当 Agent 开始编写软件，企业其余部分该何去何从？
Box CEO Aaron Levie 在本次深度访谈中，揭示了 AI 发展的“双城记”现象：软件工程正经历 100% 自动化的革命，而法务、销售等知识工作却因“上下文”难题进展缓慢。他提出了“反向适应”理论，并断言 SaaS 不会消亡，而是会通过“确定性系统”在 Agent 时代重获新生。
访谈画像
- 嘉宾风格: 幽默、推特网红（被吐槽最近太严肃）、深刻的企业级洞察。
- 核心背景: 专注于非结构化数据管理 (Box)，对企业安全和工作流有极深理解。
- 趣闻: 6岁半的孩子已用 Sora 生成视频、用 Sunno 写歌，认为万物皆可对话。
核心概念知识卡片
点击卡片查看深度解析为何编程是 AI 的“应许之地”？
Box 的新产品在 2.5 周内由 AI 100% 编写。为什么其他部门做不到？
代码的“原生优势”
软件工程拥有其他知识工作不具备的完美属性：
- 可验证性 (Verifiable): 代码要么运行成功，要么报错，反馈回路极短。合同或文案无法“运行”来验证对错。
- 文本化媒介: 自古以来代码就是纯文本，是 LLM 最擅长的格式。
- 权限透明: 工程师通常拥有项目全部代码的访问权，不存在复杂的“这行代码只有经理能看”的权限矩阵。
- 文档文化: 工程师习惯写文档和注释，天然为 AI 提供了上下文。
适应性反转理论
我们一直在等待 AI 像人一样工作，但这可能是错误的路径。
人必须适应 Agent
大部分知识工作（销售、法务）充满了非数字化的“隐性上下文”（会议、口头沟通）。
- 旧思维: Agent 应该足够聪明，能理解我们混乱的工作方式。
- 新思维: 我们必须重构工作流，使其对 Agent 友好。
- 行动: 就像工程师写 Spec 一样，销售和市场人员需要开始建立结构化的“上下文输入流”，主动喂养 Agent。
上下文腐烂 (Context Rot)
给 AI 更多数据总是好的吗？为什么企业级落地如此困难？
信息量的微妙平衡
- Context Rot: 给予 Agent 过多无关信息会导致其性能下降，决策质量变差。
- 无限权限矩阵 (Infinite Matrix): 知识工作中的权限极为复杂。A能看文件1，B能看文件2，他们合作项目3时，Agent 应该知道什么？
- 数据即死角: 许多关键决策信息存在于未数字化的线下会议中，Agent 对此一无所知。
SaaS 已死？还是重生？
当软件构建成本趋近于零，Salesforce 和 ERP 还有价值吗？
确定性系统的价值飙升
反直觉观点: 当你有 100 倍的 Agent（概率性、可能出错）在工作时，你更需要一个坚如磐石的记录系统 (System of Record) 来充当“交通警察”。
- 企业不会用 "Vibe Coding" (凭感觉写代码) 来构建 ERP，因为财务数据需要 100% 准确。
- SaaS 软件将变得更便宜（通缩），但使用量会剧增。
- Jeffrey Moore 理论: 核心业务 (Core) 自己做，非核心 (Context) 外包给 SaaS/Agent。这点没变。
定价模式的终局
是从订阅制回归按量付费，还是保持现状？
从试用到锁定的轮回
- 早期 (现在): 企业希望按量付费 (Consumption Based)，因为想低成本测试 AI 效果。
- 成熟期: 一旦规模化，企业厌恶财务波动 (EPS volatility)。
- 终局: 为了财务可预测性，企业会要求“锁定费率” (Locked-in rate) 或订阅制。
沉睡的数据金矿
20年来积累的 Word 文档和 PDF 终于要苏醒了。
非结构化数据的激活
过去，处理 1000 万份病历只有两种选择：雇佣大量人力（贵且慢）或忽略（浪费）。
- Agent 的能力: 能够以近乎零的边际成本阅读、理解并提取非结构化数据中的洞察。
- 商业价值: 从合同中提取风险条款、从病历中优化保险理赔。
- 前提: 数据必须在一个 Agent 可访问、且权限受控的平台上。
🔮 未来 1-3 年展望：双模态发展 (Bimodal Future)
全员生产力提升
这是基础层。每位员工通过 AI 助手（生成内容、总结文档）每天节省 1-2 小时。这即将成为企业的标配。
核心流程重造 (Re-engineering)
这是真正的 Alpha 收益来源。企业挑选 3-5 个高价值流程（如财富管理开户、合同审批），通过 Agent 将其从“2周”缩短为“1小时”。
"Ironically, we think about [the backlog] as lower priority... But because agents have lowered the cost by 10x, I can actually now do the more ambitious things."
具有讽刺意味的是，我们以前因为成本太高而搁置的“宏大想法”，现在因为 AI 将成本降低了 10 倍，反而变得可行了。AI 不仅仅是为了省钱，更是为了让你变得更有野心。