AI代理接管日常工作，知识工作者转型为管理者

Airbrain、AI 与知识工作的同质化。 Aaron Horwath 是一家创意科技公司的 AI 运营总监，他专注于以兼顾人与业务的方式落地 AI。 周一早上 9 点。为了开启新一周的工作，28 岁的 Lukas Weber——一家中型 SaaS 公司的文案——首先查看他搭建并如今管理的庞大 AI agent 队伍。自从公司年初推行“AI 优先”方针以来，这已成为他日常 routine 的一部分。 “高管们的期望是我根本不该动笔，”Weber 说，“我负责管理这些 agent，并在任何内容发出前检查它们的成果。我们团队今年缩编了，所以我承担了更广泛的营销工作，agent 帮我跟上节奏。” Weber 并非个例。从 HR 到销售，从客户成功到工程，公司各处的同事都以同样的方式开始一天：查看 agent、审阅其产出、跟进它们从组织各处收集和分析出的洞察。“现在大家都是这么工作的，”Weber 说，“才一年时间，但我不知道还能不能按老办法干活了。” 在各知识型公司中，员工越来越依赖 agent 队伍——或称 agent 集群——来执行工作，而且它们远不只是帮人处理行政事务：它们在写代码、制定营销策略、设计产品、就客户升级问题提供建议、执行财务分析、提供法律咨询与辅导，以及定义品牌标识。仅仅一年前，员工受薪承担的认知负荷中，如今已有越来越大的一部分被外包给 AI。 这正是每一位看多 AI 的科技高管所描绘的 AI 采用“卓越状态”：人人用 AI 做一切事；人类知识工作者端坐于 agent 团队之上，而这些 agent 全都构建在同一小撮 LLM 生态之上。 不止 Weber 的公司如此。他们的竞争对手也一样，同样在查看为执行类似任务而搭建的 AI agent。而那些 agent 和 Weber 的一样，都构建在同一小撮 LLM 生态之上。 这是一个有趣的困境：同一行业中的所有人类——名义上正是因其独特的批判性思维和经验而被聘用——整天把每一个想法、业务挑战、点子和解决方案，统统灌进同一套 AI 工具。几乎就像所有这些公司同时雇用了同一位员工：Claude 先生（或他的某位同辈）。 这种尽可能多地将工作外包给 AI 的未来愿景，承诺了更快行动、更快迭代、更少人力。但天下没有免费的午餐。对于那些不加区分地推行“万物皆 AI”战略的公司，现实后果正在潜伏。因为当一个行业里每家公司都不加区分地调用本质上同一个大脑时，竞争差异化就会被侵蚀。那些靠“只有我们能提供的解决方案”收费的公司的价值主张会崩塌。价值如何产生、在哪里产生也会发生转移，从根本上改变人类工作的格局。 Claude 和 ChatGPT 在知识工作中的崛起，带来了一个出人意料的受害者：em dash（长破折号）。它深受写作者喜爱，LLM 却用起来没完没了，于是它迅速成了“AI 垃圾”的标志。对那些爱用它的人来说这很悲哀，但 em dash 在所有知识工作产品中的突然泛滥，也暗示着知识型组织内部正在酝酿的一种现象：智识同质化。 我们此前已见过技术驱动全球同质化。上一轮，社交媒体算法把物理世界压缩成一种统一的、通用的审美。Kyle Chayka 在 2016 年的文章《Welcome to Airspace》和著作《Filterworld: How Algorithms Flattened Culture》中，描述了从柏林到布鲁克林的咖啡馆、酒吧、酒店和 Airbnb 的审美同质化。 Chayka 将这一现象归因于 Instagram、Foursquare 等社交平台（及其底层算法）的兴起，以及它们塑造物理世界的力量，并把这类物理场所称为“Airspace”： “很容易看出社交媒体如何通过浏览器、信息流和 app 塑造我们在互联网上的互动，”Chayka 写道，“然而技术也在塑造物理世界，影响着我们去的地方，以及我们在那些此前看起来并不那么数字化的生活领域中的行为方式……我们可以把这种由技术创造的奇特地理称为‘AirSpace’。它是咖啡馆、酒吧、创业办公室和共享居住/工作空间的领域，无论你走到哪里，它们都共享同样的特征：大量舒适与品质的符号——至少对某种讲究的品味而言。极简家具。精酿啤酒和牛油果吐司。回收木。工业风照明。Cortado。高速网络。这些空间的同质性意味着在它们之间穿行毫无摩擦……换地方就像刷新网页一样无痛。你可能甚至没意识到自己已不在出发之地。” 这种必然性并不令人意外。LLM 归根结底是预测机器，对最可能的下一个词或 token 做统计猜测。在论文《Large Language Models Are Homogeneously Creative》（PNAS Nexus，2026）中，杜克大学研究者 Emily Wenger 与 Technion 认知科学家 Yoed Kenett 让 22 个商用 LLM 与 100 多名人类在标准创造力任务上对比。单个模型有时能胜过单个人。但作为一个群体，LLM 收敛到惊人相似的答案，而人类没有。Wenger 总结道：“过度依赖这些工具，会让全世界的工作都向同一套底层词汇或语法平滑靠拢，往往使写作看起来千篇一律。” 好吧，你可能会说。把 AI 从营销团队拿走。问题解决。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）