Benedict Evans 关于 AI、工具与企业转型的观点

AI 不会立即让每个人都成为工具构建者

要点： AI 不会令每位员工的软件开发变得轻而易举，也不会立即消除大型企业所依赖的复杂、分层的软件架构。真正的影响力在于 AI 如何扩展现有工具、创造新选项，并迫使企业重新思考规模化自动化的问题。

1. 普遍工具构建的神话

  • 普遍观点： 大型语言模型让任何人都能要求模型编写代码，使每位员工都成为开发者。
  • 现实情况： 大多数员工从未想过重新设计自己的工作。律师、销售人员等专业人士关注的是领域专业知识，而非构建软件。
  • Evans 的证据： 他指出，像 Excel 这样的产品提供模板和助手，但每个模板最终都会变成独立的产品——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泡沫里，很容易忘记这一点，因为你的整个世界都围绕着创造改变做事方式的工具。" – Benedict Evans

2. 当前企业软件格局

  • 复杂的架构： 企业运行着数十个垂直领域的 SaaS 应用、庞大的 ERP 系统（如 SAP、Workday），以及无数电子表格、脚本和临时工具。
  • 可见性问题： 组织往往缺乏对其实际使用和付费软件的清晰清单。
  • 自动化缺口： 即使拥有这些软件，许多重复性任务仍处于未自动化状态，因为工具需求并不明显。

3. “前线部署工程师”的角色

  • 定义： 一位能够发现领域专家忽略的自动化机会的工程师。
  • 必要原因： 问题往往不在于“构建”工具，而在于“识别”对工具的需求。
  • 评论： 用户可能看不到效率低下；而技术敏锐的观察者可以提出基于 AI 的解决方案。

4. 制度化与临时解决方案的对比

  • 制度化任务： 由成熟系统（如 SAP、Workday）处理，要求一致性、审计和安全性。
  • 临时任务： 使用自由形式的工具（如 Excel、邮件、共享文件夹）处理边缘情况和一次性任务。
  • 过渡点： 当临时流程规模化时，企业必须将其制度化，加入治理和合规要求。

5. AI 如何改变现有谱系

  • 现有工具的延伸： AI 为 Excel、Tableau、邮件等临时层添加了新能力。
  • 新的自由形式空间： 聊天机器人成为另一个临时层，既能接管任务，也能将任务交还给传统应用。
  • 门槛变化： AI 并未消除“自动化什么”的决策问题；它只是改变了构建这些自动化的成本和速度。

6. 企业真实采用模式

  • 试点驱动方法： 企业开展 AI 试点；约一半成功，与历史上的技术推广模式相似。
  • 使用分布： 少数人成为高级用户，中等数量的人偶尔使用 AI，大多数人几乎感受不到影响。
  • 变革管理挑战： 类似于 1980 年代 PC 或 1990 年代浏览器的推广——技术普及不均衡，需要培训和治理。

7. 高管应思考的战略问题

  1. 收购策略： 企业应选择购买、自建还是试点 AI 解决方案？哪些供应商或内部团队应主导？
  2. 运营影响： AI 如何重塑特定行业的现有工作流（如邮件、电子表格）？
  3. 经济与竞争影响： AI 是否创造新收入来源、成本压力或生存威胁？

8. 人类因素依然至关重要

  • 责任与审计： AI 无法替代对人类监督的需求，尤其是在安全、持久性和合规性方面。
  • 领域专业知识： 成功的 AI 工具需要对业务问题有深入理解，而不仅仅是代码生成。
  • 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，并指出对齐风险。
    • iLoveOncall 分享了一个警示故事：非工程师生成的 AI 脚本导致隐藏错误，凸显了专家审查的必要性。

9. 展望

  • 短期： AI 将增强现有工具，使特定任务的快速、低代码自动化成为可能。
  • 中期： 企业将面临一波融合 AI 与传统垂直应用的新 SaaS 产品浪潮。
  • 长期： AI 的变革价值将来自此前不可能实现的能力，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工具的能力，重塑了软件生态系统，但并未消除识别自动化机会、确保治理和实现企业级采用的根本挑战。高管必须提出正确战略问题，并让领域专家参与，才能释放 AI 的真正变革潜力。

Sources

相关