去年，Alex Lieberman和他的联合创始人加入我们，解释Tenex不同寻常的赌注：根据AI工程师交付的工作付酬，而不是他们在键盘前花费的时间。如果AI让工程师更快，小时费率可能让工程师做同样的工作赚更少的钱。Tenex希望激励措施朝相反的方向运行。
在AIE New York，Alex和CJ Hess一起回来，讨论当你把这个想法扩展到工程组织时会发生什么。我们还提出了我们自己的一个实验：Kill My SaaS，我们要求构建者替换一个会议演讲者管理工具，我们被报价每年43,000美元使用它。
两个故事都提出了同一个问题：当构建变得更便宜时，你如何决定好的工作值多少？
▶ https://www.youtube.com/watch?v=Vki6cklFqxo
当工作不断变化时，为产出付费
Tenex仍然使用故事点作为工程薪酬的重要部分。Alex说，担心的失败模式——人们夸大估计或交付糟糕的代码来累积点数——并不是最大的问题。Tenex的AI策略师负责客户保留和增长，这激励他们反对不服务于客户的工作。
更难的问题是如何奖励那些不能整齐地放入工单的工作：理解客户的问题、设计架构，或者决定首先应该构建什么。CJ描述随着模型变得更好，直接编码的时间减少，而更多时间用于将客户的上下文转化为模型可以使用的形式。围绕已交付任务设计的薪酬系统也必须为这项工作留出空间。
Alex说Tenex已经发展到75人，客户分布在财富2000强公司和中端市场企业之间。该公司最初是一家AI驱动的开发商店；越来越多的客户寻求帮助在整个公司进行AI转型。跳转到薪酬讨论 →
MetaHarness：将项目保留在仓库中
CJ介绍了Tenex的MetaHarness：一套共享的技能、项目文档和围绕工作的CLI。计划和决策与代码一起签入Git。当代理回到任务时，它不仅可以阅读构建了什么，还可以阅读团队为什么选择那样构建。
Tenex自己的AI原生SDLC文章将这一想法展示为一个人和代理共同工作的项目记录，并提供了对Linear、GitHub和客户更新的视图：
来源：Tenex，构建AI原生SDLC。
有用的区别在于让代理更快地编写代码与让周围的工作变得可读：计划、验收标准、决策和证据。Tenex的文章还指出了成本：对于一个小团队在一个项目上，那么多结构可能过于繁琐。CJ解释工作流程 →
Kill My SaaS：拥有你所构建的东西的成本
我们的Kill My SaaS节目涵盖了72份提交，用于替换我们的演讲者管理软件。在我们的人类评委中获胜的团队在我们的AI评委排行榜上排名第19。这是一个有用的提醒：检查软件是否满足一系列场景与判断人们是否想使用它是不同的工作。
我把这个项目带给Alex，作为一个公司选择构建自己软件的真实例子。他的反驳：你越往高端市场走，拆除一个已建立的系统就变得越昂贵和风险越大。即使对于一个较小的工具，也需要有人维护它。节省的钱是否足够大，以证明持续关注是合理的？
我的答案是，好处不仅仅是账单。我们的团队长期以来一直忍受着一个平庸的产品。如果我们拥有工作流程，我们可以为演讲者和操作员改进它，并在几分钟内迭代，而不是等待供应商数月。这种潜力必须与Alex描述的维护相权衡。观看交流 →
支持——和反对——垂直AI的理由
Alex总体上对垂直特定的AI产品持悲观态度：如果每个企业都期望一对一的解决方案，你如何以软件利润率交付？而且随着前沿模型的改进，底层任务有多少会被通用工具吸收？
我用Harvey和OpenEvidence等例子反驳。即使底层模型对所有人可用，领域特定的数据、专门的界面、集成和用户习惯也可能很重要。Bloomberg是一个有用的比较：交易者可以在其他地方获得市场数据，但终端将数据、工作流程、通信和现有习惯结合在一起。
CJ区分了主要功能是代理执行任务的垂直产品与改善该任务周围实际工作流程的工具。这留下了一个比“垂直AI”赢或输更有趣的问题：哪些产品成为人们工作的持久场所，哪些成为他们已经使用的代理的一个功能？观看辩论 →
节目笔记
- Tenex — Alex和CJ的应用AI公司，与企业合作进行AI采用和工程。
- Alex Lieberman谈Tenex — Alex对该公司及其方法的介绍。
- 构建AI原生SDLC — Tenex对其代理辅助开发过程和MetaHarness的解释。
- 我们之前与Alex和Arman的对话 — Tenex最初为AI工程师的产出付费的理由。
- Kill My SaaS — 我们用AI代理替换每年43K美元的演讲者管理工具所学到的。
时间戳
0:00 冷开场
0:26 介绍
0:51 Tenex 做什么
1:32 CJ 为什么加入 Tenex
3:17 按成果为工程师付费
7:20 深入 MetaHarness
10:25 模型与长时间运行的任务
15:11 Token 支出与 ROI
19:29 企业 AI 采用差距
23:22 为什么代理部署很难
24:42 垂直 AI 与企业软件
30:32 Kill My SaaS
35:23 AI 与工作
38:18 纽约的 AI 生态
42:28 Tenex 的招聘
文字记录
由采访自动生成；措辞可能包含错误，且未标注发言人。
0:00 我只是觉得我的产出变得更好、更快，但最终拿到的钱却更少。比如我按小时向客户收费。我对团队的说法是，你无法自动化一个不存在的流程。
0:26 好，我们现在在 AI Engineer 现场，与 Tenex 交流。欢迎回来，Alex。谢谢。谢谢邀请我们。你带来了你的工程总监 CJ。欢迎来到播客。Tenex 特别项目负责人。好，特别项目负责人。行，你们就是特警队。是的，是的。你之前上过播客，大家对 Tenex 的故事也大致熟悉，但你能不能从头再介绍一下，2026 年的你，会怎么介绍自己？好，很简单，Tenex 是面向世界上一些最大公司的应用 AI 合作伙伴，帮助他们从 AI 缺失走向 AI 原生。我们的信念是，AI 非常了不起，但它只是原始智能。
1:04 而最难解决的问题是最后一英里，也就是真正让它扩散到整个经济中。所以我们的观点是，充当那个角色，帮助企业把这一切弄清楚。我可以在节目里说脏话吗？把这一堆破事弄清楚。可以，可以。是的，我们在 Apple Podcasts 上有明确标签。不过我最近发现 YouTube 不喜欢这个。哦，真的吗？他们就是这样，对，你不能说那个 F 开头的词。那我是不是刚把你的视频搞砸了？你要怎么办？我不在乎。好。我们是给成年人听的。CJ，是什么吸引你来到 Tenex？其实我是第一个员工。我甚至不知道 Alex 和 Armand 当时是否已经有 Tenex 这个名字，
1:40 但我有一堆在 Tenex 之前尝试创办的初创公司，最终发展成了我自己的那种工程咨询公司。我在那里做了一段时间传统工程，后来转向做一些这类 AI 咨询，并且越来越多地用它来构建东西。我本职是软件工程师。我只是觉得我的产出变得更好、更快，但最终拿到的钱却更少。比如我按小时向客户收费。而且我真的很喜欢 Alex 最初发布的那种 Tenex 理念，
2:16 我在 Twitter 上看到时，大意是希望根据工程师的产出来奖励他们，而不是根据他们的时间来奖励他们。我想你知道，快进两年，你能看到工程师现在可以并行处理大量工作，产出多得多。当时用 Sonnet 3.5、Gemini 2.5 Pro 的时候，这可能还不那么明显，但我基本上押注的是，凭借我的技能组合并更多地投入 AI，我可以有高得多的产出，并最终拥有更高的赚钱能力。
2:53 从那以后，我就爱上了这种模式。我觉得那才是工程未来的真正样子。最终，当 AI 解决所有这些技术问题时，公司会按成果付费，而不会想按构建某样东西所需的时间付费。是的。所以关于这一点，更多细节大家可以回看我们之前的播客，你们真的是按故事点给人付钱。对。你只需要就故事点是什么达成一致。但这也意味着，一些 10x 工程师真的可以一年赚几百万美元，而另一些人可能赚得没那么多，只是因为他们没那么高产。完全正确。这个论点是，AI 实际上只是对一个人的智力和职业道德的杠杆化押注，
3:29 所以你的赚钱能力会比以往任何时候都更加分化。我们的观点是，我们的模式并不适合所有人，但对于那种基本上想长期押注自己的人，那种在软件工程方面有不可思议的基础，同时也不断推动自己去利用前沿、尽可能拉长自己的时间并保持高质量产出的人，没有比这更好的赚钱方式了。现在的情况是，上次我跟你聊时，我想你大概有两三个人一年赚一百万或超过一百万。这方面有更新吗？有，有，有。所以简单描绘一下，
4:05 我们 18 个月前开始做 Tenex，当时我们开始这项业务。其实我们一开始像是一个 AI 驱动的开发工作室。真的，最初的想法是，工程有点像 AI 的煤矿里的金丝雀。部分推动力来自我的联合创始人 Armand，他本职是技术出身，开始大量使用编码代理。然后他认识一些人，那些人还在往 IDE 里打字，比如完全没采用这项技术。所以我们就想，为什么不直接给一家没有采用这项技术的公司的工程组织加把劲呢？所以我们从那里开始。然后随着我们开始从初创公司和中等市场向上游市场发展
4:42 公司发展到现在，你知道，我们 50% 的客户是《财富》2000 强。另外 50% 是营收在 1 亿到 5 亿美元之间的中端市场公司。他们不只是要求一个基本的人员组织和 AI 工程，他们要求的是 AI 转型即服务。今天，公司有 75 人。这些员工中 90% 要么是工程师，要么是 AI 策略师，基本上可以理解为技术顾问。我认为这个论点已经被证明是对的，也就是 Tenex 薪酬最高的工程师和薪酬最低的工程师之间，赚钱能力存在非常大的离散度
5:20 Tenex。大概是 4 倍左右的差距。哦，不是 10 倍？不是 10 倍差距，对。那是梦想。对，没错。但这个论点的一切都被证明是对的。我确实认为，围绕我们按故事点付费的模式，有一些有趣的收获，这个模式存在我们早就知道会存在的局限，以及我们如何看待它向前发展。但总体而言，我认为人们对这种按产出付费模式的担忧，比如那些经典担忧是，故事点是主观的。人们要么会把故事点注水，要么就只是
5:55 交付一堆烂代码。比如勉强打个勾。没错。对。但实际上并没有真正完成工作。对，没错。我想说，这两个担忧根本就不是问题，因为我们的 AI 策略师。我认为我们的激励设计得与工程师完全相反，AI 策略师的激励是客户留存和增长。实际上，最大的挑战一直是如何为工程师那些不花在编码上的时间付酬，无论是架构设计、与客户会面。所以这就是我们不得不在薪酬模型里寻找细微差别的地方，
6:30 但它仍然很大程度上由产出驱动。有什么要补充的吗？有，关于这一点，我花了很多时间思考，因为如果我回想我在 Tenex 的任期，我一直在大量编码，大量编码，然后编码少了一点，现在我们差不多到了这样一个阶段：模型或多或少只要给对了上下文，就能把你带到解决方案的 90%。我确实认为这里有一些机会，去思考真正的价值在于坐下来和客户交流，听他们把脑子里所有东西都倒出来，然后把这些提供给模型
7:05 从而真正更接近解决方案。所以我想象，你知道，未来我们会开始更多地关注真正的产出是什么、它如何运作、它看起来怎样，而不是那种传统的故事点模型，但仍然以故事点作为锚定单位。我觉得还有一件事，我不知道我们之前有没有聊过，就是这种元框架（meta harness）的想法，也就是我们在 Tenex 使用的工程工作流，它让我们能够，我认为，在长时间运行的任务上做出真正有意义的工作。你想不想讲讲我们的流程是什么样的？因为我觉得人们会觉得那很有意思。好。所以我们基本上开始尝试标准化一套技能。
7:44 嗯，我觉得大多数工程组织到这个时候都做过类似的事情。嗯，对我们来说，这发展成了仓库内一套实际上非常有结构的文档，然后围绕它有一个 CLI，模型用它来实际驱动正在进行的工作，无论是创建计划、可视化，你知道，为客户创建一些汇报材料，实际上就是围绕真正写代码这件事，把流程的所有环节都构建出来，让它们更自动、更标准化地在整个团队发生。所以我们有几样东西，比如一个是这份大型的规范计划文档，它有一些类似的
8:20 结构，但我想说，随着模型变得更好，我们实际上减少了那里的结构强制要求。在所有这些方面都差不多类似。但一旦你有了计划，你实际上就要把它构建出来。我们有一种非常明确的方式，规定代理如何记录它们的决策、记录它们在做什么，并跟踪它们在忙什么。一切都提交到 Git。对。所有这些都提交了。所有这些现在对我来说真的更像是标记语言，更多是 HTML。我喜欢看这些代理生成的图画书。但所有这些都会被提交，然后它充当这样一个界面，不仅
8:55 你有代码作为来源，你知道，我认为有一个争论是，你甚至需要文档吗？代码实际上可以成为代码库的记忆。我确实认为你需要。你需要知道你为何做出某个决定。你需要知道围绕所进行对话的上下文。但最终，那加上代码库，如果有问题，如果有我们需要回答的事情，如果我们需要回顾我们为什么做了某件事，我们总是能在某种持久记录里找到。它从不在某人的脑子里。它总是在仓库里。所以这正好给我们的代理和工具这些超能力，让它们拥有我认为很多工程团队仍然只是放在
9:31 对话里或脑子里的全部上下文。我们的目标是继续推进这一点，让所有上下文都在一个地方，让越来越多的工作由代理驱动，而不是我们必须事先提供一切。对，太棒了。我们甚至衡量这些流程是否有效的一种方式是，我们是否看到公司每位工程师每月平均故事点呈上升趋势？对。你觉得是多少，比如说和今年开始时相比？我不知道。你觉得呢？你觉得……加 50？我觉得，这真的取决于情况，因为我们有些人……
10:09 我在 Twitter 上看到过一张图，一个人站在巫师球上方，天上飘着这些东西。当我们的工程师在指挥代理时，我就是这么想他们的。我真的要说，总体而言，今年尤其实现了 2 倍的增长。我认为，基本上，如果你把 12 月看作 Opus 4.5 时刻，那时模型真正开始承担这些长时间运行的任务，到今天我们又回到了 Opus，但是 Opus 5.5。我的意思是，那真是一个了不起的模型，能真正完成大量工作。在那段时间里，我看到工程师的实际产出，我想说，
10:44 大致翻了一倍，就他们现在在同样时间跨度内能完成的事情与过去相比而言。现在一个故事点还和一年前值一样多吗？我们一直在努力校准。这是个棘手的等式。是通胀还是通缩？我的意思是，理论上应该有通缩，对吧？对。对。我不知道。这大致就是我们思考的方式。我想说，至少每季度一次，我们会坐下来评估，比如，我们这些故事点的标准是什么？我们实际上是如何估算这些项目的？这里需要取得一个微妙的平衡，既要仍然奖励这种
11:19 产出，但随着模型变得更好，我们确实需要能够校准，比如，我们正在创造的价值。所以总体而言，我想说那 2 倍大致在我们做这些估算的方式中扮演了类似的角色，但如果我只看看人们现在正在构建和推出的一些功能与事情，对比去年这个时候，差异简直疯狂。所以我有几种方式可以谈这个，但我还是先看看模型偏好方面的情况，因为这始终是个话题。我想你就是让人们选择他们喜欢的任何工具，但也许你有一些统计数据
11:55 关于办公室里偏好什么。看起来 Opus 领先。你愿意估算一下市场份额之类的吗？现在的氛围是 Opus 5.5，我想。不用 Fable 吗？我不怎么用 Fable，而且我觉得现在很多人只是默认不用它了。Opus 太好了。它快，它便宜。它几乎命中了我所有的复选框。我想说，我以前有两到三个模型，取决于它们是便宜快速，还是真正聪明，还是能解决特定问题。而现在 Opus 大致覆盖了我的全部范围。
12:30 我想团队里很多人仍然会在我们需要做更多计算机使用领域的事情时，去用像 codecs 这样的工具。而真正在工作流方面，我认为两者都用仍然是最好的选择，无论你的主力是什么，我想对我们团队大多数人来说是 Opus 5.5。用 codex 来审查，并让它们实际上在你的机器上来回工作，我认为仍然能产生最好的结果。但现在我们在这两者上相当一致。你还在 AMP maxing 吗，还是不了？哦，我在 AMP maxing。所以你是通过 AMP 使用 Opus？所以是的，他们最近……
13:05 或者那是 AMP 的默认模型。对，他们最近推出了接入你的 Cloud Code 订阅的功能。所以这对我来说是个相当大的游戏规则改变者。因为那真的能把你的成本削减大约 80%。完全对。我的意思是，我喜欢 AMP，因为它把我电脑上的一切都拿走了。他们有这个云设置，那些球。我们上周实际上和他们共同举办了一场欢乐时光，所以见到团队并 orb out 很酷。那永远不会成为一件事。哦，对。我想让它成为一件事。这可能是历史上第一次有任何人这么说。
13:41 我们在 orbing out。我们当时在 orbing out。不，他们确实说这是 orbing time。对。但是，对，那是我首选的界面。而模型方面，如果我依赖 codex，那真的就在那之间。是 Sol6 one。你试过 CloudTag 吗？Anthropic 从未像 Orbs 那样抓住远程环境这件事，这不是很奇怪吗？对，我认为其中有一部分，我认为在 AMP 这边，他们非常有自己的主见，不试图构建这种通用解决方案。像云端的 CloudCode 和 CloudTag 这样的工具，我认为为那些
14:16 真正试图在非技术任务上协作的团队提供了价值。但我喜欢 AMP 的部分原因是它有所有这些跨模型功能，我可以做到。Opus 写它。我甚至可以跳到另一个 orb 说，看看那个 orb 并审查它。而所有这些事情仍然结合在一起，基本上复制了我在自己机器上做的事情。而我就是无法用云端的 Cloud Code、Cloud Tag 达到那个效果。对，对。说得对。我今年开始追踪的另一件事是，比如说，token 支出占员工支出的百分比。我不知道你有没有这个数字。大致上，大多数公司可能在，
14:53 我们称之为每位员工 10 到 200 美元的支出。更 AI 原生的公司会把它转换成百分比，所以大致是 10%。平均 AI 初创公司员工在员工支出和 token 支出方面大约是 1 倍，然后 token 支出可能上升到 5 到 10 倍。你们在这个范围内处于什么位置？我实际上手头没有具体数字。我想说我们大概在，如果说是原始 token，大约在 1 比 1 到也许 2 比 1 之间。
15:29 真的吗？那相当高。我们经常思考的是，什么时候该动用最大的模型。我想每家公司都开始思考这个问题了。但我得说，最近我们的成本因为 Opus 5.5 而大幅下降。我们曾经历过一个时期，好像所有人都在用 Astra 和 Fable，它们就是能给出最好的结果。但最终那些模型很贵。而且就像，你知道，自从我们上次交谈以来，很多人都有这种 token 最大化狂热、token 排行榜之类的。然后他们就说，哦，不不不不不。现在我们成本太高了。而这就好比，这是世界上最可预测的事情。你有没有为此担心过，还是说你只是获得了不错的 ROI
16:07 无论如何？这个，是的，我的意思是，我思考这件事有几种方式，比如我们肯定，我们肯定为此担心过，就像我们的人员规模在增长一样，而且我觉得，嗯，我认为即使我们的团队，我想说，我觉得我们团队里没有人真的信奉那种 token 最大化的时代精神，因为……我有过几个这样的时刻。是的，我也是。但这就好比，好吧，如果老板愿意为此付钱，那我就放开手脚干，对吧？因为那样你就会做那些奇怪的事情
16:42 以便之后能收缩回来，但你必须先做那些奇怪的事情，才能发现可以带走的经验教训。是的，完全同意。我的意思是，这听起来可能很疯狂，我也很好奇你的想法，但我之前和某人聊到围绕……基本上，我保证这跟话题相关。比如我之前和某人聊到数据公司，对吧？比如 Micro One、Mercore、Handshake。就是，这些业务的长期前景是什么样的，对吧？因为它们的收入有 90% 以上来自那些实验室。
17:17 而且这些创始人中有不少人会主张，他们认为情况会反转，未来几年会变成企业驱动的。然后我想到的是，如果企业要成为这些数据的核心买家，那你接下来必须相信的是，企业会在自己的模型上做大量微调。然后问题就变成，这在哪里才说得通？要么你认为质量会更好，但这又回到，前沿的标准只会不断上移。所以那是个很难下的赌注。那就必须是价格。价格这一点我觉得很难，因为就像我们看到的，这些模型的 token 成本在持续下降。
17:52 所以我想，我们内部之所以不担心，部分原因是感觉我们几乎已经达到了这个帕累托点，即按任务计算的成本在下降。那么今天，相比六到八个月前，某人想要 token 最大化并真的在成本上把公司搞垮，要难得多。我几乎觉得六到八个月前才是你会真正担心的时点。是的。你同意吗？是的。我认为未来可能有几种走向，比如如果存在一个世界
18:30 那里有 Astra 6.5、Fable 5.5，它们超级贵，但能取得最好的结果，我能看到我们可能又回到那个方向。但总的来说我同意，你知道，你看看像 Muse Wonder 这样的东西，他们昨天今天刚发布，它就处于前沿，而且便宜得要命，竞争在加剧，无论是开源还是闭源。我认为这只会继续推动成本下降。而当你真正审视时，很多有经济价值的任务用 Opus 5.5 就能完成。所以就是那个悬崖，比如，
19:08 一个聪明十倍的模型真的能证明为了在电子表格里移动几个单元格而付出那样的成本是合理的吗？大概不能。对。那么回到你们的客户以及你们从市场上看到的情况，你们收到的最常见的请求是什么？然后又有什么是人们来找你们，而你们觉得，不，我们其实还不想接这个活？是的。我思考这件事的一种方式是，我把企业采用 AI 看作几乎像一场竞赛中的不同里程碑。而且我觉得，尤其是在 AIE，当我告诉人们有多少比例的公司达到了这些里程碑时，他们都有点震惊。
19:45 但情况是这样的，好吧，企业 AI 竞赛的第一个里程碑就是向你的人员推广一个通用 LLM。我想说，在我们今天交谈的，你知道，就算 100 家企业吧，90% 已经向员工推广了 Claude 或 Codex。然后下一个里程碑是真正教人们如何使用它，比如培训和赋能，这从来没有得到它应得的重视，但可以说比技术本身更重要，或者同样重要。我想说这个大约在 60%。
20:21 哦，那相当不错。是的，是的。比如有那么一群公司，他们会说，我们的人自己会搞明白的。但还有相当大一部分会说，好吧，我们需要教我们的人什么是技能。我们需要教我们的人这些界面的功能和特性。然后在通用 LLM 内的培训和赋能之后，下一个就是编码智能体。而疯狂的是，比如我问了这里的一些人，你认为有多少比例的企业已经向公司内的工程产品组织推广了编码智能体？大多数人都说，那肯定得有 70% 或 80%。而数字更接近 50%。
20:57 就像我们接触的其他每一家企业一样，要么还没有部署编码智能体，要么他们正在使用的东西，与其说是有编码智能体，不如说是没有编码智能体。然后下一个，我认为也是最大的落差所在，也就是从原始智能到企业应用之间最大的扩散鸿沟，是非工程工作的智能体投入生产这一项，比例降到了大约 5%。这就像，我的意思是，你整天都在参与这些对话，但就像我们接触的大多数企业，这么说吧，员工超过一千人的企业，都没有一个投入生产、正在做工作的智能体
21:33 去做不是构建软件的工作。所以我认为有几件事。一是，因为就像，这整波浪潮是由一小群人理解这项技术能做什么、再加上更大一群人被 FOMO 驱动所共同推动的。顺便说一句，FOMO 并不坏。它创造了一些前进的动力，但这也意味着人们会抓住最符合当下时代精神的东西。我猜现在，过去一年半以来，人们一直在说这是智能体之年，或者不管说了多久。每年都是智能体之年。
22:08 就像企业会说，你能不能帮我们在组织内为某个后台任务构建一个智能体。这是最常见的事情之一。这也是为什么现在我们在 Tenex 做的很多工作，是把智能体部署到企业之外的生产环境中，为公司重复性的工作服务。第二是权限管理和 RBAC。基本上，当公司里每个员工都有 CLAWD 或者有 codecs，而他们需要访问某些数据时，这对 CIO 和 CISO 来说已经变成了一场绝对的噩梦。而且他们基本上没有一个好的网关来轻松地做，
22:46 几乎就像一个数据权限管理的控制面板。字面意义上就是你能读什么、你不能读什么。完全正确。而这是一个巨大的问题。所以这就像是我们花了很多时间去做的事情。那你们是为人们定制，还是直接买现成的东西？所以基本上我们一开始是为公司构建定制方案，现在我们实际上把它产品化了，我们有自己的网关解决方案。对，完全正确。还有什么其他想到的、比如我们从客户那里听到很多的事情吗？我觉得这已经涵盖了我们在比如特别是智能体部署方面听到的情况。我觉得总是会被发现的一个痛点，
23:22 我跟团队是这么说的，就是你无法自动化一个不存在的流程。所以当你有 40 个人都在大致做同样的职能，但每个人做事的方式都略有不同时，实际上要构建一个在后台主动做这件事的智能体要难得多。你完全可以坐下来和他们一起，给他们工具，带他们了解如何增强自己的工作流，但真正开始获得杠杆效应的时候，是你有了这些智能体，它们把工作呈现给你，你来审阅，你再把它扔回去，你就变得更像是这种，你知道，大家都在谈论的成为智能体
23:57 管理者，我认为我们正处在那个临界点上。但当你拉远来看，很多时候我们给公司的建议是，嘿，首先，我们需要在你公司内的这个组织周围建立一个流程。然后才是我们真正把这项工作交给后台智能体的步骤。但如果我们没有某种形式的标准化，智能体就不可能知道它做得对不对，我们也不可能围绕这个系统构建评估，并真正交付一个执行这项职能的智能体本应带来的价值。还有一件事我很好奇你的想法，我们就在这之前正好在聊
24:35 就是，呃，CJ 应该会同意我分享这个，就是我们当时在聊垂直领域特定的 AI 解决方案，以及这些解决方案的未来会是什么样，我们总体上表达了对不同职能或行业的垂直领域特定 AI 解决方案的看空态度。部分原因只是从我们的视角来看，整天泡在企业的内部运作里，有太多的细微差别、太多的惯性、太多需要你去应对的系统和需要你去应对的人。而且当垂直解决方案的买家
25:11 期待的是真正一对一的体验时，我们正处在一个人们期待一对一软件解决方案的时代。所以如果你期待的是这个，那难怪每家软件公司基本上都在组建一支 FDE 团队，因为当每家公司都想要所有这些传统上并不期待软件提供的细微差别时，服务与软件正在发生这种融合。所以我觉得思考这个真的很有意思，是的，比如垂直领域特定的解决方案。要么一，它们如何能够做到这一点
25:47 还能保持软件的利润率，如果每个人都期待一对一的解决方案？而且，我们为什么不应该预期前沿模型直接把它们吞掉呢。是的。所以给一些具体的例子，你说的是面向律师的 Harvey。对。面向医生的 Open evidence。这些是赢得自己领域的经典例子。而你看空它们？我会说总体上对它们看空。没错。哇。好吧，到目前为止你一直错了。对。而我认为答案非常简单，就是对数据的访问权，那是 ChatGPT 不会拥有的。
26:22 这非常常见。那就是护城河。显然，Anthropic 和 OpenAI 也在获取同样的数据源，但他们不会像这些人那样专注。他们确实有创新。如果你试过 Harvey，他们有 Tabular Review。Legora 也有。我们请过他们的 CTO 上播客，他们有可供性（affordances）、UI 等等，这些都是定制的，因为他们只服务这些客户。核心卖点基本上就是专注。专注、可供性，也许吧。你说的可供性是什么意思？在某种意义上，你关心客户的最后一公里，他们关心
26:57 他们在软件层面的最后一公里。只要人们在那套软件里接受训练，它就永远不会消失。就像作为一名银行家，或者，你知道，在我的金融职业生涯中，我总能从 NASDAQ、从纽约证券交易所获取完全相同的信息。但为什么我每年要花 5 万美元买 Bloomberg？嗯，就像这就是所有人、我所有同行都在做的事。而且它为我整合了一切，为我专门定制了一切。这样我就不会犯错之类的。或者它接入了我的交易系统、我的聊天系统，或者我的新闻系统。不，我觉得人们为 Bloomberg 付费是因为社交网络。我觉得人们喜欢 Bloomberg 里的私信。
27:33 有这个因素，有这个因素。但作为交易员，我知道我实际上用它来做什么。对对对。所以，我的意思是，我觉得有一堆集成和工具，而且我觉得归根结底很难对它们中的任何一个看空，主要是因为对软件的需求、对完成你工作的工具的需求就是巨大。其中一部分，是的，会由像 Claude 和 ChatGPT 这样的横向通用工具来满足，而另一部分，你就是会想要更好的东西。而且，你知道，我总会想到 Superhuman 作为邮件客户端的成功。每个人都有 Gmail，但这只是高级版 Gmail，为那些整天泡在邮件里的人提供更多东西。
28:09 而且，这就是一个市场。它也许不是世界上最大的初创公司，但我觉得理性的人可以对每样东西有多大存在分歧。是的，完全同意。我觉得没有分歧的是，整个市场会增长，水涨船高，所有船都会升高。然后到那时你谈的就只是百分比压力、市场份额。对对，我同意。完全同意。我觉得甚至，有些从零开始构建、融入 AI 的新应用之间存在区别。当我想到 Superhuman 时，我想到的就是这个。我喜欢 Superhuman。我甚至没有花很多时间在邮件上，但任何有……
28:44 不，你每月付 30 美元就是为了不用操心。任何有酷炫快捷键的东西，我都喜欢。是的。但当我想到那些真正把某种智能体作为产品、在某个特定垂直领域做工作的产品时，除非有某种非常战略性的合规数据之类的护城河，我觉得随着我们开始看到字面意义上的能力——要么快速搭建自己的，随着模型变好持续复利，要么那些任务开始落入
29:21 模型的一般能力范围——那些产品未来会很难。但任何围绕它构建了应用和工具的东西，就像我前面说的，改变了流程并在其上有一个智能体。我觉得这建立在同样的理念上，我觉得这仍然可以非常有帮助，那些会成功。是的。哦，好吧，好吧。所以关于这个有一个相关观点，也许没有你的那么辛辣，基本上不是说没人想用……人们可能不想用你构建的智能体。他们想用他们已经拥有的智能体，他们想把你的数据接入他们的智能体。所以每个人都掌握着你数据的某一部分，
29:58 他们就说，用我的智能体吧。请付我每月 20 美元。但你不能只是把这些每月 20 美元的订阅全都堆起来。归根结底，可能是一小批公司会拥有界面，然后每个人都接入那个整体智能体，我同意这一点。那么有趣的是，Salesforce 作为系统记录公司之一，是最大的或者最知名的，正在拥抱那条路，就像你们不会用我们的智能体。我们会直接提供 API 和 MCP，让你们接入自己的东西。是的，这挺酷的。好，所以我其实还想走一遍一个例子。
30:35 所以我刚发布了我 Kill My SaaS 竞赛的结果，我们在其中替换了一个中端 SaaS。我称它为中端，基本上是因为它可能没那么简单，但它不是 Salesforce。它处于中间某处。我觉得外面有很多中端 SaaS，人们总在谈论，比如软件的死亡，对吧？我们被报价每年 4 万美元。我们花了 1000 美元来替换它。它将在下一场会议上投入生产。所以我们就是那个客户，说，我想要一对一工具，我期待所有这些。我们正在为我们的业务构建一个领域特定或垂直特定的东西。而且，到目前为止进展还行。
31:10 告诉我哪里出了问题。另外，我很好奇那是多少个故事点。是的，嗯，CJ 可以估算一下故事点。我的意思是，我的总体观点是，我认为拆掉——我的总体观点是，你在商业中越往高端走，拆掉并从零构建的命题就越难。我同意你。就像部分原因是，当人们说，像一小群人说过，Salesforce 真的有风险。SAP 真的有风险。我完全不同意。在我看来，那些企业只是在这个时刻积累价值
31:48 随着时间的推移。它们之所以能积累价值，部分原因在于涉及的资金规模太大，如果一家公司拆掉它们时出了错，那可能是数亿甚至数十亿美元的代价。你自然会倾向于规避风险。没错，正是如此。我认为对于中端产品来说，关键其实在于机会的规模有多大，以及那是否真的会成为值得在公司内部重建的机会。我甚至在想，在一家企业里，假设有某个中端 SaaS，每年花费几百万美元。
32:23 我认为第一个问题是，从收入占比或成本占比的角度看，这件事是否真的能带来足够的影响，从而值得分配工程师或资源去做？我觉得这要视具体情况而定。对某些企业来说，答案可能是肯定的。对其他企业来说，答案可能是否定的。我认为更多的情况是，这件事会让公司超出自身能力范围。比如，你知道，我们聊过，我忘了是谁创建的那个仓库。基本上就是那个逆向工程的仓库。RIA。对，正是。现在大家都在谈论它。甚至在 Tenex，我们也从零构建了自己的 CRM。
33:05 我们构建了什么？我们的操作系统也是从零构建的。而且，我认为我们意识到的一件事，也是每家公司都会意识到的，就是软件的美妙之处不仅在于你从中获得的效用。还在于当它不属于你的核心业务时，你不必为维护和改进它而操心那些令人头疼的事。所以我认为归根结底在于，奖赏的规模是否足够大，足以证明从公司中投入一定资源来培育一个并非核心业务的东西所带来的认知负担是合理的？
33:41 显然，对于你的业务来说，每年大约 39,000 美元的差额，你实际上是在说这是值得的。这不仅仅是成本问题。那是防守。我也考虑到进攻的一面，比如，不，实际上我们的体验对每一个相关方来说都可以好得多。完全同意，完全同意。所以，是的，我认为那里的部分想法实际上就是，有一个显著的——基本上不仅仅是那个。所以这里面有两部分。一是，不仅仅是我们为一个产品支付了过高的费用，而是这个产品长期以来一直很平庸。是的。这个产品的 10 倍改进版会是什么样子？
34:17 是的，因为我们是客户，我们可以用分钟而不是月来迭代。完全同意。我认为，我实际上觉得有趣的是，我认为初创公司，甚至高增长的中型公司，都能以那种方式保持灵活。我认为对于企业来说，它们深深扎根于某种能力，很少会有那种情况，很少会说，哦，我们可以为我们使用的这个 SaaS 创造一个 10 倍改进版，然后我们可能会把它分拆成独立的东西之类的。我只是不认为企业是这样运作的。当然。是的，这已经被讨论过了。
34:52 实际上，我想说，你谈到自动化。更辛辣的问题是，它们是在自动化人类吗，对吧？一旦一切都自动化、一帆风顺，我们会取代那些工作吗？我不知道你能对此谈多少。是的，我的意思是，我认为这里有两部分。我深深相信，AI 会为人类带来好处。它会增强人们的工作。它绝对会改变和取代。但我认为这更多是一种运动，而不是简单地砍掉工作。我认为 A16Z 发过一些东西，关于
35:28 呼叫中心现在如何真正在衰退，AI 开始处理越来越多那样的工作。归根结底，如果那是你整个职业生涯建立起来的技能，有东西进来接管那个职能，那将是毁灭性的。话虽如此，当我们与客户谈论，嘿，一个智能体现在要做这项工作时，我们所做的一部分实际上是围绕重新分配。我不认为任何企业会声称，一旦我们解决了这个问题，这群人就没有什么可做、可尝试解决的了。所以我们的方法实际上是，我们能替换什么，然后接下来要看的最大的问题是什么？
36:05 而且我会论证，在大多数大公司里，这个循环某种程度上会永远持续下去。如果我想想我们是如何成长的，总会有下一个问题。无限的需求。总会有另一个问题，而实际上，把那些可能拥有超深领域专业知识的人从水下捞出来，让他们开始可能更多地跨团队工作，或者思考业务的部分，不那么停留在电子表格里销售的层面，而更多关注这些团队如何协同工作。归根结底，从长远来看，我认为这能留住大多数人
36:41 并让那些企业变得更加灵活，真正去解决那些重大而棘手的问题，而不是大多数人日常的苦差事。当你想到财务部门的人，他们大多在电子表格里，但我们如何提升他们，让他们从战略上思考业务、资金分配之类的事情。是的，我也觉得，当我们围绕工作取代或工作重新分配进行这些对话时，我们把它说成是发生在人们身上的事。我不喜欢这一点的原因之一是，我觉得这没有给予人们足够的认可
37:17 在自己的生活中拥有自主权，意思是，我认为……你可以调整。是的，人们真的应该思考。当我思考赋能或人们再培训时，我认为这是雇主的职责，因为他们想推动业务增长，但这也是员工的职责。而且我认为，当人们说 AI 将取代所有人们不喜欢做的工作时，我觉得这有点像是对现实的自我安慰，因为很多人将被淘汰出工作岗位，因为很多人没有喜欢或不喜欢一份工作的奢侈。他们做工作是为了赚钱。而且我认为，在可能的范围内，人们
37:53 应该有权对自己说，好吧，未来几年我的工作的稳定性或可替代性如何，如果我要尝试以更好地保护自己的方式提升技能，那会是什么样子，人们有权对自己说这些，并真正采取行动。是的，是的，是的。嗯，我认为这是一个值得人们反思的好信息。嗯，在让你们走之前，我想谈的最后一点就是纽约。嗯，你知道，呃，据一些人说，是世界上最伟大的城市，有些人……他们交谈的人中普遍的情绪是什么，无论是在工作中、个人生活中，那种感觉是什么，对吧？
38:28 我整天都住在旧金山。每个人整天都在用智能体。讨论的是 instincts 或 grok 或 muse。这不是你喜不喜欢 AI 的问题，对吧？而且我觉得我想暂时走出那个泡泡，但它仍然是纽约。它仍然是进步的。它仍然是前瞻的。是的。我的意思是，我想说的是，我觉得，基本上，我只想说纽约有一个泡泡，比旧金山存在的泡泡要小。如果旧金山是一个大泡泡，我认为我们在 Tenex 觉得，你知道，我们处在一个，我想说的是，旧金山的一个缩影
39:03 因为那些自我选择来公司工作的人。然后还有我们合作的公司，以及我们在纽约接触的人。但我肯定也会说，确实，这是一个比旧金山更小的宇宙，当你去旧金山时，它感觉无所不包，就像每个人，你看到的每个地方，有一个人，类似于 AIE，就像我之前说的，当我上台时，如果人们上 Twitter 或 X，因为他们觉得自己在 Edge City，他们生活在未来，AIE 就是那个的加强版。我觉得旧金山类似于 AIE。
39:40 我的意思是，这可能是 AIE 总体上和一生中某个时候住在旧金山的人的重叠，可能是一个非常大的重叠。我们现在大约占这座城市的 1%。真的吗？为了 World's Fair，是的。那太疯狂了。是的。但就像那样说，我只是认为它存在于旧金山文化和 DNA 中，那里有非常大的人口生活在未来。我认为你可以在纽约找到那群人。而且我认为我们在 Tenex 找到了那些人。我们目标的一部分是推动 AI 作为一个中心，或者纽约作为美国 AI 的中心
40:16 因为这里有如此多的商业，它将成为技术扩散实际上对这个国家的 GDP 产生如此有意义影响的地方。我认为现在泡泡更小了，我们几乎把它当作我们的责任来扩大我们的泡泡。也许我不知道是否可能达到旧金山的规模，但我确实认为我们可以对让更多人在这里生活在未来产生有意义的影响。有一个物理的，就像你在广告牌上看到的。它正在慢慢蔓延。哦，完全。人们过去，记得那个朋友活动，人们喜欢在上面喷各种涂鸦吗？我认为那有点像是有意的愤怒诱饵。但现在你有了不讽刺的 AI 广告牌，人们就像，我想
40:52 那现在是生活的一部分。百分之百。是的，所以我认为就像，我认为有机会带来那种边缘，就像，就像旧金山因为那里存在的经济气候而创造的未来生活本质，因为风险投资，因为科技公司，然后因为被吸引到那里的人。但我也认为我们就像，我们在一个，这很奇怪，我们在一个更小的 AI 池塘里，但我会说我们在一个同样大的池塘里，如果不是更大的池塘，为了
41:29 商业价值，所以实际上我的说法是，我在纽约做 AI 的原因是我把旧金山的所有人带到这里来见他们的客户，也得到一个现实检查。完全。而且我实际上认为那里有一个非常有趣的套利。是的。是的。是的，完全。好的，太棒了。招聘呼吁。我知道你们一直在招聘。是的。你们在招什么？什么变了？是的。我们在 Tenex 招聘前沿部署工程师。只需去 tenex.co。我们也一直在招聘 AI 策略师，他们基本上是领导客户参与的技术顾问。团队在纽约市有 75 人。我们继续让纽
42:07 约市成为我们的家。然后如果你是一个企业，正在寻求真正实现 AI 原生，你已经尝试过，但不起作用，联系我们。我保证我们会做得比，不打算点名，但许多其他传统咨询公司更好。哦，辛辣。CJ？是的，我的意思是，我同意所有这些。我特别在寻找工程师。什么是特殊项目？那是什么？特殊项目涉及我们客户工作之外的任何事情。所以我现在想到我的大脑。它是在内部构建那个元框架和系统，基本上它是
42:45 比如找到模型能力的最前沿，并给它们提供工具来增强它们能做到的程度。然后也在内部开发 Alex 提到的那个平台。那里的重大目标是，把这些后台智能体扩散出去，并真正把它们交付给企业，以一种对它们真正、真正有帮助的方式。是的。并且解决我们之前提到的许多那种棘手的 IT 问题。老兄，当你有了一些解决方案时，我们在 Latent Space 博客上接受客座文章。我很乐意欢迎一些知识分享。但除此之外，非常感谢你的时间。
43:20 很高兴在纽约再次见到你。是的，同样。很感激。一年一次，一年一次。太棒了。谢谢。