Transcription
你多久使用一次人工智能？如果不是每天，我认为你通常就落后了。>> 这是斯坦福大学人工智能教授 Kian Katan Fouch 所说，他与 Andrewing 一起建立了世界上顶尖的人工智能教育平台之一。现在，通过他的公司，他已经测试了一百多万人的人工智能技能。今天，他有一个循序渐进的计划，让你不会落后。在 2026 年，每个人应该采取哪三个行动？>> 学习人工智能的基础知识。评估自己，确保你已准备好。培养学习的习惯。如果你一天专注于一件事，你可能已经处于世界前 x% 的水平。坚持一周不间断，你就处于前 10%。专注于一个月，你就处于前 1%。但要进入前 0.1%，你将不得不 >> 大家好。欢迎回到硅谷女孩和达沃斯。Ken，让我们从你的宏大构想开始。2026 年是人类的一年，但我们也看到了一个完全不同的叙事。你知道每周都有新的模式取代工作。你认为我们现在应该如何关注人类，以及这种转变是什么？>> 我认为正在发生的转变，很大程度上是由于人们通常高估了技术在短期内的影响，而低估了技术在长期内能做什么。如果你看看所有来自基础模型实验室的报告，你知道 OpenAI、Anthropic 等等，有很多任务级别的报告，比如人工智能擅长任务 A、任务 B、任务 C 正在被自动化，实际上从一个任务到一个人的工作转变，一份工作通常由数百个任务组成，这并不那么简单。这可能需要几十年，而且我看到的几乎每一个预测，自从 ChatGPT 发布以来，关于 XYZ 工作将消失的预测都没有发生。你知道，著名的预测是放射科医生将消失，司机将消失，然后你看到一张放射科医生开车上班的表情包。>> 你提到了司机。你有没有估计过，例如，如果你去旧金山，几乎到处都是网约车。我真的看不到旧的出租车。所以我们看到了替代的发生。但你认为例如对司机来说，这会多久发生？>> 是的。好吧，你看，你知道，像 Waymo、Cruise 等公司的崛起，你知道，所有这些自动驾驶领域的公司，你知道，真的始于 2014 年、2015 年。所以，我们已经花了 11 年时间雇佣了大量的工程师来解决这个问题。所以即使是自动驾驶也已经是一十年的全面研究，人们非常努力地工作。所以，你知道，为什么其他领域不会一样呢？我想也许在接下来的十年里，我们会开始看到更少的配音演员，更少的翻译，也许客户支持将彻底改变。我完全同意这一点。我只是认为人们认为这会在六个月内发生，但事实并非如此。>> 是的。所以我们暂时是安全的，至少是 >> 总的来说，我认为在职业生涯中安全取决于学习速度。它取决于 >> 你能否重塑自己 >> 你知道，网络有一个叫做技能半衰期的指标，它正在下降，这意味着平均而言，一项技能的有效时间不长，在科技或人工智能领域是两年，所以你必须不断更新自己，而这最终会让你安全。>> 完全正确。你的数据表明 71% 的人误判了他们的人工智能技能水平。你能给我们一些基准吗？那么，一个人工智能熟练的人是什么样的？他的一天是什么样的？他是从与他的人工智能聊天开始，还是他自己不写电子邮件，让人工智能管理他的日程安排？>> 是的，我试图区分人工智能的采用和熟练程度。所以，我给你举个例子。采用就是你每天都使用人工智能，而我每周都使用它。你比我更擅长采用。>> 但事实证明，如果我们观察你和我的提示工程师，也许你的提示只是简单的提示。当你看看我在做什么时，我正在使用各种技术。我使用零样本提示。我使用少样本提示。我使用思维链。我使用一个非常复杂的提示链，一个接一个地输入。我正在使用一个我构建的检索增强生成系统。我的熟练程度比你高。>> 是的。这就是采用和熟练程度的区别。>> 好的。你刚才说的话让我觉得自己是个初学者，因为我的提示真的非常非常简单。好的。如果我想在 90 天内听起来像你一样，我应该做什么？>> 所以，首先，如果你有 90 天，我会说我们首先需要建立基础。你参加一些基础课程。我们可以推荐一些关于 deeplearning.ai 的课程，或者其他平台上的课程。说实话，有很多内容。高质量的内容。建立基础。由于市场变化如此之快，人工智能领域最重要的将是你连接到网络。所以，我通常的建议是，你去 X，你去 Reddit，你去一些机器学习的流行新闻通讯，然后注册所有这些。>> 你能推荐一下你在 X 上关注谁以获得最佳建议吗？>> 嗯，实际上，如果你去我的 X 账号，看看我关注了谁，你就可以关注同一些人，但你知道，其中一些人就在这里，比如 Andrew 是一个很棒的关注对象，有一个很棒的新闻通讯叫做 The Batch，Richard Socher，你知道 Yosha Benjo，很多很棒的人工智能科学家，你知道人们信任。>> 而且实际上它能让你在信息泛滥时拨开迷雾。我告诉你，我在读研究生的时候，我们会读很多在 arXiv 上出现的论文，你知道，论文经常发布的网站。今天的信息太多了，你必须找到方法区分信号和噪音。>> 是的。每次我浏览 Instagram 的信息流时，都会有一个新的应用程序，这家公司刚刚改变了这个市场的格局，就像每天都会发生一样。>> 嗯，好的，我们已经确定了这一点。我关注了正确的人。下一步是什么？有没有我应该使用的排名前三的人工智能应用程序？>> 是的，我的意思是，我当然推荐 worker 来测试自己。虽然它主要在公司中使用。除此之外，你知道 deeplearning.ai 有很多免费内容。它真的很好。你还会发现，大型语言模型可以帮助你学习，你实际上可以提示大型语言模型，但瓶颈在于人们不知道该问什么，而这正是评估如此重要的原因，因为在某个时候，你会变得相当擅长人工智能，然后你会遇到一堵墙，就像我接下来该做什么？我真的那么好吗？我知道吗？举个例子，在斯坦福大学，正如你所说，我们在校园里有一门课，有很多学生，我们还有一门 YouTube 上的课程，内容相同，在 YouTube 上发布，有很多观看量，很多观看量。那些学生会告诉你，他们和斯坦福的学生之间的区别在于，这不是材料，而是他们不知道自己有多好。斯坦福的学生有 OpenAI 的朋友，有 Meta 的朋友，有 Google 的朋友，他们知道自己与标准相比有多好，要获得那里的一份工作需要多少努力？但如果你在没有生态系统的世界里，你没有连接进去，那真的很难。所以，这就是为什么评估如此重要。它可以告诉你，嘿，实际上，你认为你很不错，但那不是标准。标准实际上更高。>> 你应该问自己的三个顶级问题，以了解你的水平。>> 你多久使用一次人工智能？>> 你知道，如果不是每天，我认为你现在通常就落后了。>> 嗯，这是一个简单的。另一个是，你知道，想想你每天生活中遇到的 10 种使用人工智能的产品。你能想出 10 种产品吗？你知道，有些人会意识到，实际上，我不知道人工智能在哪里？它在这里吗？它在那里吗？我不知道。我没有能力像这样识别人工智能。>> 你可能落后了。>> 当 Kian 说这些话时，很多人都有同样的反应。好的。根据这个定义，我肯定还没有充分利用人工智能。老实说，对于大多数团队来说，这不是一个动力问题。而是没有简单直观的方法将人工智能融入他们已经正在做的工作中。现在，人工智能通常分散在各个地方。光标在一个标签页，云代码在另一个标签页，也许一个 Copilot 或一个 OpenAI 模型在别处。我们团队以前也是这样工作的，直到我们改变了设置。想法在一个地方，指南在另一个地方，代码在别处，视频编辑在另一个平台，几乎看不到它们是如何连接的。这就是为什么我对与 Miro 及其 MCP 服务器合作感到兴奋。MCP 可以让你将你的 Miro 画布直接连接到你已经使用的人工智能编码工具。所以，Miro 不再是旁边的笔记，而是成为一个中心枢纽，你的规格、图表和上下文实际上为你的代理编码工作流程提供动力。实际上，它改变了两件大事。首先，你可以获取共享上下文、图表、文档、笔记、系统地图，并将它们直接发送给你的 AI 助手，以构建更好的代码，因为现在 Claude 或 Cursor 拥有来自你的图表和规格的实际上下文，而不仅仅是一个提示。其次，你可以在 Miro 中以协作环境可视化代码作为图表，整个团队都可以理解、评论和迭代，而无需深入研究代码库。如果你一直想在工作中更认真地使用人工智能，但它总是感觉抽象、分散或混乱，Miro 的 MCP 使它变得具体和协作，以一种终于说得通的方式。如果你想自己尝试一下，请查看描述中的链接以及 Miro YouTube 频道上的 MCP 教程。现在，回到我和 Ken 的谈话。>> 如果我想开始在工作中利用人工智能，我应该问自己什么问题？我认为，在工作中，语言模型的很多价值在于上下文。例如，在 ChatGPT 上，有一个功能允许你给模型自定义指令。所以，嗨，我的名字是 Keon。我是 XYZ。我喜欢说英语或任何语言，我喜欢简洁，或者我喜欢，你知道，任何你的风格。这是你提供给大型语言模型的上下文的例子。>> 像记忆一样，对吗？>> 是的，你提供给大型语言模型的记忆。虽然，是的，记忆与上下文略有不同。我可以稍后解释，但是，你知道，在工作中，你希望你的文档尽可能地对你的大型语言模型可用。你希望你的自定义指令可用。你甚至希望你的同事的自定义指令可用，这样当你谈论你的同事时，或者你试图给 XYZ 发送电子邮件时，它就会弄清楚。所以，大型语言模型的价值随着它能够访问的上下文量的增加而增加。>> 有些组织就是这样使用人工智能的吗？>> 是的，我给你一个具体的例子。所以在 Workera，我们在内部是大型的 Anthropic 用户。我们使用大量的 Claude。我们所有的工程师都在使用这个版本的 Claude，叫做 Claude Code Max，它在编码方面非常强大。在公司范围内，我们有一些叫做“技能”的东西。Anthropic 称之为“技能”，你可以将它们视为定义某种做事方式的文件，比如我们在 Workera 的招聘方式，或者我们的品牌指南，这是我们使用的字体，这是我们说话的方式，这是你可以使用的调色板。以前，如果一个工程师想构建一个网站，他必须联系营销团队，然后说，你能检查一下字体吗？你能检查一下对齐吗？你能检查一下 XYZ 吗？今天，因为这一切都已编码，你不再需要与人交谈。工程师只需询问大型语言模型，你能否验证文案是否正确，调色板是否正确，并且他们知道营销团队已经维护了该代码。>> 我喜欢那个。>> 所以，它减少了沟通，而且非常强大。你实际上获得了巨大的速度，为营销团队节省了大量时间来思考，我们需要改变我们的字体吗？我们需要而不是每天与工程师交谈说，不，改变那个字体，改变那个字体。所以，>> 你之后会检查结果吗？比如，哦>> 是的，工程师会。工程师会。>> 哇。所以，现在我非常好奇你作为创始人的日常工作。过去三年里有什么变化？你如何与你的同事打交道？你提到了使用 Claude，它减少了沟通。还有什么？>> 我想说，改变的一件事是，我们的组织正在变得更扁平。这意味着，例如，我们的 AI 负责人决定从管理职位转为独立贡献者。这以前从未发生过。他作为独立贡献者做得很好，他觉得更有效率，他觉得他回到了机器身边。我认为这将是一个我们将会看到很多趋势。第二个方面是，在科技领域，你有一个比例，在一个完美的团队中，你有多少工程师？你有多少产品经理？有多少产品设计师？历史上，你会有，我不知道，杰夫·贝索斯称之为“两个披萨团队”。团队必须能够吃两个披萨。如果超过两个披萨，团队就太大了。基本上，>> 这已经超出了这个范围。>> 是的。所以，现在，我认为历史上，我们有，我不知道，八名工程师，一名产品经理，一名产品设计师。我认为现在工程方面效率大大提高，你可能可以组建一个由两名工程师、一名产品经理、一名产品设计师组成的团队，工程师们非常有能力独自完成所有工作，几乎不需要其他方的任何输入。所以，我们在 Workera 看到很多小型团队，你知道，与其有三个大团队，我们可能有六七个小型团队，他们对自己的领域拥有更多的所有权。我们有会议的文字记录，这非常有帮助，因为我可以记住，你知道，当时的情况是什么。我们使用自己的产品进行面试。所以，有一个人工智能面试官。>> 哦，哇。>> 我认为我们只是让所有这些工具对我们的员工可用。我们确保他们经常采用它们。>> 谁来管理你的日历？是人工智能吗？>> 每天早上我都会收到一份简报。我的助理自己构建了人工智能系统。她有一个小小的代理，或者说工作流程，它会跟踪我的日历，跟踪我知道的或者我过去进行的对话。每天早上，我都会自动在 Slack 上收到一份简报，告诉我我需要去哪里，以及我需要知道什么，基本上，这非常有帮助。>> 是的，你描述的一切，如果我想在我的公司里拥有同样的东西，你认为我需要雇佣一个更懂人工智能的人，还是我的团队可以处理？我们都是创意人士，对吗？>> 是的，我认为你应该自己开始。一切都始于你自己。>> 所以，我认为你应该自己尝试一下，你会发现你自己可以完成很多事情。你已经非常熟练了。所以，对你来说可能会更容易。如果你想进入技术领域，是的，你需要一个更懂技术的人。你需要一个过去写过代码的人，你知道，你可以用 >> 但是基础知识，比如连接文档，我们应该做到的。>> 是的，我认为这更多的是关于拥有这样做的能力。>> 而这就是代理权。我很高兴你提到了它，因为我在达沃斯的时候一直在想，每个人都在谈论人工智能。我一直在想每个人都应该发展的三个顶级技能。我认为你在你的一次演讲中提到了这一点。有些技能会很快消失，有些技能会一直伴随着你。它们具有更长的寿命。我认为代理权是你所知道的，如果我们想象人工智能是一个标杆，它已经在告诉一些人该做什么了，他们有点落后于人工智能，比如你在客户支持领域工作，你只是提示一些东西，然后大声读出来。我们大多数人仍然在这个界限之上，因为我们使用人工智能作为助手，但这个界限正在上升。你认为如何才能保持在这个界限之上，并让人工智能为你工作，而不是控制你，就是拥有代理权，也许还有其他东西。你认为呢？>> 我认为，100% 的代理权是一项持久的技能。我们能感受到它。持久，意味着即使在 10 年后它仍然有用。它非常重要。还有更多持久的技能。批判性思维、解决问题、有效沟通。我认为人工智能素养是一项持久的技能。人们将需要它很长时间。我认为编码是一项非常重要的持久技能。>> 即使对我这样的人来说，>> 我认为是的。我认为你不必学习语法，你不必知道如何手动编码，但如果你能分辨出编码代理在做什么，你就会有显著的优势。你能更快地发现错误，你能更快地迭代。很难忽视这一点。然后，说到三个顶级技能，我认为是分开的三个组。对于技术人员，非常技术人员，比如基础模型级别，现在公司正在争夺能够进行推理、构建推理循环和推理模型的人才。世界上能做到这一点的人非常少，而且他们非常有价值。第二个被低估、有时被遗忘的是分布式计算。能构建集群、能在海量集群上训练模型的人不多。这非常复杂。它需要数学技能、线性代数、电气工程的结合。这非常非常复杂，而且这些人是硬核工程师，非常有价值。然后是第三个，强化学习。在人工智能领域，当你看到一个模型时，它通常会经历不同的训练阶段，比如预训练和后训练。人们拥有，有时在预训练，有时在后训练，有一些来自强化学习世界的技术。这就是为什么像 AlphaGo 或你知道的国际象棋这样的想法，你看到人工智能玩得更好。它们基于强化学习方法。>> 当机器自己学习并尝试不同的事物时，>> 它通过经验学习，而不是通过例子。>> 是的。>> 而这项技能也非常有价值。所以，这是技术层面。在应用层面，我认为前沿部署工程非常受欢迎。也就是说，如果你同时具备商业和技术能力，这种组合非常罕见。然后，对于日常生活，我认为识别人工智能，能够原生使用它，是普通人普遍的意识中最受欢迎的技能。>> Ken 刚才谈到了大多数人每天都使用人工智能，但他们的提示仍然非常基础。以我为例。几个月来，我一直在努力写人工智能，它就是不像我。它用了错误的词。它用了错误的语气。它编造了事实，总的来说听起来像人工智能。所以，我决定构建一个系统，三个文件，教人工智能你的真实声音，关于你的背景的真实事实，甚至是你永远不会说的话。这彻底改变了我的整个工作流程，因为我现在可以写出更好的 LinkedIn 帖子。我可以写出更好的电子邮件，并想出更好的想法。所有这些文件都是免费提供给我的通讯订阅者。描述中有一个链接。去下载那些文件。它们附带了关于如何教你的人工智能像你一样说话的说明。这项技术令人惊叹。开始以正确的方式使用它。链接在描述中。>> 那么，你是否看到就业市场有所下降，或者你对未来五年的预测是什么？>> 所以，有几件事我想说。第一，人们说 Z 世代，没有 Z 世代的工作。在过去几年里，我们一直听到这个说法。我认为去年对大学毕业生来说绝对是最艰难的。>> 但这与人工智能有关吗？因为很多人>> 我不这么认为。我认为在>> 我认为公司在疫情期间过度招聘了。>> 而现在他们说人工智能正在自动化我们的工作，因为它能推高股价。事实是，他们正在进行绩效管理。他们正在进行人员管理。他们正在解雇人们，也许有一点是，这份工作不像以前那么重要了，但有很多是，我们想留住我们最好的人，他们把它藏在人工智能的术语后面。你知道，如果 Meta 从他们的元宇宙团队解雇人员，那是因为人工智能吗？你知道，不，那是因为他们想让那个团队做得更多，他可能认为他们可以做得更多，留住最好的人，让他们努力工作。否则，你就不会听到元宇宙团队解雇人员的消息了。你会听到别的消息。所以，我认为这真的是绩效管理。>> 而且我认为他们找不到足够的人工智能原生人才。Z 世代在过去一年里找工作困难的原因是，市场上根本没有足够的人工智能原生人才。>> 仍然只有一些集中在中心地带，如果你在中心地带，作为 Z 世代，实际上你可以做得相当好。今天有很好的机会，有很好的机会。当你离开中心地带时，那真的很难。这要困难得多。所以，长话短说，我认为将会发生的是，随着时间的推移，公司将学会如何更新他们的工作流程。所以，是的，你会看到生产力提高，你会看到大量的内部流动。我认为我们将看到比我们一生中更多的内部流动。有趣。>> 你从营销团队开始，然后去销售团队，从销售团队开始，然后去人力资源 VP 团队，这将会非常普遍。每当你需要移动时，公司内部的这种移动就会增长。我认为公司的总人数将会减少。我认为平均而言，公司会稍微小一些，但不会有大规模的削减。每年可能不会填补退休人员的空缺，他们只是不招聘更多人，你知道，或者如果有人离开，他们可能会尝试通过引进人工智能原生人才来更新文化，这些人才来自大学，同时他们投资于他们的员工，在公司内部培养人工智能原生思维。>> 你认为大学在未来十年会失去价值吗？>> 是的，我认为会。我认为除非你是一流的大学，拥有品牌防御能力。人们不是为了内容而加入，他们是为了网络、品牌、与努力工作、有抱负的人在一起，而这些东西不会失去它们的价值。所以，当你想到大学时，你会想到一个捆绑包，大学有内容、指导、研究等等。这个捆绑包肯定会改变。是的。>> 我认为这只是一个不同的选择。也许不是四年本科，两年硕士。它会改变。我认为大学今天的弱点之一是与就业市场所需的技能不匹配。就像有太多的大学仍然教授你不需要的技能。你知道，我来自法国，我记得我还是学生的时候，我们接受的体育教育老师的数量是毕业生就业人数的两倍。你不想让社会变成那样。你想让社会拥有零技能差距。>> 在任何时候，进入劳动力市场的人都拥有市场所需的技能。这不是一个容易解决的问题，但我认为大学可以做得更好。>> 是的，而且大学要做到这一点确实很难，对吧？要有一个成熟的课程。>> 一种模式是大学专注于持久技能，然后公司建立能力来教授易逝技能。>> 例如，问题是推理。推理方面，了解推理的人是来自世界顶尖人工智能实验室的博士生。他们通常来自那里。所以，它通常来自大学。理想情况下，你希望所有大学都能提供人工智能原生人才。每个人毕业后都拥有出色的人工智能技能。他们不专注于特定领域，但他们拥有出色的持久技能。加入公司，公司拥有某种堆栈，人力资源和学习堆栈，可以接纳一名员工，而不是让他们在七年后成为咨询公司的合伙人，而是让他们在六个月内成为合伙人。>> 是的。>> 而这应该是理想的。>> 而这正是你在 worker 所做的，对吗？>> 是的。我们帮助很多公司做到这一点。我们解决了这个问题的一部分，但总体的想法是学校教授持久技能，公司教授易逝技能。>> 我喜欢这样，这正是大学应该运作的方式，对吗？不仅是现在，而且是 20 年前，因为技能一直在变化。我认为在 Workera，你有 AI 代理，它们在生产中工作，而许多公司未能构建这些 AI 代理。我们也尝试过，在我们公司，我们是一家媒体公司，我们不是那么技术化，但从我看到的情况来看，代理听起来很棒，但在现实世界中，它仍然是一系列步骤，它们在遵循，你仍然需要大量的人工。你能告诉我为什么在你的公司它们有效，而在许多其他公司却无效吗？>> 是的，当然。我认为将代理部署到生产中非常非常困难。人们没有意识到演示不是生产代理。演示现在很容易做到。你看到很多。如果你能区分演示和生产系统，你就知道它有多难。这就是为什么 MIT 的一项研究说，只有 5% 的代理在生产中工作。所以我给你举些例子。我认为的原因，所以我们进行了大规模部署。其中一家公司在这里，Bill McDermad，Service Now 的 CEO 在这里。Service Now 在整个企业中使用 worker。所以每个人都在被衡量、指导、识别技能差距，并获得一种人工智能驾驶执照，基本上是今年的证书。该代理已大规模部署。为了实现这一点，你需要很多事情可能会出错。OpenAI 可能会失败。你该怎么办？我们有一个模型路由层，允许我们立即路由到下一个最佳模型。>> 翻译，人们有不同的语言。这不像说“用日语进行评估”那么简单。一点也不容易。如果一个日本人看了，他会说它有很多文化差距。>> 它不具有文化智能。所以，里面有很多艰苦的工作。代理必须连接到 UI，但不知何故代理错过了按钮。它只是看不到它，然后你就卡住了。哦，代理实际上对你的评分非常不公平。你的分数应该是 200，但你得到了 150，你不同意。好吧，我们有一个功能，允许该人说，我认为代理是错误的。然后，你会在四个工作日内派一名人类专家介入审查，并回复该人。我们已经提高了你的分数，并且纠正了代理。当你对成千上万的人这样做时，当然，代理会随着时间的推移而变得更好。是的，第一次部署是一团糟。第二次稍微好一点，你知道，在某个时候，你就会建立起这种在字里行间和细节中寻找的肌肉，因为这才是重要的。在很多情况下，我们甚至移除了人工智能，我们意识到，你知道，我们开始，我们就像，一切都必须是随机的，也就是说，你知道，有点非确定性的，然后，你知道，我们得到了一些反馈，用户说，不，实际上，我真的很喜欢当体验的一部分是确定的，当我不必实时与人工智能面试官交谈，因为它让我感到压力。我想暂停一下，我想回顾一下多项选择题，并花点时间检查一下。这不需要代理式人工智能。所以，我们不得不决定在哪里做确定性的，在哪里做随机的，因为随机性允许你理解这个人的推理，你与代理进行实时对话，你可以深入挖掘他们的想法，但这并不总是正确的解决方案。>> 哇，根据你的描述，似乎为了在你的公司部署一个人工智能代理，你需要一个非常技术化的人，他能够进行正确的推理并为该代理铺平正确的道路。>> 我认为现在公司有这些代理市场，你可以在他们的内部平台创建一个代理，用一个提示，这与构建一个代理公司非常不同，那里的门槛非常高。例如，如果你想在 Slack 上创建一个机器人，每天读取一个频道并为你总结它，你不需要一个技术团队。你现在可以让某人在代理市场上去，连接它，连接到 Slack，并告诉它该做什么，它就会做到。但是，你知道，我们正在构建一个人工智能代理，它应该是在衡量某人的技能以提供反馈方面世界上最好的。这是一个不同的问题。你不能出错。门槛非常高。在那里，你需要一个研究团队，你需要一个应用团队，你需要一个产品团队。>> 谈到工作，我觉得我们现在需要更多的人，因为所有的工具，所有的机会都打开了。但你认为会有更多的公司吗？因为开始一家公司更容易？>> 是的，我认为会有更多的公司。>> 这会帮助市场趋于平衡吗？>> 是的，我认为会。我认为会有更多的创业精神。会有更多的中小型企业。你知道，去年我在 X 上看到了一些像这样的编码工具。我不会说具体是哪个。人们会知道。他们做了一个营销活动，说，“哦，我们的一个用户在六个小时内重建了 Calendarly，重建了 DocuSign。”在六个小时内。>> 那个产品在哪里？谁用过？没有人用过那个产品。没有人见过它。它可能甚至不再维护了，因为 Calendarly 和 DocuSign 顺便说一句，在旧金山开设了一家新办公室，并且正在发展。所以，有趣的是，如果你没有最好的产品，如果你没有比 DocuSign 好很多，我为什么要换用你的产品呢？门槛很高。是的，构建一个简单的签名工具或日历安排很容易，但是，你知道，Calendarly 非常强大。它有很多功能。所以，唯一的替代方法是，如果你真的构建了一个产品，这个产品不仅和它一样好，甚至可能好 50%，这样用户才觉得值得切换，而且成本是值得的。而且，最重要的是，你必须确保它能保持好 50%。>> 是的。而且还要做好营销。>> 所以，我不相信个人软件的这个想法。我不相信人们会构建他们的 Calendarly，他们会构建等等。我认为一些公司会构建一个比 Calendarly 好 50% 的 Calendarly，它是人工智能原生的，每个人都会使用那个代理。因为你没有时间，我们没有时间来构建我们自己的软件并维护它。所以，我不认为这是营销活动。>> 是的，完全有道理。在接下来的五年里，我们只是不知道会发生什么。在十年后，当人工智能如此强大，并且它获得了所有的知识，我不知道，我想到律师们正在使用人工智能，人工智能拥有所有的法律知识。它比任何东西都好。>> 当然。我同意。它将是一个人工智能代理工具。我只是不认为会有数百个。>> 我认为人们会使用最好的。>> 是的。你知道，所以我不太相信会有>> 但它会是一个主要的公司，你不觉得？>> 它会是，它会是。>> 它很可能是在前三名或前四名之一。>> 我不知道。但你看，Kalani 建立了一个很棒的大公司。有一个功能，它是 Kalani 在 Google 中的精确复制品。确切地说。那么他们是如何建立这个业务的呢？因为在这个细分市场中仍然需要创新。你知道，我认为我们将来不会使用成千上万的代理，你和我。>> 我认为我们将使用数量较少但专门化的代理，而它们背后的团队使它们不断变得更好，持续变得更好。它不仅能够自学，而且还会有一个用户反馈循环，这样它们就能获得正确的 UI，获得正确的 UX，获得正确的语言，你知道，这些东西最终非常重要。是的，这听起来对创业精神非常积极，因为有时作为一名企业家，当我想到人工智能时，如果人工智能能够识别问题，比如在亚马逊市场上，识别供大于求的产品，从中国自动发货并出售。这让我有点难过，但根据你的说法，因为需要人类不断改进某样东西并考虑细节和创新。>> 而这就是防御性。不是软件。不会是代码，因为那很容易。>> 这是它所包含的专业知识。>> 和创始人，>> 用户反馈，创始团队的代理权，你知道，这些东西更重要，而这才是让他们获胜的原因。是的。>> 我喜欢。好的，对于所有正在收听的人来说，我们的听众年龄在 25 到 40 岁之间。>> 他们都想在人工智能时代变得更好，有所作为。在 2026 年，他们应该采取哪三个行动？你知道，学习人工智能的基础知识，评估自己，确保你已准备好，培养学习的习惯。就像每天醒来时，花五分钟阅读你信任的人在这一领域的帖子。事实证明，你在一周后不会感觉更好，但一周后你会感觉好很多，你会觉得自己处于最前沿。你知道，有人说，我看到，你知道，如果你一天专注于一件事，你可能已经处于世界前 x% 的水平。如果你坚持一周不间断，你就处于前 10%。专注于一个月，你就处于前 1%。但要进入前 0.1%，你必须建立这种习惯并坚持五年、十年，你可能就会成为你所做事情的顶尖 0.1%。>> 我喜欢。我也喜欢你关于加入中心地带的观点。>> 因为这有助于你评估自己。>> 是的。>> 对比其他人，比如比较笔记，互相学习。也许先从本地开始，然后，你知道，更换小组。>> 是的，我认为，尤其是在你职业生涯早期，中心地带今天具有显著优势。因为，你知道，人工智能基本上是从硅谷开始的，我猜想新一波的人工智能代理。所以，公司来了，所以有了更多的机会，所以更多的人来了，因为更多的人来了，所以更多公司来了。现在，如果你在旧金山，你甚至不需要努力去了解人工智能领域正在发生什么。我出去吃饭，我们谈论语音人工智能，不知何故，人们谈论特斯拉的自动驾驶仪。你一直在学习，因为你在中心地带。我认为在未来几年会是这样。中心地带比其他地方先进得多。但我认为在未来，你知道，五年到十年的时间跨度，你知道，人们会变老，他们会想要组建家庭，他们会离开中心地带，他们中的很多人会把知识带走，他们可能会在别处开始建设。>> 本地中心地带。>> 正是如此。而这在软件工程集中化的公司里发生了。几年后，由于在线学习，由于信息获取，它实际上变得民主化了，也因为许多这些专家搬到了别处。我认为十年后也会发生同样的事情，即使在中心地带之外，你也会发现很棒的人工智能原生微中心地带或本地社区。>> 是的，这太棒了。非常感谢这次谈话。我喜欢播客。在播客结束后，我将立即给我的团队发短信。我们将构建那个 Claude 的东西。我们将确保我们拥有所有的文档，一切都同步。>> 非常感谢。喜欢这种感觉。让我们开始工作吧。>> 谢谢。>> Ian 是我从达沃斯回家并开始在我所做的一切中实施 Claude 的原因。我们为我们运行的所有社交媒体设置了多个 Claude 项目，老实说，这非常有变革性。另一场非常有变革性的谈话是我在达沃斯与 Ryan Rosslonsky 录制的谈话。所以，如果你热衷于人工智能，如果你对工作发生的事情感兴趣，以及如何通过在 LinkedIn 上发帖获得更好的工作，请观看那一集。它现在在我的频道上直播，我很快就会见到你。再见。