过去几年,ToC AI 产品看起来一直在变。最初是 Chatbot,随后是 AI Search、AI Browser,再到能够操作电脑和应用的 Agent;进入 2026 年,Coding Agent、Agent for Work 和 Agent Harness 又成为新的产品焦点。如果只按照产品名称观察,很容易把它理解成一轮又一轮入口竞争。但把这些变化放在一起看,更值得关注的其实是一条相对稳定的内在线: LLM 正在从一个需要人主动调用的智能服务,逐步演化成一个以人为中心、受人控制、能够长期存在并持续参与数字活动的计算主体。 这条线索比“下一个 AI …阅读《从调用模型到受控长期计算主体:AI ToC 产品演进的内在线》更多内容...
AI 应用的生产化,不是把人类职能简单交给 Agent,而是把技能标准化、任务流程化、职能责任化、治理系统化 技能函数化、职能责任化与 Agent 生产化的真正边界 今天很多 AI 应用设计,正在陷入一个看似先进、实则危险的误区:把 AI 直接包装成某个组织职能。 AI 销售助理、AI 客户成功经理、AI 产品经理、AI 合规分析员、AI 财务专员、AI 运营专家、AI 招聘官…… 这些名字很容易让人兴奋,因为它们直接对应企业的组织岗位,听起来离业务结果更近,也更容易被客户理解。但问题在于,组织职能不是一个简单函数。职能背后有目标、责任、边界、流程、权限…阅读《不要把 AI 做成“一个会很多事的人”》更多内容...
当你将 AI 当做信息搜索工具时候,他能迅速组织数十上百信息源进行分析整理并输出你想要的分析和报告,当你让他写个 ppt,他能理解意图组织信息调用工具撰写 创作ppt,当你让他写个代码解决一个问题,只要你说的清楚他就能够自己编码测试验证并交付你趁手的代码工具。 那么,什么时候 相信 AI 的判断、完全信任完全委托,什么时候不能全信需要介入决策,什么时候完全摒弃 AI 参与的干扰,这不只是一个 AI 智能应用的人机交互问题,更是 AI 与人类协同共进的问题。 我的看法是,AI是一个强大的数据 -模式匹配工具,而人类是情境 -责任 -价值主体。两者不应是替代…阅读《AI与人的决策偏差:从信息代理到信任代理》更多内容...