越是被 AI 赋能，它消耗的转型就越多，同时可能性边界每天都在向前推进。持续的 AI 转型工作将成为唯一的竞争方式。
想想 Palantir，纸面上看是最容易被 Claude 颠覆的软件公司：一家为大型企业手工构建定制应用的、市值五千亿美元的公司。按照让 SaaS 几乎无法投资的逻辑，$PLTR 的价值应该远低于 $NOW。
但它没有，因为 Palantir 从来不是在卖软件。它卖的是转型。
但转型本身在 Palantir 的时代之后已经进化了。在一个 AI 优先的世界里，转型不仅仅是本体论、定制软件和稀有的定制提示词。真正的工作在于评估、在于代币最小化、在于深入理解一个业务以至于能够对其编程。
将每家公司的细微差别编码到 Agent 中，将成为这个十年最大的经济任务。
是时候进行管理了。
AI 热潮的每个阶段都有其指导性的陈词滥调。
我们被告知要像淘金热时卖铲子一样，于是我们建设了基础设施。我们被告知要卖"服务即软件"，于是我们建立了新创公司。我们已经有足够的基础设施。我们已经有足够的服务。现在的工作是让火车准点运行。
是时候审视整个企业了：找到 100X 代币，记录那些有效的循环，并引导那些被大量浪费的智能。
人类刚刚变得比软件更便宜。
但仍然需要有人告诉两者该做什么。
感谢 Sam Wolfe、David Oks、@WillManidis 和 @Alex_Danco 的思考。也感谢 @ClaudeAI Fable 5（运行在太多循环之上）在起草本文时提供的帮助。
