Tak. Kilka różnych myśli. (1) Po pierwsze, nowym wąskim gardłem w AI jest podawanie poleceń i weryfikacja. Ponieważ AI wykonuje zadania od środka do środka, a nie od końca do końca. Dlatego wydatki biznesowe przesuwają się w kierunku podawania poleceń i weryfikacji, nawet gdy AI przyspiesza środkowy proces. (2) Po drugie, AI naprawdę oznacza wzmocnioną inteligencję, a nie inteligencję agentową. Im mądrzejszy jesteś, tym mądrzejsze jest AI. Lepsi pisarze są lepszymi podającymi polecenia. (3) Po trzecie, AI tak naprawdę nie zabiera ci pracy, pozwala ci wykonywać dowolną pracę. Ponieważ pozwala ci być przeciętnym projektantem UX, przyzwoitym animatorem SFX itd. Ale to niekoniecznie oznacza, że możesz tę pracę wykonywać *dobrze*, ponieważ często potrzebny jest specjalista do dopracowania. (4) Po czwarte, AI nie zabiera ci pracy, zabiera pracę poprzedniemu AI. Na przykład: Midjourney przejęło pracę Stable Diffusion. GPT-4 przejęło pracę GPT-3. Gdy masz miejsce w swoim przepływie pracy na generację obrazów AI, generację kodu AI lub podobne, po prostu alokujesz te wydatki na najnowszy model. (5) Po piąte, zabójcze AI jest już tutaj — i nazywa się dronami. I każdy kraj to realizuje. Więc nie chodzi o generatory obrazów i chatboty, o które trzeba się martwić. (6) Po szóste, zdecentralizowane AI jest już tutaj i jest zasadniczo politeistycznym AI (wiele silnych modeli), a nie monoteistycznym AI (jeden wszechmocny model). Oznacza to równowagę sił między fuzjami ludzkimi/AI, a nie jednego dominującego AI, które zamieni nas wszystkich w spinacze do papieru/słupy soli. (7) Po siódme, AI jest probabilistyczne, podczas gdy kryptowaluty są deterministyczne. Więc kryptowaluty mogą ograniczać AI. Na przykład, AI może łamać captchy, ale nie może fałszować sald on-chain. I może rozwiązywać niektóre równania, ale nie równania kryptograficzne. Tak więc kryptowaluty to mniej więcej to, czego AI nie może zrobić. (8) Po ósme, myślę, że AI w tej chwili ma efekt decentralizujący, ponieważ mała drużyna może zrobić znacznie więcej z odpowiednimi narzędziami, a ponieważ pojawia się tak wiele wysokiej jakości modeli open source. Wszystko to może się zmienić, jeśli samo-podawanie poleceń, samo-weryfikacja i samo-replikujące AI w świecie fizycznym naprawdę się rozwiną. Ale istnieją otwarte pytania badawcze między tym a tamtym.
Aaron Levie
Aaron Levie28 cze 2025
The view that imagines AI wiping out jobs or causing some overnight shock to the system doesn’t contemplate that companies are a made up of a series of bottlenecks. When AI accelerates work in one area, you run into a bottleneck somewhere else. As any individual workflow gets more efficient, the ultimate productivity gain is still constrained by some other part of the system. And usually it’s the case that that part of the system will not have inherently seen the same impact of AI efficiency, which means humans are still doing the work. Take almost any process in an enterprise and you can see how this plays out. If AI Agents generate leads for the sales team, the bottleneck will be humans to have conversations with those customers. And if the leads are good, that will mean more sales hiring. If AI Agents generate more code, you will eventually be bottlenecked by the engineers that can review and incorporate that code into production. You can quickly see how this scales to any process in an organization. Economists and others tend to totally miss how work actually happens in a company; it’s not a series of wholly independent tasks, but instead highly interdependent tasks that all link to each other across a system. This is of course the natural rate limiter of AI efficiency gains, but also the reason why humans will still be doing so many jobs in the future.
543,59K