在硅谷被 “AI 将大规模替代人类工作” 的恐慌笼罩时，Box 公司 CEO 亚伦·莱维（Aaron Levie）抛出了截然不同的观点。这位深耕科技行业近 20 年、刚带领 2000 人团队完成 “AI 优先” 转型的管理者，其判断并非源于理论推演，而是来自企业变革的实战经验。
近期，他在 Every 播客《AI&I》中与主持人丹·希珀（Dan Shipper）展开深度对话 —— 这并非对 AI 未来的空泛讨论，而是一场来自变革一线的深度复盘，或许能让你重新审视 AI 时代的工作本质。（访谈 YouTube 链接：https://youtu.be/_eiomzvxf4Q?si=QdkE4drgE4YGsHGJ）
一、反直觉的核心论断：AI 替代任务，而非工作
“我会留 5% 的可能承认自己错了，但 95% 确信 AI 不会取代工作。” 访谈伊始，亚伦便坦诚表态。在山姆·奥特曼（Sam Altman）等 AI 实验室 CEO 谈论 “大规模工作位移”、媒体充斥 “AI 威胁论” 的当下，这个观点近乎 “异端”，却根植于他管理大企业的实际观察。
他的逻辑很简单：工作不等于孤立的任务。AI 擅长自动化单一任务，但工作是一系列任务的有机集合，需要人类进行整合、决策与落地。“就算工程师让 AI 写部分代码，他仍要判断是否发布功能、和产品经理对齐方向、将代码融入整体系统 —— 这些环节终究离不开人。” 亚伦举例道。
二、杰文斯悖论：效率提升反而催生更多需求
亚伦进一步用经济学中的 “杰文斯悖论” 解释劳动力市场的变化：当技术提升某类资源的使用效率时，对该资源的总需求往往会增加，而非减少。
“若律师用 AI 将合同审查速度提一倍，企业不会裁掉一半律师，反而会加快所有合同审查节奏，减少流程瓶颈、提升客户满意度，甚至可能因服务能力增强带来更多业务，最终需要增聘律师。” 他说。
这一逻辑在 Box 内部已得到验证：AI 提升部门效率后，公司并未裁员，而是将员工投入到以往因成本过高而搁置的工作中。更关键的是，亚伦认为 “我们当前的工作量，远低于经济中实际有用的工作量 —— 只是受限于时间和人力成本”。比如过去咨询律师的门槛是数千美元，如今 AI 能以几百美元完成初步审查，这并非挤压原有需求，而是释放了大量此前被成本抑制的潜在需求。
三、工作方式的革命性转变：从 “执行者” 到 “AI 代理管理者”
虽然否认 AI 会消灭工作，但亚伦明确表示，工作的本质将发生根本性改变，其规模堪比 “纸质办公到数字化”“数字化到互联网” 的转型。
“一年前，工程师还在 IDE 里敲代码，顶多用电饭煲 GitHub Copilot 补全代码；现在，他们更像在给 AI 代理下指令，让其完成大量工作后，再回头审查成果。” 亚伦感慨，“这是知识工作史上，单年变化最大的一次。”
他预测，所有知识工作者都将迎来角色转变：从 “个体贡献者” 变成 “AI 代理管理者”。这种转变已在各领域显现：
- 工程师：从直接编码，转向指导 AI 完成复杂开发任务；
- 营销人员：从手动制作内容，转向管理 AI 生成、优化营销资产；
- 销售人员：从直接对接客户，转向用 AI 分析需求、制定策略。
四、Box 的 “AI 优先” 转型实战：如何让 2000 人团队拥抱 AI？
作为少数成功推动大企业 “AI 优先” 转型的 CEO，亚伦分享了三个关键实战经验：
1. 明确战略定位：AI 是 “赋能者”，而非 “替代者”
“我们首先明确，转型不是为了裁员或降成本，而是为了提升产出 —— 让公司跑得更快、做更多事、更好服务客户。” 亚伦强调。这个定位打消了员工的恐惧，让他们把 AI 视为 “帮手” 而非 “威胁”，更愿意主动参与转型。
2. 构建全员参与的 AI 文化
Box 建立了系统化的 AI 学习机制：要求每个员工每天都用 AI；每周五全员大会上，员工分享 AI 使用案例（有人用 AI 自动化销售流程，有人用它处理合规工作）；通过相互学习，让大家掌握 AI 在日常工作中的落地方法。
3. 重塑时间观念：挑战 “传统工期”
“现在我和团队常问：‘为什么这件事不能更快？’看到一个项目标着 3-4 周工期，就会疑惑‘为什么两天做不完？’” 亚伦说。这种对 “默认时间预期” 的质疑，倒逼团队重新梳理流程，找出可被 AI 加速的环节。
五、转型中的现实挑战：历史包袱与技术权衡
即便对 AI 潜力充满信心，亚伦也坦诚转型并非一帆风顺，核心挑战集中在两点：
1. 成熟企业的 “历史包袱”
“和 5-20 人的初创公司比，他们没有旧流程束缚，能从零设计 AI 原生工作流 —— 工程师直接给代理下指令，后台审查代码，全程文档化、规范化、依赖提示词。” 亚伦观察到，而 Box 这类成熟企业，需在不打乱现有运营的前提下逐步改造，过程更复杂、耗时。
2. 技术选择的 “性价比难题”
产品开发中，亚伦曾纠结 “用更优但昂贵的模型，还是低效却便宜的方案”。最终他的结论是：“必须选最好的技术 —— 因为竞争对手会这么做，你不能靠劣质产品立足。” 在他看来，为弥补劣质模型缺陷所做的额外工作，远不如优质模型创造的价值有意义。
六、与主流观点的分歧：“务实派” 与 “理想派” 的互补
被问及为何与其他 AI 公司 CEO 看法不同时，亚伦笑称：“我选了 B2B 软件这条‘相对无聊’的赛道，每天面对的是工具落地的实际场景和局限 —— 而他们更关注技术突破和长远愿景。”
但他认为这种分歧是健康的：“我不介意山姆·奥特曼等人有宏大野心。技术进入现实后，表现和影响会不一样，但如果所有人都只谈务实，行业也会缺少活力。” 两种视角其实互补 ——AI 实验室负责突破边界，应用层企业负责落地实践。
七、历史启示：AI 比云计算快 5 倍的 “压缩变革”
作为云计算时代的亲历者，亚伦发现技术变革有相似模式：“从大型机到 PC、PC 到移动、本地部署到云，都是平台级转型 —— 早期 adopters（采纳者）先用，再靠突破性用例吸引主流用户。”
但 AI 有个关键不同：时间线被压缩。“云计算用了 10 年才全面普及，AI 可能两年就够了。” 更重要的是，他从历史中吸取的教训是：“我们总低估技术催生的需求 ——15 年前没人想到 SaaS 品类能涨 5-10 倍，现在回头看，当时只是处于增长曲线的起点；AWS 10 年前还在翻倍增长，如今规模已是当年的 100 倍。”
八、经济衰退下的 AI 角色：是 “裁员背锅侠” 还是 “复苏加速器”
被问及经济衰退对 AI 趋势的影响时，亚伦给出了平衡观点：“衰退期确实可能有裁员，但这不全是 AI 的锅 —— 通常衰退期本就会裁员。区别在于，有 AI 加持的公司，即便减员，产出仍能提升，因为 AI 带来了更高杠杆。”
他甚至乐观预测：“或许能更快走出衰退 —— 因为组织的生产力没有被摧毁。” 但他也提醒：“别把‘本就该裁的员’归咎于 AI，这会误判技术的真实影响。”
九、未来工作的三大新特征
基于 Box 的实践，亚伦描绘了 AI 时代工作的模样：
- 更快的决策 – 执行循环：“过去一年半，我们探索的全新用户体验模式，比过去 20 年还多 —— 因为前 20 年的软件没本质变化，无非是按钮、标签页、侧边栏；AI 带来的是全新交互逻辑。”
- 模糊的技能边界：营销人员可能要懂 AI 模型训练，销售要会设计 AI 工作流，传统 “岗位技能清单” 正在失效。
- 持续学习成 “刚需”：“每 3-6 个月，你就得更新工具栈 —— 两年前为解决‘上下文窗口短’搭的方案，现在可能已无用。” 技术迭代加速，要求工作者不断更新技能。
十、给个人与企业的行动建议
结合转型经验，亚伦给出了具体建议：
对个人：
- 立刻用 AI：别等 “完美时机”，现在就把 AI 融入日常工作；
- 练 “管理思维”：学会给 AI 分配任务、审查输出、整合成果；
- 守 “人类优势”：专注 AI 难替代的领域 —— 现实经验、判断力、创造性思维。
对企业：
- 明确定位：把 AI 定为 “增强工具”，而非 “替代方案”；
- 全员赋能：确保每个员工都有学习、使用 AI 的机会；
- 打破常规：重新审视所有流程和工期，找出 AI 优化空间；
- 持续投入：优先选优质技术，不被短期成本束缚。
十一、深层思考：三维世界里的人类不可替代性
访谈最后，亚伦提出了一个深刻观点：“只要我们还生活在三维世界，人类就比 AI 拥有更多信号和上下文 —— 这是我们保持工作价值的核心。”
“比如在走廊和同事闲聊，他刚和客户聊完，随口一句话就给我新灵感 —— 这种场景，现在的 AI 完全复制不了，我们甚至不知道该怎么让它复制。” 他说，人类在物理世界的互动、对复杂情境的直觉判断，仍是 AI 难以企及的优势。
结语：与其恐惧变化，不如主动拥抱
亚伦·莱维的观点，为当下的 AI 焦虑提供了一剂 “理性解药”。他不否认变革的剧烈，却认为这是技术进步的自然延续 —— 而非 “工作末日”。
技术从来不是零和游戏：每一次重大变革，都会释放新需求、创造新领域。AI 时代也是如此 —— 关键不在于 “会不会被替代”，而在于 “能不能从执行者，变成 AI 的管理者”。
正如亚伦所说：“从第一性原理思考，你想做一件事，为什么不能大幅压缩时间？” 在 AI 时代，这种 “打破默认、主动变革” 的态度，或许才是应对不确定性的最佳策略。
文章来源：