智能体正在成为一种新的劳动力，甚至在部分劳动场景里彻底取代人类。这无疑是一个极为重大的变化——传统的劳动关系正在被重塑。
近期，著名风险投资机构，“硅谷初创风向标”A16Z的三位合伙人——亚历克斯·兰佩尔（Alex Rampell）、安吉拉·斯特兰奇（Angela Strange）和大卫·哈伯（David Haber）一起，对以上问题进行了探讨，并透过过往云计算时代的演变，提炼出其对未来的借鉴意义。
20世纪60年代计算机兴起，引发了软件发展的第一阶段，也就是将文件柜数字化，进一步说也就是将文件柜变为带前端的数据库。
典型例子是美国航空公司和IBM在1959年或1960年合作开发的Saber系统。它把泛美航空、美国航空公司航班乘客信息的文件柜，变成了数据库。
不管是人力资源、医疗还是财务文件柜，都能转化成带前端输入信息功能的数据库。
比如20世纪80年代，著名财务软件Quicken就这么处理财务报表，仁科（Peoplesoft）公司则因把人力资源文件柜转化为软件而出名 。
以Salesforce为例，客户关系管理产品概念早就有，以前人们用实体名片夹（Rolodex）按字母顺序放名片，方便联系。
这还是软件，但不用在办公的地方摆一台巨大主机了，放在云端，也不用专门IT团队操心服务器问题，办公楼着火也不怕服务器报废，更安全。
最初，软件应用场景特别有限。1960年，基本上没有餐厅像泛美航空那样，每年花数万美元买软件，2000年还是如此。
餐饮软件也随之诞生，像市值150亿美元的Toast公司，还有Service Titan，都为餐厅提供软件服务。
1965年，云软件市场几乎为零。后续随义务的增加，这一个市场才开始逐渐发展壮大。
虽然工作方式变了，但员工的工作职责并没发生变化。1960年，人力资源部门50名员工的目标，与2024年这个岗位职能几乎基本没任何变化。
从2024年、2025年起，智能体将开始接手过去65年一直由人类负责的工作。至此，我们将进入了一个全新的时代。
大部分软件公司收费模式都差不多，拿Salesforce来说，是按用户席位收费。
Zendesk也类似，虽说可能稍微调整过定价，但之前每个席位每月要收115美元。
假如，公司有1000人每个月就得付给Zendesk 11.5万美元，一年算下来，在Zendesk软件上就得花大概140万美元。
比如，一个员工一年大概得花5万美元，拿1000人的客服中心来说，就是5000万美元。
如果把AI做得特别好，那些有1000个席位的客户，说不定就只留10个席位了。
现在的AI工具，常见的有两种，一种叫“无人驾驶”（Autopilot），一种叫“副驾驶”（Copilot）。
“副驾驶”能帮员工提高工作效率。就比如说你刚入职，想问问公司上下班时间，或者厕所咋走，“副驾驶”能直接告诉你答案。
如果，你把功能做得太好，分担走很大一部分需要人工的工作，那么公司购买的月席位将会降低，收入也随着降低。
而“无人驾驶”模式的威胁也很大，功能弱了做不好业务，功能强了也会出现购买席位的减少，甚至不再需要购买。
进退维谷，要是我是Zendesk，就得好好想想该怎么办，这既是防守，也是进攻。
要是处理不好人工智能带来的这样一些问题，可能会把全部或者大部分收入都赔进去。但要是处理得好，收入说不定能涨10倍 。
有这么一群创业者，他们专门开发软件产品，来解决那些一直以来需要大量人为主观判断的工作。
比如说，以前有专门的工作人员，要从一堆乱七八糟的信息里提取有用内容，这一些信息可能是电子邮件、传真，还有电话录音转成的文字等等。
然后，再把这些提取出来的信息，录入到像企业资源规划（ERP）系统或者客户关系管理（CRM）系统这类记录系统里。
过去，这类工作只能由人来干，软件根本做不了，所以一直都在各种软件的上游。
从长远来看，这种策略的重点是，虽然一开始软件和人工相比优势特别明显，有很大的差异化。
但这其实也是一个慢慢渗透到别的环节，最后变成全新的、基于AI的记录系统的好机会。
你去医院挂号，医生觉得你需要看专科医生，比如皮肤科医生，或者得去影像中心检查，通常就会把你的医疗记录传真过去。
然后，就会有专人跑到传真机那儿，把传过来的信息重新录入到电子病历（EMR）系统里。
Tenor公司训练了一个模型，用大约400万份和医疗保健相关的文件来训练它。
现在，这个模型基本能通过编程把患者的所有信息都提取出来，这样一来，患者入院登记的问题就解决得很高效。
在患者真正见到临床医生之前，他们已能把患者入院登记的管理成本降低大约90%。
Tenor公司也是从解决杂乱收件箱问题开始步入市场的，慢慢地，他们开始涉及到排班、资格审核检查和福利管理等环节。
但这真的就能保证以后产品一直存在竞争力吗？其实，这里涉及到产品差异化和可防御性的问题。
人工智能确实能让产品与众不同，用软件处理杂乱收件箱比人工效率高太多了，两者根本没办法比。
但是，光靠这个切入点，产品就能一直存在竞争力，不被别人模仿吗？我觉得不行。
真正的可防御性在于掌控所有下游工作流程，和其他各种系统深层次地融合，把整个端到端的工作流程牢牢掌握在自己手里。
像成为记录系统、具备网络效应、打造平台、产品能迅速传播开、深深融入现有系统让人难以替换，这些向来是软件行业成功的重要的条件，现在也还是。
因为坐飞机的人多，机票价格又贵，对航空公司来说，花点钱买软件，比起养一堆管文件的人和跑腿的，不算什么。
在20世纪60年代，花几十万美元买一台巨大的IBM主机，这对航空公司来说是很合理的。
直到后来，把支付处理、保险这些餐厅本来就要花钱的服务捆绑在一起，市场才变得足够大。
所以，先找个切入点，再琢磨怎么扩大这个切入点，让产品具备竞争力，最后成为大家不能离开的记录系统，这很重要。
还有一种办法，就是找那种像20世纪80年代餐厅一样的行业。当时餐厅没软件，也不觉得需要软件，更不愿意为软件掏钱，但在人力上花的钱可不少。
举个例子，银行和金融机构的合规官员现在都用啥软件呢？还是Excel、Word、Edge浏览器，用来查找复杂的信息。
合规官员是美国增长第四快的职业。可现在，没有一款软件能让所有银行和金融服务企业都用。
要是开户的人少了，就不需要那么多合规官员；要是开户的人多了，就还得再招人。
有时候，在银行开个企业账户可能要等一个月，主要是因为合规官员手头的活太多了。
这些领域要么没有专门做这行的公司，要么现有的就是像微软Excel这种简单工具。
在这个领域，人力成本很高，但软件使用却很少，你不需要过多的担心现有公司的竞争，这就是一个很好的切入点，而且有很大的可能性发展成一个重要的记录系统。
原因就和20世纪80年代没有餐厅软件市场一样，大家认为收不了多少钱，市场规模不够大。
但现在不一样了，有足够的技术能力来满足这个迫切的需求。在金融服务领域，存在许多陈旧落后的记录系统。
当我们在讨论软件对劳动力市场的冲击时，很自然会想到一个问题，那些原本的工作岗位会变成什么样？
回顾之前的技术变革，像产品经理、使用者真实的体验设计师、社会化媒体经理这些岗位，都是上一个技术时代带来的产物。
就像在1789年左右，很难想象农民在拖拉机出现后会去做什么，更想不到有人会坐在房间里对着麦克风说话，就像我们现在对着电脑麦克风一样。
假如，有个像Salesforce那样的人工智能销售代表，那是不是就不需要真正的销售人员了呢？
每个人的工作里都有特殊的比例的重复性任务，这些任务是可以用AI来自动化完成的。
美国有个叫北美行业分类系统（NAICS）的东西，把行业分成600类，能统计每个行业里公司数量、劳动力预算等信息。
以前，很多行业你可能觉得潜在买家也就1000个，每个月愿意为软件服务付1000美元，算下来市场规模也就1.2亿美元。
但现在不一样，如果把AI融入进去，替代一部分劳动力成本，市场规模能大幅扩大。
很多律师事务所按小时收费，要是人工智能能在三秒内完成过去三小时的工作，那收入该怎么算？
还有一个企业，专门解决原告法律业务里的工作流程难题，主要做就业和人身伤害案件。
在人身伤害案件里，每100个潜在客户线索，律师可能只接一个案子。筛选医疗记录和就业文件时，就像处理“杂乱收件箱”。
这家公司通过编程解决这一些难题，自动评估案件价值，还能像律师的“副驾驶”一样，帮忙起草医疗时间轴、生成索赔函、提交投诉，贯穿诉讼前后。
一种做法是让律师收入不变，这样律所的业务规模会显著扩大。律所还会把软件成本以技术费用的形式转嫁给最终客户，这也是常见做法。
律所接手的客户越多，愿意为软件付费的人就越多，对单个律所来说，这是扩大收入的好机会。
通过减少相关成本帮企业时，是打造全栈版本好，还是单纯卖软件好？我觉得这两个方向都可能会成功，而且现在这样的一种情况越来越常见。
再说说把成本转嫁给最终用户或买家的事儿。如果这样的一种情况越来越普遍，会不会导致整体物价下降（通缩）？
毕竟竞争越来越激烈，慢慢的变多人开发基于AI的劳动力产品，大家为了接新案子打价格战，原本5000美元的案件费用，可能就变成500美元了。
这和上一个时代大家担心能不能盈利不同，现在担心的是价格下降，企业赚不到钱。
法律行业有点特殊，客户在等和解赔偿，费用从赔偿里出，所以不太能明显感觉到成本的变化。
做这些事变得容易，价格自然会下降。要是有50家公司都做同样的事，产品价格肯定降得厉害，很难想象会比人工还贵。
这就是技术发展的趋势，就像1960年一个 100MB、好几吨重的硬盘要一百万美元，现在1TB容量的微型固态硬盘，网络星期一促销时10美元左右就能买到。
总结一下，大家都对AI这股浪潮很兴奋，现有企业也想跟上。那创业者在哪些领域发力比较好呢？
我觉得越冷门越好。我们大家都希望看到有人在农业、矿业等小众行业深耕十年甚至更久，他们有独特见解，还了解人工智能的潜力。
不过要注意，很多领域技术还没发展到能完全实现自动化的程度。实际应用场景复杂，整合不同系统也麻烦，要是过早投入，很可能失败。
另外，金融服务和保险行业有很多用了30多年的老旧记录系统。要是把AI和劳动力结合，重新设计工作流程，效率能提高10倍。
我们会看到很多创业者从小众垂直行业切入市场，就像解决 “杂乱收件箱”问题那样。
我们也期待面向销售团队、市场营销、产品管理、分析、首席财务官等领域，能出现横向人工智能原生软件。
这些领域通常有大型的现有软件竞争对手，这就有必要了解市场结构，判断现有企业改变定价模式、增加人工智能功能的可能性。
但我相信，肯定会有具有时代意义的公司，以AI原生的方式在横向软件领域诞生，很值得期待。
