@levie：我目前对 AI 有着不健康的痴迷，是因为我的整个职业生涯几乎都在解决一个问题……

我现在对AI有一种不健康的痴迷，是因为我的整个职业生涯几乎都专注于同一个问题：如何提升企业内容的价值。如何保护内容、如何协作、如何管理治理、如何将其整合到所有应用中。

但自Box成立以来，一直有一个棘手的问题：我们从未真正以自动化方式大规模处理信息。针对这个问题有过许多尝试（通常是在搜索领域），但没有任何东西能从根本上改变你对企业知识的处理方式。

多年来，计算机能够查询、分析和处理的主要数据类型是结构化数据。这意味着任何可以塞进数据库的东西——CRM、ERP、产品分析、人力资源和其他数据——计算机都能理解。

但所有驱动我们日常知识工作的非结构化数据——营销素材、合同、财务文档、医学研究、工程文档——只有人类操作时才有价值。根本没有办法对这些数据进行大规模自动化处理，这意味着所有知识工作很大程度上受限于我们自身（通常是手动）处理信息的能力。

显然，AI模型彻底改变了这一现实。而过去几周完美展现了这一令人难以置信的进步。GPT-5.6、Fable 5、Grok 4.5、Muse Spark 1.1以及一系列领先的开源权重模型，都在非结构化数据处理方面展示了惊人的进展。

这些模型固有的广泛智能、推理、数学和编码能力，加上在金融、法律、医疗、生命科学及其他关键领域训练出的深厚领域专业知识，意味着我们能够彻底改变对这些非结构化数据的大规模处理方式。

由此解锁的能力是：你可以对数据提出以前绝无可能的极其复杂的问题，然后让智能体在这些数据集上持续运行数分钟甚至数小时，以加速知识工作。

这不仅仅是自动化我们已经在做的工作。虽然这很有价值，但算不上变革性的突破。真正令人兴奋的是，你现在可以将计算资源投入到以前不可能实现的非结构化数据问题上。分析合同中的所有风险，对潜在投资或收购进行更深度的尽职调查，翻阅行业内所有过往客户互动以找出可复制的优秀实践，梳理生命科学研究或临床试验数据以发现新洞察——诸如此类，不胜枚举。

这就是为什么我们对AI智能体现在能够基于Box内容所做的事情感到无比兴奋。

Box (@Box): GPT-5.6 Sol 在复杂推理和数据分析方面取得了突破。

在这里，它分析了一笔贷款交易中的数百页文件，协调了协议、财务报表、尽职调查、抵押品和风险材料中的条款，标记了潜在问题，并将一份附带来源引用的报告保存到了Box。