AI 能直接交付结果之后，「工具+人」的生意都要重写
最近红杉同一周发了两篇长文，一篇是 Julien Bek 写的，讲产品形态；另一篇是 Jack Dorsey 和 Roelof Botha 写的，讲组织架构。我看下来，两篇说的是同一件事，AI 能直接交付结果以后，所有围绕「工具+人」搭起来的商业结构都得重写。两篇一起读，信息量挺大，我想好好拆一拆。
先看一笔账。一家中小企业用 QuickBooks 记账，一年大概花 $10K。但 QuickBooks 不会自己跑账，还得请个会计，会计一年 $120K。工具花了 $10K，用工具的人花了 $120K，1:12。红杉还引用过一个更宏观的数字，意思一样，企业每花 $1 买软件，就要花 $6 买服务。放到整个经济里看，花在软件上的钱和花在人身上的钱，差着一个数量级。
所以如果 AI 能直接把账做完，交出来的是一本现成的账，那它面对的就不是工具那 $10K 的市场了，是人力那 $120K 的市场。copilot 抢的是 $1 的工具钱，autopilot 抢的是 $6 的服务钱，这两个生意的打法完全不一样。
Bek 的框架是把所有工作拆成两层，intelligence 和 judgement。intelligence 是有规则可循的活，复杂、繁琐，但每一步都有确定的答案，会计准则、税务条款、保险费率计算、合同模板、代码生成，全在这一层。judgement 是要靠经验、直觉和 context 来做的决定，法律策略、管理咨询、产品方向、招聘判断在这一层。AI 先吃掉的是 intelligence，而且已经在吃了。
这个拆法挺有意思，但它只回答了「先后」，没回答「快慢」。可快慢这件事，不同领域差得非常远。
转化的快慢看什么
Bek 在文章里有一句话很关键，今天的 judgement，会慢慢变成明天的 intelligence。这话没错，但他跳过了一个更重要的问题，这个转变在不同领域的速度，能差好几个数量级。快还是慢，就看一件事，这个领域有没有能验证的「正确答案」。
代码最快。程序能不能编译、测试过不过、性能达不达标，结果只有对和错两种，写完跑一遍就知道。所以软件工程第一个过线，按红杉的数据，开发者用 AI 工具的比例已经过了 50%。这跟我自己的体感完全对得上。3 个人能干 15 个人的活，靠的就是 intelligence 层的大量活交给了 agent，这段经历我在《You Are the Manager》里写过。
会计也快。GAAP 就是一套写得很明确的规则，借贷必须平衡，折旧有公式，税务有条款。一笔账对不对，审计师翻着准则就能判断。ICD-10 医疗编码也是一个道理。
到了保险，速度就开始慢下来了。精算模型是确定的，给定风险因子，费率有公式可以算。但核保没法全靠公式。比如一家海边餐厅要买火灾险，精算能算出基准费率，核保员还得看消防设施怎么样、当地消防队来得快不快、以前有没有可疑的理赔记录。这些判断光有规则不够，还得靠商业直觉和关系网。到这里，边界就开始模糊了。
法律更慢。法律本身是对抗性的，同一套事实，原告和被告能推出完全相反的结论。它还跟着管辖区走，同一个问题，加州和德州的答案可能不一样。就算是「标准」合同，每条条款怎么措辞，也得看这笔交易具体的商业背景。法律策略好不好，最后要看官司赢没赢、谈判谈成什么样，等这个反馈要几个月到几年。
管理咨询最慢。做得好不好，完全看你对客户具体情况理解得有多深，同一份战略建议，给 A 公司是对的，给 B 公司就是错的。这里没有通用的验证标准，连「这个建议好不好」都很难有共识。
把五个领域排成一条线，从左到右是代码、会计和医疗编码、保险、法律、咨询。越往右，「正确答案」越模糊，反馈周期越长，judgement 转成 intelligence 也就越慢。而且这条线上的速度不是均匀的。代码可能两三年内大部分 intelligence 就被自动化了，法律可能十年后还停在 copilot 阶段，咨询可能二十年后还是人说了算。
五个行业排成一条从左到右的阶梯：越往右「正确答案」越模糊、反馈越慢，judgement 转成 intelligence 也越慢
如果你是创业者，选方向之前先看看自己站在这条线的哪一段。靠左的领域已经打得白热化了，做代码 copilot 的公司有几百家。靠右的领域 TAM（市场规模）看着更大，但落地要慢得多，评估基础设施也还没有。中间那段，保险、税务、医疗账单，可能是眼下最好的窗口。
Bek 讲 judgement 怎么变成 intelligence，还有一个推论他没展开。judgement 要变成 intelligence，靠的是数据，说具体点，是标注好的高质量判断数据。而这类数据，恰恰是人在用 copilot 的时候产生的。
律师用 Harvey 起草合同，AI 出初稿，律师花二十分钟改。每一次修改，删一个条款、改一处措辞、加一个限定语，都是质量极高的训练信号，比任何人工标注的数据集都准，因为这是真实业务里做出的真实判断。会计也一样，AI 生成报表，会计师发现分类错了，改过来，这一改就是在告诉模型，在这种具体情况下，正确的判断是什么样的。
所以 copilot 看着像个过渡形态，其实 copilot 阶段就是 autopilot 的训练阶段。每个 copilot 产品都是一条看不见的数据采集管道，用户一边在用这个工具，一边也在教它怎么干活。
copilot 看着是过渡形态，其实是 autopilot 的训练阶段：人每次修改 AI 初稿都变成判断数据，顺着管道喂大 autopilot
想明白这一点，创业的打法就不一样了。从 copilot 做起，等于提前在攒最要紧的战略资产，也就是判断数据。Bek 说要从外包市场切进去，跟 copilot-first 也不矛盾，它们是前后两步。先用 copilot 进场、攒数据，再用数据推着产品往 autopilot 走。
这里面有个暗礁，这些纠正数据归谁？律师改 AI 合同产生的数据，到底算律所的还是算 AI 公司的，现在没有清楚的答案。大多数 SaaS 的服务条款里都写着「我们有权使用服务过程中产生的数据改进产品」。这句话以前指的是优化界面、修 bug；现在说「改进产品」，指的就是训练模型，你的专业判断在喂竞争对手的 AI。这件事眼下几乎没人认真讨论，但我觉得它会变成一个大问题。
autopilot 的 TAM 是 copilot 的六倍，但想吃到它，得先想清楚具体的市场在哪。Bek 给的切入办法很实在，先去替代那些已经外包出去的活。理由有三个：
- 预算已经存在，不用说服客户花新钱；
- 买方早就习惯了按结果付费；
- 质量标准相对清晰，外包合同本身就是一份 SLA（服务水平协议）。
具体的市场包括保险经纪（$140-200B）、会计审计、医疗账单、税务申报、法律文书、IT 托管服务、招聘。这些市场都是一个样子，规则复杂但确定，人力成本高，客户买的是结果，不关心过程。
copilot 和 autopilot 中间，还夹着一个被低估的过渡形态。AI 在业务规则划好的边界里自己干，碰到超出边界的情况，就自动交给人。落到产品上，就是 AI 处理 90% 的常规保险报价，异常的推给人工；AI 生成 95% 的标准合同条款，非标的需求标出来给律师看。大多数公司未来三到五年可能就停在这儿。全自动谁都想要，但信任基础设施还没建起来。
信任基础设施为什么建不起来？我看下来，最大的卡点是责任归属，技术问题还排在它后面。
在 copilot 模式下，法律关系很清楚。AI 就是个工具，跟 Word、Excel 没区别。律师用 AI 起草合同，最后签字的是律师；出了问题客户找律师，律师承担专业责任。整条责任链跟 AI 出现以前一模一样。
到了 autopilot 模式，这条链就断了。举个具体的场景，AI autopilot 给商业地产出保险报价，系统低估了某个风险因子，价格定低了。客户买了保险，半年后出了事故，赔出去的钱远远超过收的保费。谁来赔？四方互相指：客户说「我信的是你们的系统」；AI 服务公司说「模型输出不在我们的完全控制范围内」；模型提供商说「我们提供的是通用能力，不为特定业务决策负责」；保险公司说「这是系统做的决定，核保员没有责任」。
autopilot 定错保险价出了事，四方——客户、AI 公司、模型提供商、保险公司——互相指责，责任链断裂谁都不认
这条责任链现在谁也没定义过。没有法律先例，没有行业标准，连能讨论这个问题的监管框架都没有。
自动驾驶就是现成的例子。技术上，限定场景里的无人驾驶早就能跑了，Waymo 在旧金山运营了好几年。但法律一直没跟上。出了事故，责任算车主的、车厂的、软件公司的还是传感器供应商的，没有定论；保险是按司机的驾驶记录定价，还是按算法版本定价，也没有定论。每个州的法律都不一样，每次出了大事故，法规的方向都可能掉头。从「技术能跑」到「法律框架就位」，自动驾驶走了十年，到现在也没走完。
AI autopilot 碰到的是同样的难题，而且更麻烦。自动驾驶只涉及物理世界，车、路、人，出了事有现场证据。AI 干的是知识工作，法律意见、保险报价、税务申报，出了错可能几个月甚至几年后才被发现，那时候系统早就更新好几个版本了。这些问题光靠技术解决不了，得靠立法、行业协会、保险产品上的创新，还得攒下大量案例。这些东西长得很慢，比技术慢得多。
责任链为什么会断，再往下挖一层，是评估的问题。连「AI 做得对不对」都没有一个信得过的评估标准，谁该负责自然也就无从谈起。
「评估」两个字说起来轻巧，真要落地，得回答一串很具体的问题。对不对由谁说了算，按什么标准，标准多久更新一次，谁来审计。在这件事上，各个领域差得非常远，有的早就有一整套成熟的体系，有的几乎还是空白。把前面那条领域阶梯再走一遍，这次只看评估这一项。
会计最成熟。GAAP 给了一套全球都认的规则，四大负责审计。一份财报对不对，有明确的标准来判断，有专业的机构来认证，错了还有相应的法律后果。这套基础设施花了大半个世纪才建起来，但正因为有它，会计的 AI 自动化才推得最快，因为你能明明白白地说出「这份账对了」或者「错了」。
医疗编码也差不多。ICD-10 有上万条编码规则，每个诊断对应明确的编码，编得对不对，翻手册就知道，所以医疗编码可以高度自动化。但诊断本身不行。同样的症状，不同医生可能给出不同的诊断，诊断对不对，往往要等治疗结果出来才能回头看。所以在同一个医疗体系里，编码有一套完善的评估办法，诊断没有，这两种活自动化的进度就完全不是一个节奏。
法律几乎没有对等的评估基础设施，世界上就没有「法律版 GAAP」这种东西。一份合同好不好，一套法律策略对不对，要看管辖区，看法官，看对方律师水平怎么样，还要看客户具体的商业诉求。最后的「评估」就是客户赢没赢官司，而这个结果要等几个月到几年才出来。在那之前只能靠同行评议，而同行评议终究是主观的。
保险核保在两者中间。精算定价有标准，给定风险因子，费率算得出来。但核保判断得好不好，最后要看这批保单整体表现怎么样，也就是赔付率有没有落在预期范围里。这个反馈要按年来算，一个核保决定对不对，可能三五年后才知道。
到这里规律就很清楚了。一个领域的评估基础设施越完善，从 copilot 到 autopilot 就转得越快；越薄弱，就越容易卡死在 copilot。这里面藏着一个很大的机会。谁先在某个垂直领域立起一套可信的评估标准，也就是建起那个领域的「GAAP」，谁就攥住了从 copilot 通往 autopilot 的入口。这件事光靠技术做不成，得有行业认可，得有监管配合，还得有足够多的案例证明这套标准管用。它是靠时间和信任一点点攒出来的，融资堆不出来。也正因为难，谁一旦建成，先发优势就极强。
再说组织这一侧
工作本身在变，装着这些工作的组织也躲不掉。Dorsey 和 Botha 那篇讲的就是组织这一侧，角度比 Bek 激进得多。他们的意思是，层级制这个东西，干的其实是信息路由的活。罗马军团的百人队、普鲁士参谋部、美国铁路系统、泰勒的科学管理、曼哈顿计划、麦肯锡的矩阵组织，两千年来的组织创新都在解决同一个问题。一个人的认知带宽有限，信息传不了太远，所以得有中间层来做路由。经理名义上是「管人」的，实际干的是把上面的战略翻译给下面，再把下面的状态汇报给上面，其实就是一台路由器。现在 AI 第一次让这个路由功能有了替代的办法。这个视角我觉得真的挺有意思。
Block（Square 和 Cash App 的母公司）是目前最激进的实验者，搭了一套四层架构。四层分别是能力原子，就是最小粒度的功能单元；world model，实时反映公司状态的全局视图；智能层，自动把能力原子组合起来去响应信号；界面，人和系统打交道的那一层。
举个具体的例子，某个 Square 商户的税务申报快到期了，Cash App 刚好又批了这个人一笔贷款。以前这两条信息分在两个事业部，可能永远碰不上头，除非哪个 PM 刚好想到要做这个功能。现在智能层自己发现了这个信号，把税务工具和信贷能力组合起来推给商户。这个决策没有任何 PM 参与，是系统自己发现了需求。
组织角色也跟着变。Block 定义了三种角色：IC（个人贡献者）、DRI（直接责任人，90 天任期）、player-coach（一边写代码一边带人），没有永久性的中层管理岗。roadmap 也不再按 PM 的年度计划走，改成看失败信号，智能层在哪儿组合不出解决方案，哪儿就是下一个产品方向。
这套方案听着很美，但我只能说，Block 的条件太特殊了。它的 world model 靠的是支付数据。每笔交易都是结构化的事件，金额、商户、品类、时间戳、买方、卖方全都有，这是商业领域里信噪比最高的数据。换成一家典型的 B2B SaaS 公司，客户交互数据无非是点击、停留时长、功能用了几次。拿这些数据去建 world model，建出来的大概就是一个稍微聪明点的仪表盘，离能自己发现需求的智能层差得很远。差距在于数据够不够结构化、信号够不够密，跟模型本身关系不大。
做 Mio 的时候我有过很深的体会，智能的上限是 context 的质量定的，模型本身定不了。GPT-4、claude、Gemini 之间的智能差距在缩小，谁的 context 更丰富、更精准、攒得更久，谁就更有用。
failure-driven 的 roadmap 也有前提，智能层的失败得是有意义的信号。模型够强、数据够密的时候，一次失败能准确指出「这个能力原子不存在」，或者「这两个能力的组合路径没被定义」，这种失败能告诉你产品该往哪做。模型弱、数据稀的时候，每次失败的原因都是「数据不够」或者「模型不够聪明」，这只能说明基础能力还不够，failure-driven 的 roadmap 就会退化成一个「给我更多数据」的循环。
所以 Block 这套架构得拆开看。能搬走的，是三种角色的定义、failure-driven 的 roadmap 思路，还有取消永久性的中层岗。这些是组织设计上的选择，不靠数据质量，哪家公司都能学。搬不走的，是 world model 和智能层自己组合能力的本事。这两样靠的是 Block 独有的那种高密度、结构化的支付数据，大多数公司手里没有同等的数据资产。
我觉得大多数公司会停在一个混合的状态，AI 处理 80% 的信息路由，异常处理和最终责任还留在人手里。组织会变扁，中间层会被压得很薄，但不会彻底消失。
SaaS 会变成什么样
顺着这两篇文章往下推，就推到了 SaaS 的命运。SaaS 不会整个消失，但会分成四类，各走各的路。
第一类是纯 intelligence 工具，会被替代。像 QuickBooks 这样的产品，规则复杂但确定，AI 能直接把整件事做完，用户就不再需要「帮你记账的工具」了，直接要「记好的账」。已经有公司在做了，Crosby 做 NDA 自动生成，WithCoverage 做保险报价自动化。这类 SaaS 会从卖许可证改成卖结果，或者干脆被 autopilot 服务商吃掉。
第二类是 judgement 密集型，会变成 copilot。法律策略、管理咨询、创意设计都在这一类。Harvey 在法律领域做的就是这个，AI 干大量辅助的活，最后拍板的还是人。这类产品能活下来，但样子会变，从「功能丰富的工具」变成「增强人类判断的助手」。专业人士还在，换代的是工具。
第三类是基础设施，反而会受益，比如云计算、数据库、支付管道、API 网关。autopilot 要调用更多基础设施、处理更多请求、存更多 context，agent 越多，API 调用、计算需求和数据存储的量就越大，这类公司的用量会跟着 autopilot 的普及一起涨。
第四类是新品类，context 基础设施。四类里它最有想象空间，眼下也最空白，至少有四个方向：
- 授权管理：一个 agent 能不能代表公司签 $50K 以下的合同、能不能批 $10K 以下的报销？传统 RBAC 管不了这种事，得有一套粒度比传统 IAM 细得多、还能动态调整的权限体系。
- 评估框架：AI 的输出对不对，会计还有 GAAP 可以对照，保险报价、法律策略、招聘推荐连「什么算正确答案」都没有共识。
- 审计追踪：出了问题，得能倒查 AI 看了哪些数据、怎么推理的、在哪一步做了什么决定、中间有没有幻觉。传统审计看的是人的操作日志，AI 审计要看的是推理链路，这种能力今天几乎还不存在。
- context 资产管理：AI 在一个客户、一个行业里攒下的领域知识，怎么存、怎么迁移、怎么定价？客户换服务商的时候，这些 context 是跟着客户走，还是变成服务商的资产？这些都还没有答案。
这四个方向加起来，就是 AI autopilot 时代的「信任基础设施」。现在市面上还没有成熟的产品做这些，连这个品类都还没有名字。
从卖工具到卖结果，生意底层的几个参数也得跟着重写。先说定价，按席位收费的逻辑崩了。AI 做了 90% 的活，你再按「几个人用」收费就说不通了。按结果定价会变成主流，按做完多少本账、处理多少张保单、生成多少份合同来收钱。这对 SaaS 公司的财务模型冲击很大，可预测的订阅收入变成了上下波动的交易收入，ARR 的故事不好讲了，华尔街得重新学怎么给这种模式估值。
再说壁垒。传统 SaaS 的壁垒是功能多、切换成本高，到了 autopilot 时代，壁垒是 context 资产，也就是你在这个客户、这个行业里攒了多少领域知识和评估数据。我在《The Agent Economy》里聊数字分身时也是这个思路，真正的护城河不是模型能力，是你对这个客户、这个行业的理解攒得有多深。
一家在保险行业干了三年的 AI autopilot，手里会攒下几十万笔核保决策的反馈数据，哪些定价是准的，哪些赔付超了预期，哪些风险因子被低估过。这些行业知识是活的，一直在校准，后来的人就算模型能力一样，也得花同样的时间去攒。
最后说几个判断。红杉看的方向是对的。intelligence 层被 autopilot 替代，这个趋势是确定的；从卖工具到卖结果，这一步回不去了；层级制里信息路由那部分功能，会被 AI 压掉一大块。但过渡期会比乐观的预期长得多，卡就卡在制度上。评估标准谁来定，质量怎么校准，标准多久更新，出了事谁担责，AI 从人的判断里学到的东西归谁，每一条都得有行业共识，而行业共识这东西，没法靠技术加速。
这很像印刷机的故事。技术一下子就改变了信息分发的成本结构，可围绕新技术的那些制度，版权法、出版审查、学术同行评议，花了上百年才成型。
所以未来几年，大多数企业实际会停在一个混合的状态，AI 在规则的边界里干活，人处理异常、承担责任。离全自动，中间还隔着一整套制度。
对创业者来说，机会在三个地方：
- 在靠左的领域（代码、会计）做 autopilot：评估基础设施已经在了，竞争激烈，但能落地。
- 在中间地带（保险、税务、医疗账单）做 copilot 到 autopilot 的过渡：用 copilot 阶段攒判断数据，同时推动评估标准的建立。
- 做 context 基础设施本身：授权、评估、审计、context 资产管理。这条路最难，壁垒也最深。
这三条路有一点是一样的，光有技术做不成。你得懂这个行业本身怎么运转，懂制度是怎么形成的，还得熬得住。至于要熬多久，只能说，看各个行业攒共识、攒案例的速度了，急不来。