本尼迪克特·埃文斯谈AI、工具与企业转型
AI不会立刻让每个人都成为工具构建者
要点： AI不会让软件开发对每位员工都变得轻而易举，也不会立刻消除大型企业所依赖的复杂分层软件栈。真正的影响在于AI如何扩展现有工具、创造新选择，并迫使企业重新思考规模化自动化。
1. 通用工具构建者的迷思
- 普遍认知： 大型语言模型让任何人都能通过提问生成代码，从而把每位员工变成开发者。
- 现实： 大多数员工从未考虑过重新设计自己的工作。律师或销售人员等专业人士专注于领域专长，而非构建软件。
- 埃文斯的证据： 他指出，Excel等产品提供了模板和助手，但每个模板最终都变成了独立的产品——这说明AI生成的工具并非万能解决方案。
“如果你一直待在硅谷的圈子里，很容易忘记这一点，因为你的整个世界都在创造改变工作方式的工具。” —— 本尼迪克特·埃文斯
2. 当今企业软件格局
- 复杂的技术栈： 企业运行着数十种垂直SaaS应用、庞大的ERP系统（如SAP、Workday），以及无数的电子表格、脚本和临时工具。
- 可见性问题： 企业往往缺乏对实际使用和付费软件清单的清晰了解。
- 自动化缺口： 即便有了这些软件，许多重复性任务仍未实现自动化，因为对工具的需求并不明显。
3. “前沿部署工程师”的角色
- 定义： 能够发现领域专家忽视的自动化机会的工程师。
- 为何需要： 问题往往在于识别对工具的需求，而非构建工具本身。
- 评论： 用户可能看不到低效之处；而技术敏锐的观察者能够提出AI驱动的解决方案。
4. 制度化解决方案与临时解决方案
- 制度化任务： 由成熟系统（如SAP、Workday）处理，这些场景要求一致性、审计和安全性。
- 临时任务： 使用灵活工具（如Excel、电子邮件、共享文件夹）处理边缘案例和一次性需求。
- 转型节点： 当临时流程规模扩大时，企业必须将其制度化，并加入治理与合规要求。
5. AI如何改变现有格局
- 现有工具的延伸： AI为Excel、Tableau、电子邮件及其他临时工具层增添了新能力。
- 新的灵活空间： 聊天机器人成为新的临时层，既能接管任务，也能将任务交还给传统应用。
- 门槛的转变： AI并未消除自动化什么的决策；它只是改变了构建这些自动化的成本与速度。
6. 真实世界中的企业采用模式
- 试点驱动的方法： 企业开展AI试点；大约一半成功，这与历史上的技术推广模式相似。
- 使用分布： 少数人成为重度用户，一部分人偶尔使用AI，而大多数人几乎不受影响。
- 变革管理的挑战： 与20世纪80年代PC或90年代浏览器的推广类似——技术普及并不均衡，需要培训和治理。
7. 高管面临的战略问题
- 采购策略： 企业应该购买、自建还是试点AI解决方案？应由哪些供应商或内部团队主导？
- 运营影响： AI如何重塑特定行业的工作流程（如电子邮件、电子表格）？
- 经济与竞争影响： AI会创造新的收入来源、成本压力，还是生存威胁？
8. 人的因素仍然至关重要
- 责任与审计： AI无法替代人类监督，尤其是在安全性、持久性和合规性方面。
- 领域专长： 成功的AI工具需要对业务问题有深刻理解，而不仅仅是代码生成能力。
- 评论要点：
- zacksiri 认为AI将扁平化软件层级，但这忽略了治理需求。
- ryuuseijin 强调责任不能外包给AI，并指出了对齐风险。
- iLoveOncall 分享了一个警示故事：一位非工程师用AI生成的脚本导致了隐藏错误，凸显了专家审查的必要性。
9. 展望
- 短期： AI将增强现有工具，为定义明确的任务提供更快的低代码自动化。
- 中期： 企业将面临一波新的SaaS产品，这些产品将AI与传统垂直应用相结合。
- 长期： AI的变革性价值将来自实现过去不可能实现的能力——而不仅仅是加速现有工作流。
结论： AI通过扩展制度化和临时性工具的能力来重塑软件生态系统，但它并未消除根本性挑战：识别自动化机会、确保治理以及实现企业级采用。高管必须提出正确的战略问题，并让领域专家参与进来，才能释放AI真正的变革潜力。
Sources
関連
- Dispatch
- Dispatch
- Dispatch
- Dispatch
- Dispatch