Box 創辦人 Aaron Levie 訪談心得：人為什麼還在 AI workflow 頭尾、企業 AI 導入為什麼比矽谷想的慢
Box 創辦人 Aaron Levie 訪談看完、整理 5 個值得停下來看的論點：Agent 為什麼還是要人在頭尾、企業 AI 導入卡的為什麼是模型以外的 30 件事、AI 為什麼會把三人公司推成十人公司而非反過來裁員。
這場訪談為什麼值得停下來看
Aaron Levie 是 Box 的創辦人。他從大學宿舍把 Box 做到 NYSE 上市、市值約 40 億美元、Fortune 500 約 64% 的公司在用 Box 的平台。他每個月跟 20 個以上的企業 CIO 開會、每天跟製造業、銀行、生命科學公司打交道——他看到的 AI 實際落地數據、跟矽谷新創圈普遍的敘事有明顯落差。
他在訪談裡反覆強調自己對 AI 跟 AI 研究者充滿敬意、也是早期採用者（Google Glass 戴過、每個 VR headset 都買過）——他不是反 AI 派。但他自承靠近 Yann LeCun 那一邊：認為這些系統仍有根本限制、任何 2% 以上的 error rate 都需要有人在旁邊把關。
下面是我看完整段訪談後整理下來最值得記的 5 個論點、加上他對未來 3 年創業視窗的判斷、再加上一段我自己的觀後反思。原始訪談在文末標註。
5 個我整理下來最值得記的論點
Agent 真實的邊界不是 error rate、是責任歸屬
Levie 玩 Agent 玩得越深、越確認一件事：流程的開頭跟結尾、都還是需要真人。他在訪談裡明確點出——原因不只是技術上的 error rate、更根本是責任歸屬。
Agent 沒有任何問責機制——它不會被開除、沒有任何東西「押著」它。法律、財務、醫療這些領域、最終都要真人判斷、因為只有真人能對結果負責。他舉了一個直接的例子：起草一份合約、你大概還是會拿去讓律師看一眼、因為萬一那 3% 機率出錯、$500 律師費省不了什麼。個人稅務也一樣、他寧可給做了 20 年的人去處理、不會自動化那個流程。
他提到 Financial Times 一篇報導：律師現在反而被客戶問題淹沒、因為客戶都先拿去問 AI、起草文件、然後轉頭問律師「這個在法庭上站得住腳嗎」。AI 沒有取代律師、反而增加了律師的需求量。這個 pattern 在他訪談裡出現好幾次——AI 不是替代了真人、是把真人的位置往「最後負責的環節」推。
管太多 Agent 等於變成 50 個 Agent 的 Manager
Levie 自承：他有很多「幾乎可以自動化」的流程、但他沒有全部自動化。原因不是技術做不到、是他清楚意識到一件事——Agent 部署越多、你就越像那個流程的「Manager」。
你要在腦袋裡 hold 住那些 context、要追蹤 Agent 做了什麼沒做什麼、要在它跑出來的結果有問題時接手。以前這些 context 是分散在不同同事的腦袋裡、現在變成全部壓在你一個人身上。
他講了一句蠻具體的：他在矽谷從來沒見過一個創辦人說「我的 50 個 Agent 幫我把公司跑得很好、我睡得很香」。反過來、大家都是在管那 50 個 Agent、而且精神高度緊繃。這跟「Agent 解放你的時間」這個常見敘事正好相反——Agent 真正的成本不是部署成本、是 context 管理成本、而這個成本完全壓在那個唯一的人類管理者身上。
企業 AI 導入卡的不是模型強度、是另外那 30 件事
這是 Levie 訪談裡最直接反矽谷敘事的一段。他的觀察是：AI 能力的提升、跟 AI 真正在組織裡擴散、是兩件事。
後者受到的限制跟 AI 模型有多厲害完全無關、而是受限於另外 30 件事——資料放在哪、資安怎麼設計、workflow 有沒有文件化、系統整合需要多少工程時間。一家超過 5 年的公司、資料可能散在 30 個不同系統裡、根本沒有辦法直接就讓 Agent 進去跑。
Levie 點得相當直接：那些認為 AI 會快速接管白領工作的人、通常沒有跟真實企業打交道的經驗。他每個月 20+ 場 CIO 對話、每天看製造業、銀行、生命科學的真實場景——他看到的不是 AI 推理能力不夠強、是組織要把它接進來需要幾個月到幾年、卡住的環節是 IT 整合而非 AI 本身。
AI 把三人公司推成十人公司、不是反過來
這段是我看完訪談最容易被媒體敘事忽略掉的一塊。Levie 舉了一個具體例子：一家三人的小型電商、以前想往更大市場走、光是得去招業務和行銷這件事本身、就足以讓很多人打退堂鼓。那個人力門檻是真實存在的。
現在有了 Agent、可以讓它去跑行銷活動、建更好的客戶體驗網站、做市場研究。然後呢？業績動了、供應鏈問題就來了、客戶的複雜問題就來了、新功能需求就來了。Agent 幫你破了初期的成長瓶頸、那三人團隊可能就變成五個人、十個人。
Levie 的預測：AI 在整個經濟體裡催生的是更分散的就業成長、不是「某家公司把兩千個工程師裁到一千五百個」的故事。後者確實會發生、但前者的規模更大。他對裁員那塊也直接補充——目前的裁員有一部分跟 AI 無關、是零利率時代或 COVID 期間過度招聘的修正。Fortune 500 隨便五家公司的職缺頁看、現在都還在招軟體工程師、只是在招不同的角色。
「壓縮」不是「消失」——放射科醫生反例戳破二元敘事
Levie 在訪談裡用的詞是「壓縮」、不是「消失」。第一線客服（tier 1）——改密碼、找登入連結這類事——基本上全自動化。但複雜的客服不行。記帳、簿記在壓縮路徑上、但永遠有「例外狀況的升級路徑」、最後那 10% 還是要真人。
他講了一個對自己印象很深的親身經歷：兩個月前他有個法律問題、問了所有 AI Agent、每一個給的答案都幾乎一樣（他形容是「平均答案、比較保守的那種」）。然後他打電話給律師——律師給他的是針對他個人情況的情境化答案、考慮了他的風險承受度、他的具體事實模式。那種情境判斷 AI 做不到、因為 AI 不能給你那個更偏向風險的建議、但懂你情況的律師可以。
他也提到一個更具殺傷力的反例：Jeff Hinton 當年說放射
Levie 說這個模式在很多領域都在發生：AI 把門檻降低了、進來的人多了、新的瓶頸就出現在需要真人處理的那個環節上、需求反而往上跑。這個觀察跟「AI 取代白領」的二元敘事是直接對撞的——它不否認職務內容會被 reshape、但否認職務本身會憑空消失。
關於 3 年創業視窗、整合顧問、護城河
Levie 對接下來 3 年的判斷有具體框架。他的基本理論：大型技術平台每 10 到 20 年出現一次、每次都會催生一批新的大公司。大型主機、個人電腦、網路、雲端加行動——每個時代都有對應的公司浮現（Google、Amazon、Microsoft、Apple、Salesforce、Uber）。AI 現在就是這樣一個時機點、接下來會有一大批「applied AI companies」出現、把 AI 智能帶進各個行業跟消費場景。
為什麼不是 10 年？因為先跑的公司會建立 network effect 和數據飛輪——你用他們的產品、他們的 Agent 從你身上學到更多、技術越來越強、競爭優勢越來越高。Walmart 今天很難被顛覆、就是幾十年累積的客戶黏著度。這個時間點進去、那個飛輪還沒轉太快、還有機會。
他點出三塊具體市場缺口。第一是垂直 AI 工具——Harvey（法律垂直 AI）的故事還沒結束、每個行業都還在等它的 Harvey。第二是 Agent 需要的基礎設施——Stripe 旗下有個叫 Tempo 的新公司就在做「Agent 付款基礎設施」、Agent 會需要買資料、做任務、跟其他服務互動。第三、也是他最興奮的——AI 整合顧問。Mark Cuban 有一個說法他完全同意：那個跑到非矽谷地區、幫 10 人的小顧問公司把 agentic workflow 建起來的人、接下來十年能創造的市場規模是數十億甚至數百億美元。
他對「該建什麼」也給了具體判準：不管 AI 繼續強到什麼程度、你建的東西還會被需要嗎？資料要放在某個地方、安全合規需要被管、最後一哩路需要真人——這些需求不會消失。他舉 Figma 為例：Claude 推出設計功能時 Figma 股價跌、但他自己的設計團隊最後一哩路還是在 Figma 完成。「Claude 來了 Figma 就死」這種二元邏輯他不買單。
我的觀後心得
三件事我自己看完訪談最有共鳴。
第一是「管 Agent 等於變成 Manager」這條我自己有實感。最近半年我跑過一段 multi-AI 工具協作的工作流（規劃 AI、設計 AI、工程 AI、加我做策略仲裁），跑完最直接的體感不是「我的時間被解放」、是「我必須持續 hold 住所有人的 context、變成那個總協調者」。Levie 講的「精神高度緊繃」我很懂——Agent 部署越多、能 push back 的人就越少、最後所有判斷壓回你一個人身上。這條跟他為什麼「明明能自動化卻沒自動化」是同一個現象。
第二是「AI 整合顧問」這塊我覺得比矽谷敘事更早成熟。Levie 跟 Mark Cuban 都從美國視角描述這件事、但我傾向認為這個機會在台灣已經發生、只是還沒被定價清楚。中小企業、傳統產業、區域性服務業——他們不需要矽谷大廠的標準產品、需要的是有人把 agentic workflow 客製進他們既有 IT 環境。這需要懂特定行業加上懂 Agent 怎麼運作、目前同時具備這兩件事的人非常少。
第三是「壓縮不是消失」這條我覺得最值得記。它跟我們習慣聽到的「AI 取代白領」敘事是直接對撞的、但同時不是反 AI 的——它接受職務內容會 reshape、只是否認職務本身會憑空消失。放射科醫生反例特別具體——AI 把門檻拉低、需求量被推高、最終那個需要真人的環節反而緊張起來。我自己未來在判斷職涯方向時、會盡量套這個模型、而不是「AI 來了所以這個職位會沒」那種一刀切。
當然 Levie 看的是矽谷視角、台灣或亞洲的 3 年視窗未必同步、整合顧問機會的成熟速度、垂直 AI 工具的本土落地、企業 IT 整合預算的釋出時程——這些細節需要對應到台灣場景再校正。但他的核心觀察——「人在 workflow 頭尾」、「Agent 的成本是 Manager 成本」、「壓縮不是消失」——我覺得跨地域都站得住。
常見問題
Aaron Levie 是樂觀派還是悲觀派？
他自承靠近 Yann LeCun 那一派——對 AI 系統的根本限制有意識、不認為 AI 會快速接管白領工作。但他同時樂觀於 AI 啟動的就業擴散效應——三人公司變十人、Agent 基礎設施需求、整合顧問市場、垂直 AI 工具。他樂觀的對象不是「AI 模型有多強」、是「AI 把進入門檻降低之後催生的新需求」。
他說工作會「被壓縮」、跟「AI 取代白領」差在哪？
「壓縮」是 tier 1 客服、改密碼、簿記初階這類事的自動化、不是整個職位消失。例外狀況的升級路徑永遠需要真人、最後那 10% 是真人的領域。放射科醫生反例最具體——AI 把讀片準確率拉到 9 成、整體影像量反而暴增、醫生需求往上跑。「取代論」假設工作量固定；「壓縮論」假設工作量會因為門檻降低而擴張、新的瓶頸出現在需要真人的環節。
「AI 整合顧問」這個機會為什麼是非矽谷的？
矽谷現在已經有很多 applied AI startup 在打標準產品。但中型企業跟小型顧問公司有自己的 workflow、需要的是客製化整合——這需要懂特定行業加上懂 Agent 怎麼運作的人。這類人不在矽谷大公司、是分散在各行業的個體跟小服務公司。Mark Cuban 預測這個市場接下來十年規模是數十億甚至數百億美元、Levie 完全同意這個判斷。
原文出處：Silicon Valley Girl Podcast 對 Aaron Levie（Box 創辦人）的訪談，談 AI 浪潮、工作消失、創業視窗。
