- 日期:2026-10-15
- 来源:阅读原文 (视频号「超级创新者」;同源视频 阅读原文 )
- 讲者:猫不白(视频号「超级创新者」,企业数字创新专家)|内容主体基于 Anthropic 对 Every 联合创始人兼 CEO Dan Shipper 的访谈
- 信源层级:二手(猫不白对 Anthropic 原访谈的提炼;一手 = Anthropic 原访谈视频,未定位到具体一期)
- 标签:AI与组织 / Skill沉淀 / 判断权
- 渠道:微信公众号
- 体裁:访谈
- 一句话:同样花钱买 AI,有的公司只换来员工「今天更快」,有的却把专家的一次判断变成全公司未来的优势——差的不是模型,是标准与判断归谁。
一、省下的工时 ≠ 留下的资产
同名标题的追问:「聪明」能买,「眼光」能买吗? AI 让「答案」越来越便宜,却让另一件东西越来越贵。
Every 主编 Kate 在公司留下了约 3 万次历史编辑修改。团队把其中一部分经验提炼成 skill(可复用的做法),但仍然由人审核。视频作者的判断:
- 高手未必因此贬值。AI 可以复用一部分做法,却不能自动获得「决定什么才算好」的权利。
- 员工越来越聪明,公司为什么可能还是没变聪明?一个人学会新方法,第二个人却还要从头摸索——公司看起来人人效率提高,下一位员工的学习成本却没变。
- 过去衡量软件投入,看每个人省下多少时间;AI 带来另一笔账:一个人试出来的好方法,能不能直接成为下一个人的起点。
- 省的是个人工时,留下的才可能是组织资产——这不是同一笔回报。
二、经验要靠「工作本身」传播,不靠讲课
Every 早期试过个人 agent(有人在 Telegram 用、有人在 Slack 用)。Dan 的观察:个人摸索出的技巧,不容易流向同事。
后来团队转向 Slack 里的共享 agent——让公开协作中的提问、修改、有效方法更容易被其他人看见。
- 真正改变的不是通讯工具,而是经验有机会跟着工作传播,不必等高手专门再讲一堂课。
- 过去多招一个人,往往还要从头支付培训成本;以后一部分经验,可能在同事完成任务时就被学走。
- 更值得算的账:公司每扩大一圈,要不要再交一遍学费? 员工用 AI 越勤,不代表公司积累越多——如果新人还在犯老员工早就纠正过的错,使用率再高也只能证明工具热闹。
- 注意边界:共享 ≠ 人人学会,也不等于资料人人能看。 它提供的是「让经验跨人传播的机会」,仅此而已。
三、标准能复制,错误也会被规模化复制
经验一旦能传给更多人,下一个危险随之而来:如果被传出去的是一个错误判断呢?
- 高手的标准可以复制,谁还有资格说最后一句「不合格」?
- 标准一旦能复制,专家未来最难被替代的,可能不再是重复修改的工时,而是持续维护那条质量底线的能力。
- 一份标准能被调用很多次,不意味着专家只需交一遍就可以退场;越多人按他工作,越需要有人划清哪些情况必须由人判断。
- Dan 回顾:Kate 加入时团队约 4 人,后来发展到 30 人,内容发布量约为以前的 10 倍,但资深编辑一天还是只有那么多时间。于是 Every 尝试把 Kate 历史修改中的一部分经验做成 「Kate 的 skill」:AI 先提修改建议,人负责审核与取舍;Kate 后续额外改的地方,又可为下一次标准修订提供线索。
- 这让专家的工作从「每份稿件亲自改」,变成「让更多稿件先按标准走,再专门处理例外」。规模扩大,专家不必事事亲手做,但仍要能决定哪些事不该交给系统。
- 收益未必归专家:设想企业只买一份静态 skill、之后交给别人维护,专家可能只拿到一次报酬。可如果还需要它持续修订、裁决例外、为质量把关,卖的就不再是「一次答案」,而是一项长期服务——谁拥有维护权,谁获得长期回报,成为企业与专家之间新的谈判。
- 但标准一旦成为全公司的共同做法,它就不只是专家的经验,也可能变成组织风险。 以前一个人判断失误只影响一份稿件;以后同一条错误规则被反复调用,错得越稳定,返工越集中。→ 把错误复制一百遍,不叫组织学习,叫规模化犯错。 公司越能复制判断,就越需要有人证明:被复制的到底是好标准,还是一个大错误。
四、谁有资格告诉公司「哪个 AI 才是好 AI」
很多人第一反应是看排行榜。但一个模型在公开考试里的高分,凭什么就能替你的公司决定客户会不会满意、稿件能不能过审?
- 公开榜单给模型排座次,却排不出一家公司的及格线。
- 用招聘类比:考试成绩可以参考,真正录用前还得看这个人能不能完成具体工作。 Every 也在用自己的真实任务测试模型,尝试把「认可/不认可」的结果转成更明确的评价依据。
- 这里的变化,不只是评测方法,它可能重新分配 AI 市场里的判断权:公司没有自己的考卷,供应商一宣布能力升级,企业很难判断自己到底少了多少返工。有了真实任务的试题,采购团队才能拿同一份工作衡量不同模型的合格率和成本。
- 谁能自己出题,谁才有机会决定什么时候换模型,而不只是等别人宣布谁排第一。
- 采购方式可能从「买最强的模型」,变成让模型按岗位竞标:写作、查资料、核对数据,不一定非用同一个最贵的模型。哪一种能以更低的返工成本达到公司的及格线,预算才可能留下哪一种——这才是真正的买方主动权。
- 供应商卖通用能力,企业按自己的结果付费。 模型可以更新、可以替换,但公司的验收权不必每次跟着供应商的排行榜走。
- 但作者留了注脚:Every 还没实现「自动成长的企业大脑」。 真实任务评估和 skill 修订有实际探索,但「让反馈不断自动沉淀、持续自我改进的完整闭环」还有部分在建设中。拥有自己的考卷,也不等于真的有采购主动权——假如测出返工更少、成本更低的模型,却仍然只按市场名气买单,私有评测就可能沦为摆设。会测是技术能力,敢按测试结果花钱才是经营权利。
五、能做 ≠ 有权做:授权与追责的边界
企业能决定采购哪个模型,不代表这个模型就有权替任何人行动。
- Agent 能找到一份文件,不代表可以交给任何人;能申请一份批准意见,不代表有权批准付款。
- 经验可以共享,权限不能搭便车。 Every 的共享 Agent 区分身份、记忆与访问权限:调用外部工具查资料时,通常按请求者本人的权限行动。
- 授权决定 Agent 能不能开始,责任决定出了偏差以后谁必须收场。 前者防越界,后者防无人负责。
- 人可以退出每一次执行,却不能退出最后的判断责任。过去谁接手一项工作,管理者通常知道该找谁;未来 Agent 按同一规则反复执行,企业更要事先明确:谁批准任务、谁监控异常、谁有权停止执行。
- 一次错误,不能因为被自动化,就变成无人负责的错误。 Dan 谈到未来知识工作者的角色可能转向「设计和监督系统、在关键时刻纠偏」,并尤其关心「Agent 是否忠实于人的专业判断」——注意这是未来推演,不是 Every 已完成的组织转型。
- 作者还点了个人风格被复制的错觉:Every 曾尝试把某位同事「幽默的内部公告口吻」做成 skill——这只证明个人风格可被部分模仿,不代表整家公司的文化已被复制。AI 能模仿一位同事的语气,不代表他有权代表公司表态。
- 收束:企业省下的是执行工时,但如果缺少这套边界,省下的钱也可能被返工、纠纷和追责成本吞回去。如果明天竞争对手也买到同一款 AI,你凭什么守住利润?不是今天比他多生成多少内容,而是同一道工作,你能否更早发现错误、更少返工、更敢换掉不合格的模型、出了问题还有人负责。
- 金句收尾:模型能替公司给答案,不能替公司承担「为什么相信这个答案」。AI 卖给所有人的是聪明,公司真正可能积累的是——每次付过代价之后,下一次少犯同样错误的判断。
读后判断
- 这篇的骨架,正是我们自己在做的事,也是我们最大的风险。 「高手标准提炼成 skill、由人审核、持续维护质量底线」= 造物云 Skill 网络的方法论;「共享 agent 让经验跟着工作传播」= 我们在建的团队记忆。它没给新方法,但给了一面镜子——我们做了 skill,未必做了「维护权」和「裁决例外」。
- 最扎心的一句是「规模化犯错」。 我们沉淀了几十个 agent 的 skill,如果其中某条标准是错的,它会被每条任务反复调用——错得越稳定,返工越集中。我们缺的不是沉淀,是「谁负责证明这条标准是对的」的机制。 这与 judgments.md 里「判断要带 holder/置信度/过期条件」是同一件事——skill 也需要置信度和过期条件。
- 「谁有资格告诉公司哪个 AI 是好 AI」= 买方主动权。 对造物云这种 KA 服务尤其关键:客户买的若是「通用能力」(榜单第一),我们的议价权为零;客户若能用自己的真实任务出考卷、按结果付费,我们才是「验收权的持有方」。「会测是技术能力,敢按测试结果花钱才是经营权利」——这句话可以直接改成对客户的销售话术。
- 「能做 ≠ 有权做」是我们的直接红线。 团队里每个 agent 都能读文件、改文件、发消息——但能读 ≠ 该读,能发 ≠ 该发。「经验可以共享,权限不能搭便车」应写进我们所有 agent 的权限设计:身份、记忆、访问权分离,谁批准/谁监控/谁停止事先写死。
- 与已归档几条同轴,可串成一条线:朱啸虎(省时间 vs 杀时间的生意选择)→ a16z(省时间 vs 花时间的价值迁移)→ 本篇(省下的工时 vs 留下的资产)。三条都在问同一个问题:AI 把「执行」变便宜之后,什么东西变贵了? 不同的答案是切入点不同:投资看商业模型、产品看价值迁移、组织看资产沉淀。
- 可核钩子:① Anthropic 原访谈(一手)未定位——若要做方法论引用,必须回一手核对 Kate 3 万次修改、共享 agent 权限模型等具体说法;② 视频可能对 Dan 原话做了通俗化改写(如「Kate 的 skill」等表述),引用前需比对原话。
⚠️ 信源为二手:内容主体来自 Anthropic 对 Dan Shipper 的访谈,本人未直读一手访谈。关键数字(3 万次修改/10 倍发布量/4→30 人)标注为待核(一手)。