Aaron Levie — Agents Move Work Up a Level
Aaron Levie (Box CEO) 对 "agents 消除工作" 这一懒惰叙事的反驳:
"Agents don't remove work. They move work up a level."
工作层级的上移
当 agents 接管执行任务时,人类工作的重心上移:
| 旧层级(执行) | 新层级(编排) |
|---|---|
| 亲手操作 | 下指令质量 |
| 逐步执行 | 上下文打包 |
| 手动检查 | 中途干预 |
| 直接产出 | 最终验收 |
| 技能应用 | 品味判断 |
核心洞察
人的角色转变
- 从操作员到编辑:人类成为 editors 而非 manual operators
- 从执行到生产:humans become editors and producers
- 品味更重要:taste matters more, not less
对知识工作者的影响
- 指令工程 — 清晰、可执行的指令成为核心技能
- 上下文管理 — 知道何时补充什么上下文
- 干预时机 — 在关键节点进行纠正
- 质量验收 — 最终输出的判断和整合
与相关观点的对比
| 观点 | 来源 | 核心差异 |
|---|---|---|
| 工作层级上移 | Aaron Levie | 强调人类角色的质变 |
| 知识工作成本崩溃 | Peter Yang | 强调团队规模重构 |
| 专业分工不消失 | Dan Shipper | 强调 context rot 下的专业化 |
实践意义
对个人
- 培养"生产者思维"而非"操作员思维"
- 投资于品味和判断力的培养
- 学习如何与 agent 有效协作
对组织
- 重新定义岗位描述和绩效评估
- 建立人机协作的 workflow
- 培训员工的 agent 编排能力
2026-10-01:从工作上移到部署层
来源:AI Briefing 2026-10-01 Evening
Levie 的新一条判断把“工作层级上移”具体化为部署层:企业需要迁移遗留系统、整理数据访问、重做 agent 工作流、设计 human-in-the-loop、维护 evals,并持续适配新模型。人类角色不只是给 agent 下指令和验收输出,还包括把 agent 交付为组织流程中的可持续工作产出。
Counterpoints & Gaps
- 这是作者的行业判断,不是对企业部署成本的独立统计。
Sources (addendum)
- AI Briefing 2026-10-01 Evening — 企业 AI 部署层与 FDE 机会
2026-10-28:部署渗透率与流程重设
来源:AI Builders Digest 2026-10-28
Levie 在同月给出量化判断:真正应用 agent 的企业工作流目前仍不到 1%。他认为 computer use、长时运行 agent、更成熟的 harness 与配套基础设施正让复杂流程自动化变得可行;机会在于围绕 agent 重设组织流程,而不是只让用户逐次发 prompt。这把 10-01 的「部署层」论点进一步压成一个可引用的渗透率低基数,并明确指出竞争焦点是流程重设而非单点 prompt 质量。
Counterpoints & Gaps
- 「<1%」是作者基于行业观察的估计,不是独立统计口径;不同行业、不同规模的分布未知。
2026-11-10:自主协作者向软件之外的知识工作扩展
来源:AI Builders Digest 2026-11-10,转述自 @levie 的 X 帖子。
Levie 认为编程、computer use 与通用推理的进步会把自主协作 agent 带到软件之外的知识工作领域——影视制作、制造、建筑、设计。他预计这些行业会像软件工程一样借助 AI 扩大产出。
这条判断把本页"工作层级上移"的论点从组织内推到行业间:上移不只发生在软件团队内部,还会以"软件先行、其他知识工作跟进"的顺序跨行业发生。与 2026-10-28 的"<1% 渗透率"判断连用,可得一个可检验的预测序列:流程重设 → 渗透率提升 → 跨行业扩散。
Counterpoints & Gaps
- 这是作者的行业判断,没有给出非软件领域的具体案例或时间表;"像软件工程一样扩大产出"是对类比的外推,不是测量。
Sources (addendum)
2026-11-12:三阶段演进与 Box-Anthropic MCP 接线
来源:AI Builders Digest 2026-11-11,转述自 @levie 的 X 帖子。
Levie 给出 AI 工作方式的三阶段演进:聊天助手加快单次交互 → agent 独立完成任务 → 目标导向的 agent swarm 围绕同一目标探索不同路径。他认为最大增益出现在自包含数字工作:研究、软件决策、数据处理、代码生成,横跨游戏开发、生命科学、IT、网络安全、数学与动画;相应机会在 agent 基础设施、应用产品、以及把系统接入真实工作流的实施层。
同日他宣布 Box 与 Anthropic 合作,通过 MCP 让 Claude 读写 Box 内容:agent 可在工作流中取文件、创建/编辑合同与演示文稿、写回 Box 供用户在 Claude 中查看。这是他三阶段判断的企业落地样本——内容平台把读写权交给 agent,对应"人和 agent 都会产出并处理更多企业文件"的基础设施假设。
这条与本页 2026-10-01「部署层」、2026-10-28「<1% 渗透率」、2026-11-10「跨行业扩散」连成一条完整论证线:流程重设(10-28)需要部署层能力(10-01),部署层的接线方式正在标准化为 MCP 读写通道(11-12),而 swarm 阶段(11-12)是渗透率提升后的下一步形态。
Counterpoints & Gaps
- 三阶段是作者框架,swarm 阶段目前缺少 Box 之外的可核验大规模案例
- Box-Anthropic 合作是厂商公告,没有披露实际企业采用量或 agent 写入的错误率
Sources (addendum)
相关实体:Aaron Levie。
Pending Jean review
- product-trends/aaron-levie-agents-move-work-up — ai_draft;选择一个真实工作流验证“执行上移为部署与验收”的成本变化。
- 相关新候选:Levie AI Outcome Test(2026-11-01,单来源,待第二个来源后考虑合并或独立成页)。