Levie AI Outcome Test
What it is
Box CEO Aaron Levie 提出的 AI 采用检验标准:如果一个结果在 AI 出现之前也能被生产出来,只是现在更快,那么这项 AI 用法还没有发挥 AI 的真正价值。
The test for meaningful AI adoption: could the result have been produced before AI, only faster?
「更快地产出旧结果」是加速;「产出过去不存在的结果」才是改变。Levie 列出四类质变方向:更强的原型能力、过去不可及的架构优化、更全面的研究覆盖、让业务流程从历史失败中持续学习。
Why it matters
多数组织的 AI 采用停留在加速层:同样的报告更快写完、同样的代码更快交差。测试把「用没用 AI」的问法换成「结果变了吗」,直接对接 八层采用框架 的高层判断——Level 5+ 的标志不是工具升级,而是工作产物本身发生变化。
Key points
- 加速 ≠ 改变:判断单位是结果(outcome),不是耗时。
- 四类质变方向:能力(prototype capability)、架构(architectural improvements)、覆盖(research coverage)、学习(process learning from past failures)。
- 对个人的含义:个人项目也应通过该测试——如果 AI 只是让你更快地做出原本就做得出的东西,杠杆有限;工作层级上移的下一步是工作产物升级。
Open questions
- 如何区分「质变结果」与「看起来更漂亮的旧结果」?验收标准由谁定?
- 该测试是否对探索性/学习型工作 unfair——学习阶段的加速本身可能就是价值?
Prompts for witness
- 用 Levie 测试审视 Jean 当前的项目(LM Wiki、Color Work、agent harness 实验):哪些结果是真的「AI 之前不存在」,哪些只是更快?
- 反方向:Jean 的工作中哪一类任务如果永远停留在「加速层」,三年后会变成什么样?
Related
- product-trends/aaron-levie-agents-move-work-up — Levie 论工作层级上移
- product-trends/aaron-levie-ai-architecture-churn — Levie 论架构更替
- product-trends/ai-adoption-levels — 八层采用框架
- product-trends/design-is-understanding-not-output — 设计即理解,非输出
- product-trends/agent-native-architecture — Agent-native 架构