新消息：据报道，Meta 在员工强烈反对后，正在缩减其 AI 鼠标追踪工具。

你刚雇了一百万个差劲的员工。

AI 本该取代人类劳动。
但结果恰恰相反。

人类历史上首次，人力比软件更便宜。

顶尖公司每人平均的令牌支出

顶尖公司每人平均的令牌支出

而 AI 创造的工作岗位，比它消灭的更多。

采用 AI 后的员工规模增长

采用 AI 后的员工规模增长

技术总是在解决一个问题的同时，创造出另一个问题。

19 世纪 30 年代，铁路的出现引发了当时世界上规模最大的基础设施大建设。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，在马萨诸塞州的西部铁路线上，两列火车因简单的协调失误而致命相撞。

随着铁路复杂性的增长，仅靠个别列车员已不足以保障火车旅行的安全。因此，铁路公司开始了一项持续数十年的努力：为每个地区雇佣管理者，在组织内部定义新的角色，并建立清晰的层级和汇报关系。现代管理就此诞生。随之而来的是，铁路成为世界上第一个价值十亿美元的行业，在其巅峰时期，大约占到了股票市场的 60%。

AI 正在再次打破这个系统。

我们刚刚给了每一个员工，哪怕是最差劲的员工，无限的编制和无限的预算。

管理 AI 比管理人更难，因为 AI 能瞬间放大功能失调。幸运的是，我们可以从历史中学习：

智能体工作力和人类劳动力以同样的方式失败。

理解两者之间的七个主要相似之处，将解锁 AI 价值创造的下一万亿美元。

智能体与人类劳动力的七大相似之处

1. 令牌最大化就是用人海战术解决问题。

令牌最大化的炒作周期在一个月内就完成了全部流程。

但消耗的令牌数量从来都不是真正的问题。

人们花这么多钱买令牌，是因为他们不知道该怎么用。

可能每 100 个员工里，只有 1 个人知道如何给 AI 提供上下文。这种能清晰阐述流程、有耐心去理解被污染的上下文窗口、甚至明白那意味着什么的人，是稀有物种。

把智能体工具交给另外 99 个人，他们就会制造出“循环”。

2. 循环就像是关于会议的会议。

在 Claude Code/Cowork、Copilot、Karpathy 的 Autoresearch 或任何工具中，循环是一种创可贴，用来掩盖一个事实：几乎没有人能成功地进行提示。

循环是一种试图弥补人类能力不足的蛮力方法。智能体自我调用来修复自身，仅仅是因为人类从未清晰地阐述过任务。蛮力成了系统走向进步的唯一路径。这一切都源于人类首先没能成功理解任务。

你正在为了花掉令牌而花令牌。

3. 浪费的令牌是新形式的编制臃肿。

今天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。他们是机器里的齿轮，在每个层面盖章审批，并雇佣更多的齿轮来驱动一台为了存在而存在的机器。

他们正在循环。

通常，砍掉循环更高效。埃隆砍掉了 X 公司 80% 的员工，公司反而表现更好。私募股权运营合伙人靠套利这个简单事实谋生。

正如 80% 的员工无所作为，如今 80% 的令牌也无所作为。

人创造更多人。令牌创造更多令牌。循环就是新的帝国扩张。

4. 100 倍令牌是新形式的 10 倍工程师。

软件的承诺是：我们一次构建，永远以低成本运行，并且永远不需要监督。AI 打破了这种承诺。一旦软件什么都能做，它就什么都做不准了。

令牌的行为模式像劳动力，一旦你把令牌看作员工，AI 的承诺就开始瓦解：

• “令牌比人类更准确”——但只有在正确提示时。

• “令牌比人类更快”——但在 100 次重试之下，速度毫无意义。

• “令牌不玩政治”——但它们会建立令牌支出的帝国。

• “令牌不会辞职”——但它们在新的模型发布和新的会话之间就会失效。

• “令牌可以被信任”——但它们会以完美的格式自信地出错。

AI 真正胜过人类的地方是扩展性。扩展人类在招聘、入职和人员流失上消耗巨大能量。扩展令牌是瞬间完成的。这正是管理不善代价高昂的原因，也是你必须找到并扩展 100 倍令牌的原因。

10 倍工程师建造了上一个时代的公司。100 倍令牌将建造下一个时代。

正如少数员工能让其他员工的生产力提高 10 倍一样，对于任何给定的任务，一定量的令牌上下文可以将 AI 的努力降低几个数量级。存在能给你 100 倍杠杆的令牌。

平均而言，人类比令牌便宜，但好的令牌在规模上更便宜。

管理将两者相互转化。

5. 囤积上下文是最新的保饭碗策略。

公司内部存在一个巨大的 AI 政治问题，而且只会变得更糟。

员工不想教 AI 系统他们的独门秘籍。

他们开始意识到这些系统不仅仅是来“帮助他们”或“提高生产力”的。

看看 Meta，那里的持股员工（他们极度有动力把 AI 做对）对公司将员工上下文用作训练数据感到愤怒。这还是一家科技公司……这种冲突是即将在所有行业发生的事情的缩影。

Polymarket@Polymarket·6月3日
新消息：据报道，Meta 在员工强烈反对后，正在缩减其 AI 鼠标追踪工具。
1091823.2K248K

隐性知识几个世纪以来一直是工作保障。中世纪的行业协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这些东西的技术。

没有人会免费培养自己的替代者。

持有 100 倍令牌的人最没有动力交出它们。无论是情感上、结构上还是政治上，公司都天生倾向于拒绝对其未来最重要的技术。

6. 评估是新形式的 OKR。

管理令牌劳动力的最佳方式，与管理人类的最佳方式相同：定义什么是好的表现。

唯一摆脱了政治纷争的 AI 用例是编码。它扩大了蛋糕，让每个工程师都变得更好。

其机制是评估。今天 99% 的 AI 收入来自编码，因为编码有内置的评估。代码要么运行，要么不运行。

更广泛、跨领域的 AI 用例只有在有人构建了必要的评估时才会上线。具体的评估比教你的员工如何提示或给他们一个聊天工具要重要得多。有了评估，AI 将吞噬代码从未能触及的经济部分。

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。

公司的评估套件将成为其最有价值的资源。

就像 OKR 是利用人类劳动力达到最优产出的关键一样，评估将是利用无限可扩展的令牌劳动力的关键。评估是运行 100 倍令牌的路径。

此外，没有两家公司会有相同的评估集。评估将是竞争优势的关键。一个运行通用评估或通用智能体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。

企业多年来一直在购买基础模型承诺、应用层和内部构建。这一切都隐藏着一个关于经济学的残酷真相：

目前为止，还没有人能够可靠地运行 AI。

硅谷如此确信这一失败，以至于它最新痴迷的是做空今天的企业。“新公司”或“AI 原生服务”初创公司正在被资助，以捕获知识经济中价值 21 万亿美元的服务支出，其理论是：陷入自身政治和流程泥潭的现有企业，永远无法靠自己完成转型。

新公司很可能提供竞争压力，从而催化“传统企业”的 AI 采用。但最大的 AI 资产仍然在现有企业内部：已经奏效的差异化流程，可以通过现有分销渠道进行扩展。

事实上，下一个最大的业务不会吃掉现有的服务支出。它们会向现有企业出售一种全新的服务：

“AI 转型公司”的规模将是任何新公司的 10 倍。

转型听起来像是一次性的项目。但这里存在杰文斯悖论：组织采用的每一个用例都会浮现出十个新用例。一个公司 AI 化程度越高，它消耗的转型就越多，而可能性边界每天都在向前推进。持续的 AI 转型努力将成为唯一的竞争方式。

想想 Palantir，它纸面上是软件领域最容易被 Claude 颠覆的公司：一个价值五千亿美元的企业，为企业手工构建定制应用程序。按照让 SaaS 几乎无法投资的逻辑，$PLTR 应该在 $NOW 之前就归零了。

但它没有，因为 Palantir 从来不是在卖软件。它卖的是转型。

但转型本身自 Palantir 的旧时代以来已经进化了。在 AI 优先的世界里，它不仅仅是本体论、定制软件和罕见的定制提示。真正的工作在于评估、在于最小化令牌、在于如此深入地理解一个业务，以至于你能对它进行编程。

将每家公司的细微差别编码到智能体中，将成为未来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。

我们被告诉要在淘金热中卖铲子，于是我们建造了基础设施。
我们被告诉要卖“服务即软件”，于是我们建造了新公司。
我们有足够的基础设施。我们有足够的服务。现在的工作是让火车准点运行。

是时候审视企业了：找到 100 倍令牌，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便宜。

仍然需要有人来告诉他们俩该做什么。

感谢 Sam Wolfe、David Oks、@WillManidis 和 @Alex_Danco 的思考。也感谢 @ClaudeAI Fable 5，它在太多循环中运行，帮助起草本文。