OutSystems CEO Woodson 谈 AI 时代企业软件如何永不崩溃
点播放，字幕跟着声音走
Subtitles follow the audio
逐句文字稿
点任意一句，从那里开始听
正在加载字幕…
-
大家好，欢迎回到《认知革命》。
-
今天，我的嘉宾是 Woodson Martin，他是 OutSystems 的 CEO。OutSystems 是一家开创性的企业软件开发平台，自 2001 年成立以来，帮助许多全球最大的公司构建和运行复杂的、关键任务的应用，而现在，它专注于帮助这些同样的巨头构建，
-
编排和治理智能体系统。
-
Woodson 在 2025 年接替了 OutSystems 传奇的创始 CEO Paolo Rosato。
-
所以，我们首先从他关于 AI 时代领导层过渡的思考开始，包括他如何评估公司的 AI 准备情况，以及公司在新领导人身上寻求什么。
-
然后，我们讨论在当今世界，什么让一个软件平台达到企业级标准，
-
Woodson 强调了多年来建立的人类信任的重要性，以及设计良好的软件抽象在让编码代理加速开发过程的同时，仍然兑现公司“软件永不崩溃”的核心承诺方面所发挥的关键作用。
-
对于 OutSystems 的客户来说，包括巴西国有能源公司 Petrobras、全球最大的移动运营商之一 Vodafone，以及全球最大的汽车制造商 Toyota，等等等等，
-
这种新范式使得加速产品路线图成为可能，以至于其中一些客户实际上开始清理以前不断增长的发展积压。
-
Woodson 说，他们的客户今天发布的大部分内容仍然是传统的、确定性的应用，并不真正需要前沿 AI。
-
但在 OutSystems 内部，他们从第四季度的 4 个主要功能发布增加到第一季度的 19 个，第二季度的 26 个。
-
与此同时，他们正在通过重大举措迅速将自己的业务智能体化，包括一个面向客户的应用开发助手，他们称之为 Mentor，一个内部 AI 基础设施投资，构建了一个新的 harness 和一个自定义网关，
-
这使他们能够将代币支出从 6 月和 7 月的峰值降低到如今低于他们的预测，还有一个新的智能体铸造厂，他们用它来建议为客户构建新的智能体系统并预测相关的 ROI。
-
在最后，我们听取 Woodson 对软件行业未来的战略分析，包括随着平台扩展到服务于许多相邻利基市场，竞争将如何形成，以及当每个人开始做所有事情时，公司应该如何差异化自己，
-
以及为什么他非常看好 AI 化的初级人才。
-
从外部来看，人们经常说，尽管 AI 能做很多了不起的事情，但我们仍然没有看到对生产力或全球 GDP 增长的可衡量的影响。
-
但我认为你会同意，在听取了 Woodson 从一家服务于许多世界上最重要的、往往保守的公司的平台的掌舵人的角度发表的观点后，变革确实正在顺利进行。
-
就这样，希望你们喜欢我与 OutSystems CEO Woodson Martin 的对话。
-
Woodson Martin，OutSystems 的 CEO。
-
欢迎来到《认知革命》。谢谢，Nathan。激动人心的时刻。很高兴来到这里。
-
是啊，老天，现在搞 AI 这行，真是一刻都不消停。
-
我想先问你一个有点社会学意味的问题，因为我做功课的时候了解到，你是从一位传奇的创始 CEO 手里接过 OutSystems 的，他领导这家公司已经 24 年了。
-
这让我忍不住想，在一家软件公司经历领导层交接，尤其是在你这个位置上接手一家软件公司，或者作为一家公司正在找新领导人，这真是个耐人寻味的时期，这种事从来都暗藏风险。
-
但在 AI 时代，还多了一整个别的维度：比如，这家公司在它的旅程中到底走到哪儿了？
-
这位领导者在愿景方面处在什么位置，或者说，谁真正懂这件事，谁又不懂？
-
所以我很想听听你们当时是怎么想的，又是怎么彼此了解，最后确定在迈入 AI 时代时双方会合拍。
-
好啊，太好了。
-
我就从 Paolo Rosado 说起吧，也就是我们刚才聊到的这位。Paolo 是个狠角色。
-
他在 2001 年带着一个非常大胆的愿景创办了 OutSystems，而这个愿景一直延续到今天。
-
这个愿景就是：定制企业软件，而且人们会在 OutSystems 这个平台上构建极其复杂的系统，比如定制 ERP、终端管理系统、为再保险公司做全球财务合并。
-
但当时那些项目，那些定制软件项目，总是晚好几年，严重超预算，特别不可预测，而且做出来的软件非常僵化，你想改一下，又得再上一个巨大的项目。
-
Paolo 当时就觉得，这太疯狂了，肯定有更好的办法。
-
他的愿景很简单：更快地构建，每次都要可靠，让软件跟上业务的节奏持续演进，同时不能把任何东西搞坏。
-
而这仍然是 OutSystems 今天的核心。
-
当然，现在我们用 AI 来构建所有这些，大部分活儿都是智能体在做，对吧？
-
但结果就是，企业级 AI 每次都能正常工作，而且一直都能正常工作。
-
所以，他最初的愿景有多持久，他打下的平台基础有多扎实，这真的挺让人惊叹的。
-
大概就是这一点，在我 16 个月前加入 OutSystems 时，让我感到兴奋和受启发，那就是真正理解到公司打造的那些平台原语有多强大，它们能让相对
-
不太熟练的技术用户、开发者，去构建非常复杂的企业系统，快速修改这些系统而不弄坏东西。
-
这在当时是革命性的，但现在反而更需要了，对吧？
-
当 AI 能替我们把这些东西全都做出来的时候，我们构建的速度、我们管理的东西的庞大体量，就让这个“永远不坏”的特性变得更重要了。
-
所以这就是 OutSystems 作为一门生意、作为一个机会，让我感到受启发的地方。
-
然后就是去见客户。
-
比如大家对平台的热情，因为这让那么多人、那么多公司能做以前做不到的事，大家就是很爱这个产品。
-
而你总是希望自己处在这样一种局面：你的客户和你的用户都热爱这项技术。
-
所以这对我来说也是其中很重要的一部分。
-
然后就是看到，公司还没解决的一些问题，正好是我知道该怎么做的。
-
你知道，我是在 Salesforce 干了 18 年之后来到这里的。
-
我在那家公司做过很多不同的工作，从负责欧洲的市场营销，到做核心销售平台的产品管理，还一度管过公司的人力资源。
-
通过这些经历，我学到了大量关于把业务做大的东西。
-
我当时就想，我觉得我知道我们在这里可以做的很多事情，来真正开足马力、把这东西做大，所以这特别让人兴奋。
-
挺让人触动的是，听你描述最初的愿景时，我心想，这一切听起来都和我们现在所处的 AI 时代非常一致，只不过可能还多了那个“永远不坏”，对吧？
-
因为我们所有人，我可以说，至少我们大多数人都生活在一个 AI 替我们做大量事情的世界里，产出的数量已经猛增了。
-
我也很想听听一些指标，看看这在 OutSystems 到底是什么样。
-
但与此同时，我们也看到东西经常会坏。
-
在我们现在所处的 vibe coding 时代，你们是怎么设法保住“永远不坏”这个价值的？
-
是啊，在把 AI 用于软件开发这件事上，我们这里的做法和今天市场上大多数东西相当不一样。
-
这是因为 OutSystems 平台里有一个中间层，它把你用 AI 构建的应用的意图抽象出来。
-
你可以用 Cloud Code，可以用我们内置的 AI 助手 Mentor，可以用 Codex 来构建，你也可以带上任何你喜欢的编程代理。
-
它们不是在我们平台里直接操作代码，而是去操作这个关于你需要什么的抽象模型，然后你按下一个按钮，就能确定性地完成，或者你让 Cloud 去做这件事，
-
你就能以确定性的方式生成代码，最终产出一个能满足你所有安全性、基于角色的访问控制要求的资产，
-
所有这些都在平台层面内置好了，所以每一个在 OutSystems 上创建的代码资产都会 100% 遵守这些要求。
-
而且顺便说一句，它还会自动复用你已经做好的东西。
-
于是我用 AI 来构建，打开 Cloud，然后我说，嘿，直接给我写个应用。
-
基本上，它会把所有东西都从头开始做。
-
而在一家复杂的企业里，我已经有了经过加固的系统，能满足我根据自身业务类型所需的 GDPR 或 HIPAA 合规要求，我不希望这些东西总被重新发明一遍、再走一遍合规流程，而是拿来已经管用的东西，
-
在它上面加上我想要的能力，然后把它推到生产环境，而且我知道它第一次就能全部正常运行。
-
所以这真的算是 OutSystems 里的秘方。
-
当你在 OutSystems 上构建一个新系统时，每一个生成的代码资产里，其实都在继承你企业控制平面的每一部分，如果你愿意这么说的话。
-
而这和人们今天用来构建 AI 技术的几乎任何其他框架都截然不同。
-
是啊，总的来说，我经常看到这种模式：拥有非常成熟基础构件的在位者已经入场，一开始你会听到那种说法，哦，这些初创公司可能会以 AI 原生的方式杀进来，赢下市场，
-
但大多数时候，似乎拥有这些非常成熟的基础构件，会让你更容易在上面加一层 AI，从而把它们发挥到极致，并按你的意愿随意重新配置、重新混搭。
-
这些基础非常重要。
-
而且，要构建出像 OutSystems 这样、能在企业级规模上运作的那些基础构件，真的非常难。
-
而且不只是这样，软件是一回事，另一回事是信任。
-
比如说，如果你是一家在欧洲某地运营的受监管企业，有几百个监管机构盯着你的东西，你和各种客户、商业伙伴都有合同义务，你还有隐私
-
担忧，放眼望去到处都是。
-
你对任何系统的信任，都不只是对其底层基础的纯粹技术评估，对吧，实际上它是——
-
那个平台上交付像你所需的那类系统的完整历史，你知道的，而且外面还有很多其他平台，你可以去问它们的可信度如何、哪些行得通、哪些不行，等等。
-
所以，你随着时间积累起来的、在受监管行业里为这类加固系统建立的那种信任声誉，正是初创公司非常难获得的东西，不管你的技术有多酷。
-
对，这真的挺有意思的。
-
而且这也许能回答我本来想接着问你的另一个问题。
-
在今天这个世界，做到“企业级就绪”到底意味着什么？
-
当然，现在人人都这么说，老牌厂商和初创公司都一样。
-
但我以前以为，它指的是高正常运行时间、可靠性之类的。
-
可现在看看外面的世界，我发现那些增长最快的公司，比如你说的 Anthropic 和 OpenAI，按任何传统标准来看，其实正常运行时间都不算特别好，对吧？
-
所以看起来，他们证明了：如果你有那种独门秘方，这么说吧，企业对这些过去仿佛神圣不可侵犯的要求，其实可能比过去显得更宽容一些。你怎么看？
-
那你觉得，今天要做到企业级就绪，真正需要的是什么？
-
是啊，好，这里面涉及的东西很多，而且并不简单。
-
现实是，每家企业都稍微有点不一样，他们需要的东西不一样，而且不同工作负载需要的东西也不总是相同。
-
所以当然，在很多受监管的企业里，人们已经有 AI 助手在干活了。
-
今天还没有多少受监管企业会放手让自主智能体去跑关键任务。
-
而这其中有一部分是行业成熟度的问题。
-
对，像 SRAS 这些东西，你知道，系统的可靠性，模型是不是一直在、能不能响应，正常运行时间，等等。
-
但在大多数这类组织里，远不止这些。
-
而且，你知道，我有些客户已经走得很深了。
-
顺便说一句，我觉得很多技术提供商也是这样，他们的客户已经在一个自己搭建、设计并测试过、而且特别兴奋的智能体系统上走了很远，结果今天却卡在合规积压里，
-
在他们组织里的某个地方，等着批准是否可以在底层为那项工作使用某个特定的 AI 模型。
-
而挡路的障碍包括，比如说，我们需要搞清楚，用来训练那个模型的所有数据，是不是由训练那个模型的人或实体合法获得的。
-
很多这类组织都有一套要求，而这些要求让把一项工作负载托付给自主智能体变得极其困难。
-
有些情况就是，它做的事不过是从 PDF 文档里读数据，然后把它变成结构化数据，可即便如此，还是有这种合规顾虑拖慢进度。
-
所以我觉得，企业级就绪意味着很多东西，对吧？
-
是的，当然，这意味着系统得在你需要它的时候能正常工作。
-
但它也意味着，它们得满足一整套相当广泛的要求，而这些是非功能性要求，你知道，不只是我们按下按钮或说出指令时它能不能做那件事，
-
而是它能不能帮我们满足所有监管要求、合同要求等等。
-
所以，说到今天市场里的企业级就绪到底意味着什么，这里面涉及的东西可多了。
-
而且其中很大一部分并没有因为 AI 而改变。对，有些确实变了。
-
整个模型溯源这个问题，算是相对比较新的一个，但很多其他东西并不是新的。
-
比如，我怎么才能确切知道，为了把这东西弄进生产环境，在横跨六个系统的复杂工作流里，每一条个人身份信息到底是怎么被管理的？
-
而这很大一部分就是治理介入的地方，很多是以安全模型的形式介入的。
-
那么，我怎么确保模型执行的时候，只能访问适合它访问的数据？
-
它不会消耗不该消耗的东西，而这些都是一个平台为了迎接企业级 AI 所需要具备的核心基础能力。
-
说到这些已经搭建好、却卡在你说的这种合规积压里的应用，你可以随意拆开来分析，把回答分成几部分，
-
但你觉得，这只是审慎的风险管理，还是说，归根结底，这是领导层的失误——没有为了推动那场我觉得大家都多少同意已经不可避免、现在就该启动的转型，去加快其中一些事情的进度？
-
这肯定两者都有一点。
-
大型企业里，组织内部的僵化过程是真实存在的，组织为了往前走得去挑战并打破它，呃，但很多顾虑也确实是实打实的。
-
呃，呃，在很多地方，监管限制是很大的。
-
责任风险很大，声誉风险也很高。
-
所以这当中有很多都是审慎的决策。
-
而现实是，组织在不同业务板块、针对不同类型的工作流，承担着不同的风险。比如说，管理公司员工的 IT 资源分配，我会承担某一个级别的风险。
-
银行需要这个，保险公司需要这个，对吧？
-
各类受监管的企业都需要这种东西。
-
在那个环节承担的风险，可能比贷款审批流程还要大。在贷款审批里，他们做出的决定是可能被监管机构质疑的，所以他们得能证明，对吧，
-
在流程的每一步，决定是什么、是怎么做出来的，因为整个过程都得经得起审计。
-
所以他们得确保自己手里有需要的东西，万一哪天为自己做的某个决定辩护，能拿得出来。
-
所以我觉得这里面既有适当的审慎，也有单纯是历史遗留的保守。
-
在大模型公司提供的赔偿保障这方面，你看到了什么？
-
这对大家来说有实际影响吗？
-
那保险在其中一些事情上扮演的角色呢？
-
我之前做过一期节目，请的是一家叫 AIUC 的公司，是做 AI 承保的。
-
他们在制定标准，还想撬动保险市场，希望能给这件事加点润滑？你看到这种情况了吗？
-
我跟几个在这个领域做事的企业家聊过，基本上就是 AI 智能体保险这类产品。
-
但在我们的客户身上，在他们用我们平台管理的工作负载里，我们其实还没看到这类东西被采纳。
-
所以我觉得这是个非常有意思的想法。
-
我确实觉得这有可能成为一个突破口。
-
但对很多这类组织来说，这也是又一个没被验证过的东西，而且还得再成熟一些，那些经常在我们平台上运营的受监管行业才会愿意跟着跳进来。
-
嘿，我们稍后继续采访，先听一段赞助商的话。
-
今天的节目由 Parallel 赞助，在那里，智能体找到答案。
-
现在大多数工程师都会密切关注新模型的发布，但对自家智能体最重要的工具却没怎么上心。那就是网络搜索。
-
如果你跟我一样，你的智能体每天往往要做几百次搜索。
-
虽然单位成本很小，但时间一长，确实会慢慢累积起来。
-
在开始用 Parallel 之前，我算过，我今年的智能体搜索账单大概会达到 500 美元。
-
好消息是，我刚让我的智能体做了一次系统性测试，结果发现，Parallel 的 Fast 模式每千次查询只要 1 美元，效果和我之前默认用的服务商一样好。
-
换成它之后，我今后的搜索账单大概能省下 80%。
-
Parallel 的基础设施是企业级的，他们的 API 套件提供了一系列帕累托最优选择，让你能根据自己的需求，在质量、成本和速度之间找到合适的平衡。
-
所以，无论你是在构建需要 200 毫秒延迟的语音智能体，还是需要深度研究的长周期智能体，把 Parallel 加进你的智能体工具箱，都是不用犹豫的选择。
-
现在就到 parallel.ai 斜杠 tcr 免费开始使用。
-
也就是 parallel.ai 斜杠 tcr。
-
今天的节目由 Anthropic 赞助。
-
到现在，你们应该都知道我的故事了。
-
Claude 起草我的开场文章，我来重写。
-
不是因为草稿不好，而是这样我才能为自己发表的每一样东西负责。
-
不过，我有一个重要更新。
-
Claude Fable 5 是第一个让我重新思考这条规则的模型。
-
如今我觉得，共同创作，而不是独自拥有，往往才应该是目标。
-
在模型表现出色的地方，改写它的成果，与其说是出于诚信，不如说更多是出于虚荣或错位的责任感。
-
这一点我在写歌的时候感受最深。
-
我不是作词人，但很擅长把握歌曲概念，而 Fable 能写出非常精彩的主歌。
-
它哪里没写好，我会给它反馈，还会推着它追求更高的灵感、增加意义层次、优化音节密度，最重要的是，写出一首爆款歌。
-
现在，我们一起写的几乎每一首歌，我都会收到夸奖。
-
Claude 就是为解决问题的人而生的 AI。
-
它是那种能理解你整个工作流程的协作者，跟你一起思考，而不是替你思考。
-
不管你是半夜在调代码、搭财务模型，还是在琢磨下一步商业策略，Claude 都能延伸你的思考，帮你解决真正重要的问题。
-
如果你有值得解决的问题，就去 Claude.ai 斜杠 TCR 开始用 Claude 吧。
-
也就是 Claude.ai 斜杠 TCR。
-
也去看看 Claude Pro，它包含今天节目里提到的所有功能的使用权限。
-
再说一遍，就是 Claude.ai 斜杠 TCR。
-
现在大家面临的一个显然巨大的风险，就是网络攻击的风险。
-
你们是怎么应对这个问题的？
-
显然，你们有一个可以追溯到很多年前的代码库。
-
你们是不是——现在很多人在说，我们得把所有东西都迁到 Rust。
-
我们得从头重写，必须做到内存安全，必须拥有所有这些特性。
-
否则我们就太没有防护了。
-
那你们打算在这方面投入多少？
-
我们在那方面投入很大。
-
而且很显然，我们在考虑两件事。
-
比如我们有自己的平台、自己的基础设施、自己的业务运营，这些地方我们都在考虑这件事。
-
但我们还有成千上万个客户在我们平台上构建的系统。
-
我们也会考虑那个领域里的风险。
-
而在这两种情况下，我们首先考虑的都是快速修复，对吧？
-
就像网络威胁的速度在加快，每个人需要能够应对它的节奏也在加快。
-
我们得能应对，能给我们自己的系统打补丁。
-
我们还需要客户也能应对，能给他们自己的系统打补丁。
-
咱们来描绘两个世界。
-
先描绘这样一个世界：你有一个集中的应用组合，运行在一个有大量共享基础组件的平台上。
-
在这种情形下，快速修复就是比另一种情形容易得多——另一种是你有几百个AI构建的系统，各自跑在自己的框架和技术栈上，用着各种开源组件等等。
-
然后你会想：好吧，现在出了一个漏洞。
-
我甚至都不知道它在哪儿，更别说怎么修复了。
-
所以，跟那种“嘿，AI像狂野西部一样什么都自己造”的方式比，平台化路线就是有天然的好处。
-
所以这就是一个例子，说明我们会考虑像我们这样的平台，在帮客户快速修复方面能带来什么好处。
-
架构良好的系统，加上大量复用公共组件，意味着任何修复只要在一个地方做一次，就能在很多地方产生广泛效果。
-
所以这是我们考虑这件事时会想到的一点。
-
我们在提升自己的水平吗？当然。
-
我们在增加资源吗？
-
我们是不是把世界上最强大的AI引进来，试着对我们自己的东西做渗透测试？
-
我们是不是也在鼓励客户做同样的事？
-
我们是不是在我们自己的平台里，把很多测试、构建流程，还有测试和部署流程都自动化了，让客户不用在这方面操那么多心？
-
是的，所有这些对我们来说都是重要的投入，因为我们在考虑一个风险越来越高的网络环境。
-
你觉得这会不会成为软件行业的一种永久性税收，让那些前沿公司可以永远收下去，因为他们不断制造新的网络风险，而只有他们能帮你解决？
-
还是你觉得另一种可能是，我们把所有漏洞都补上，然后，呃，大概18个月左右吧，就皆大欢喜了？
-
安全和网络威胁这件事，是永远没有终点的，对吧？
-
就像技术不断演进、在各方面都变得更强，网络攻击也会变得更强，而且今天世界上到处都是遗留技术。
-
所以在大型企业里，我们有很多客户到现在还有 60 年历史的 COBOL 系统，在角落里的 AS 400、Lotus Notes 上跑着，所有这些都还在。
-
而且这类系统太多了，所以觉得某一天我们会进入一种停滞状态，一切都完美、你知道，安全，我觉得这就是白日做梦。
-
所以不，我不认为会有那么一天，会到什么都没有的地步。
-
那么，那些既在推动能发现漏洞、能渗透入侵的技术，又会从把这些模型用于防护中受益的模型公司，是不是也会获利，对吧？
-
还有白帽那一套，当然了，显然这今天带来了大量 token 消耗，之后大概也会继续，很难想象不会。对，那你的 token 花费情况怎么样，在你愿意分享的范围内？
-
最近几个月它是怎么变化的？你又是怎么想这件事的？
-
我经常问别人，你的 token 花费和工资支出的比例是多少，这也算是一种大致衡量它的方式。
-
我会说，你知道，也许我可以说的一点是，对我们来说大概在六月、七月达到峰值，之后一直在回落，而部分原因是我们学到了很多，坦白说，也是因为把注意力集中在了这件事上。
-
就像去年这个时候，我们唯一的重点就是，嘿，把所有东西都转向 AI，什么都用模型。
-
而这带来了巨大的、一大堆的学习。
-
首先，我们学到了非常多。
-
其次，光是在能力交付方面，速度就大幅提升。
-
所以你想，软件工程是我们很大一部分工作，就是交付软件产品。
-
我想我们去年第四季度发布了四个主要功能，今年第一季度 19 个，第二季度 26 个。
-
所以就像我们迎来了一次巨大的激增，而且这些都不是小事，这些都是重大的新能力，这是那种 AI 投入带来的急剧加速。
-
我们在 token 消耗上看到了这一点，但为了带来的影响，这是值得的。所以那很好。
-
但我们学到的一件事是，其实我们当时在做的大部分事情，用一套更好的外围框架，也能做得一样好，而且便宜很多。
-
我们为自己的工程组织搭了一个，对吧，它当然装满了我们自己的各种上下文，而且是针对我们优化的。
-
我们搭了一个网关，对吧，一个 大语言模型 路由器，所以我们当时想，不是所有那些任务都得走，当时来说，管它是什么，Opus 4A 还是别的，我们可以把特定任务重新路由到成本更低的模型上。
-
所以其实我们已经看到，我们今天烧的比我们第三季度预测的还要少，很大程度上是因为我们做到的这些优化。
-
所以我认为，今天大多数组织面临的现实是，他们的企业工作负载并不需要前沿模型，几乎没有任何企业工作负载需要。
-
而且我考虑的是企业真正的运营，而不是非得去创造一个新的软件资产。
-
而那些工作负载里的大部分活儿，用三年前的模型就能做。
-
你看，今天 AI 能真正带来突破的大多数企业工作负载，其实都特别无聊。
-
而且很多那些东西，用确定性代码来做，比用模型做还要便宜，甚至根本用不着模型。
-
或者第二点，可以用成本更低的模型来做，要么是因为你用开放权重模型，要么是因为你只是用了某个基础模型的早期版本。
-
而这，我觉得，对我们来说是一个关键的领悟。
-
我们在自己的工作里也看到了这一点。
-
当然，我们在客户那里也看到了这一点。
-
所以这就是为什么，把你的工作流、把你的智能体系统，搭在一个能让你特别轻松地切换模型的平台上，这很重要，这样你就能用上现有最好的东西——也许是因为某个模型能力提升了，也许只是因为换个模型能更便宜。
-
而且我认为，我们毫无疑问会看到，大多数企业工作负载的每 token 成本，要比今天最前沿中的最前沿所提供的低得多。
-
而在最前沿那边，大家都在降价，对吧？
-
我觉得这就是这里正在发生的另一件事。
-
所以会有很多变化。
-
我觉得今年上半年我们并不在一条可持续的轨道上，对吧？
-
就像所有人，每个 CFO，在二月和三月都收到了 token 账单。
-
而这显然对全世界来说都是一个“这下可来真的了”的时刻。
-
于是所有人都开始做管控，不管那具体是什么。
-
设上限，按人均来限制 token 支出，装一个路由器，让任务能被路由到成本更低的东西上去，或者干脆完全从那种“什么都要 AI 优先、哪儿都 AI 优先”的策略上退回来。
-
我们在一些公司身上看到了这一点。
-
我们也看到了一些关于这方面的大动作、大公告。
-
我觉得像微软、Meta、Uber，所有这些公司，大概会觉得，也许我们走得太远太快了，但我觉得你还是可以回到那个真正把 AI 用到极致的状态，只是你得用聪明的方式去做，对吧？这就是为什么你需要平台来帮你做到这一点，而这
-
正是我们的系统在为我们的客户做的事情。
-
那我们就稍微深入聊一聊这个。
-
我特别想知道，你会怎么给客户建议，你们自己的模型组合是什么样的，你觉得他们的模型组合又该是什么样的。我猜开发者在写代码的时候，还是会第一时间就升级到 Opus 5.5，不过也未必。
-
然后我确实能理解，如果你是要把 PDF 转成结构化数据，那显然可以用更便宜的方式来做。
-
你会不会建议，甚至对其中一些场景直接上微调，好在按成本折算之后真正把性能调到最佳？
-
那中国模型呢？
-
你怎么看大家的反应？我个人并不觉得有那么可怕，但把“中国智能”放进自己业务里，有时候确实会让人觉得挺吓人的。
-
是啊，中国模型这个问题，我不确定我有什么独到的见解。
-
我想说的是，我们确实有一些客户完全不介意走这条路，要么自己跑这些模型的版本，要么做蒸馏或者后训练、微调，这种情况肯定在发生，而且通常都是出于成本上的考虑。
-
不过我也得说，我们的业务是非常全球化的，对吧？
-
我一半的客户在欧洲，在亚洲也有大量客户，而世界不同地方对这个问题的心态差别非常大，对吧？
-
不是每个人都特别乐意把自己的东西托付给美国公司。
-
而且你走到世界上很多地方的时候。
-
所以我们在客户基于我们平台搭建的智能体系统里，确实看到了模型使用上极大的多样性。
-
我们自己也做了大量的调优。
-
所以你想想，我们今天提供一项服务，让你在我们平台上构建你的应用，在我们平台上构建你的智能体系统。
-
我们有一项服务，叫 Mentor，就是专门做这个的。
-
Mentor 会为你这样的用户提供它自己的智能体体验，你可以来到我们的网站，使用我们的 IDE，也可以直接在那里使用我们的 Mentor，
-
但你也可以通过 MCP 服务来操作它，用你选择的任何编码智能体或运行框架。
-
所以当然，我们做的是在后端挑选并微调了一堆模型，来让这些构建型工作负载在我们平台上跑得又有效又高效。
-
所以当你在这些 MCP 服务之上使用一个前沿模型，甚至是一个更老的模型时，
-
你就能享受到幕后一大堆优化带来的好处，你的运行框架或者它的模型需要干的活也轻得多，就能在我们平台上给你想要的结果。
-
所以坦白说，围绕技术栈各个层面的优化，这里有很多答案都在起作用。
-
而且我觉得我们为客户做的一件事，就是把这一切都简化。
-
我们会说，我们已经把优化这件苦活做完了，因此能交付你需要的东西：用 AI 快速构建、维护和管理复杂系统。
-
我们让这件事变得简单、便宜，同时也让你信得过。
-
我们正在简化那个世界。
-
所以这是 OutSystems 平台价值主张的很大一部分。
-
嘿，广告之后我们马上继续采访。
-
本期 Cognitive Revolution 由领先的智能体系统平台 OutSystems 赞助。
-
OutSystems 正在帮客户构建、现代化改造和运营企业系统，而且可以从任何编码工具起步，放在一个有治理的智能体工程模式里。
-
有了 OutSystems，你可以在自己的企业生态里协调和治理你整个智能体队伍。
-
用经过行业验证的智能体解决方案加速产生成效，这些方案是预构建的、受治理的，而且能按你的业务定制。
-
是时候以 AI 的速度去创新，同时不牺牲质量或控制了，这就是为什么全球成千上万家企业把他们的关键任务应用托付给 OutSystems。
-
任何规模的团队都能用 OutSystems 快速、划算地构建、部署和管理 AI 应用和智能体，同时不牺牲可靠性和安全性。
-
用 OutSystems，你可以让想法从概念到完成一路加速。
-
它是领先的智能体系统平台，统一、敏捷，而且经过企业级验证，让你能构建自己的智能体未来，把 AI 解决方案深度集成到你的架构里。这就是 OutSystems。
-
你的智能体未来，尽在这里。
-
想了解更多，请访问 outsystems.com 斜杠 TCR。
-
也就是 outsystems.com 斜杠 TCR。
-
《The Cognitive Revolution》由 Tasklet 为你呈现并提供支持。
-
我运行 Tasklet 智能体已经快一年了，它们已经成了这个节目制作过程中很重要的一部分。
-
每次录制之前，会有一个智能体去研究嘉宾，然后给我发来一份建议的问题大纲，还附上所有来源的链接。
-
与此同时，另一个智能体会对公关公司发来的、多到吓人的推介进行评分。
-
而这其实就是 Tasklet 背后的核心想法。
-
用智能体来经营你的业务，办法就是持续给它们安排真正的工作去做。
-
设置起来非常简单。
-
只要用大白话把工作描述出来就行。
-
比如调研一个新的销售线索、更新 CRM，再起草一封个性化的回复。
-
Tasklet 能连接你的业务工具，可以按计划全天候运行，也可以在有新邮件到达这类事情发生时触发。
-
每个智能体都会结合你的工具和业务背景来工作，还能在不同对话线程之间记住有用的信息。
-
你还可以把智能体、连接和可复用的技能分享给团队，这样一个人摸索出来的工作流程，就能变成全公司都能用的东西。
-
不需要开发人员。
-
哪些事智能体能自己做、哪些事需要你批准，都由你来决定。
-
而且没有按席位收的费用。
-
你是按使用量付费，而不是加一个人就多付一份钱。
-
先从一个重复性的任务开始，比如研究你要见的人。
-
然后就从那儿继续往下搭。
-
去 tasklet.ai，用优惠码 CogRev，拿 50 美元免费额度。
-
也就是 tasklet.ai 上的优惠码 CogRev。
-
关于怎么平衡，你学到了什么？我自己确实去网站用了 Mentor，所以对那种体验有点感觉。
-
一方面，这个平台好像就是设计来支持任何东西，或者几乎任何东西的，对吧？你有客户想连接各种各样的数据源，什么的，对吧，我敢说这根本没完没了，但另一方面，你又有这个
-
安全约束和承诺，而且看起来，这会是相当大的挑战：要让随便什么用户都能构建任何东西，同时还要确保他们在平台上构建的东西达到他们公司最终客户期望你
-
去维护的标准。
-
那你怎么把握这个平衡？
-
是啊，嗯，对我们来说，这种平衡不是什么新问题。
-
这 25 年来，OutSystems 的故事一直就是这样。
-
所以，你怎么让一个相对没那么专业的技术人员，可能没有计算机科学学位，不太懂软件架构，不是数据库专家，也不太深入了解开源库，诸如此类的——
-
然后你说，你怎么让那个人构建能支撑一家银行运转的关键任务系统？
-
所以这个问题，就是我们这 25 年来一直在解决的那类问题。
-
而现在我们做的，就是提供同样的工具，也就是过去你通过可视化编辑器才能用到的那些工具。
-
嘿，让我在屏幕上把这些东西拖来拖去，然后说一句，给我需要的加个字段。
-
现在，当然，这一切都是和 AI 的对话。
-
但在底层，它用的是同样的基础构件，最后交付出来的是经过加固的资产。
-
而这需要很多功夫，对吧？
-
就像你得在底层搭出一个非常精密的模型，能服务几乎无穷无尽的各种使用场景。
-
所以你要是到处走走，如果你在亚洲几乎任何一个地方有个银行账户，那你用来查余额、付账单的那个 App，很有可能就是跑在 OutSystems 上的，对吧？
-
大量的前端、移动 App、面向消费者的体验，都建在这个平台上。
-
如果你是一艘油轮，驶进鹿特丹港，在码头把几百万升石油卸进储罐，再转到卡车、火车和其他船上，把东西运
-
往欧洲各地，给经济供能。
-
支撑这一切的系统，就是建在 OutSystems 上的。
-
里面有一套极其复杂的逻辑，确保你在码头这个泵里打柴油的时候，不会把它打进一根上一次装的是煤油的管道里，对吧？
-
还有所有的质量控制，以及管理清洗、冲洗这些管道流程的整套系统，确保一切运转下来，不会把价值实打实几百万、几百万欧元的产品给糟蹋了。
-
这些东西全都跑在 OutSystems 上。
-
所以，极其多样的复杂后端，加上精密的前端，在单一平台上管理这么多五花八门的能力。是啊，这活儿量太大了。
-
这就是为什么花了 25 年才做成。
-
也正是因此，我们有信心，我们打下的这些基础能服务所有这些用例，服务所有这些监管极严的环境，让我们任何行业的客户都更容易——说实话，不管受不受监管——
-
信任这个平台，这样他们就能在体验层快速迭代——如果你愿意这么说的话——去构建各种各样永远能用、而且永远能协同工作的新东西。这就是我们的理念。
-
我在 AdSystems 网站上注意到的，或者说可能是你的一篇文章里，有人说 AdSystems 的客户预算有限、积压的需求单子特别长。
-
现在这种情况有变化吗？
-
现在大家都快得多了，那积压的活儿真的在变少吗？
-
是啊，情况在变。
-
这一块发生的事太多了。
-
我觉得对我来说最兴奋的事，大概就是那些大家一直不敢往待办清单上放的项目，比如那些老掉牙的遗留系统，Cobalt、S-400、Lotus Notes 之类的。
-
它们终于要迎来自己的出头之日了，因为现在有了 AI，在这样一个非常复杂的过程的每个阶段，AI 都能操作并加速工作——顺便说一句，光是搞懂这些老遗留系统到底在干什么，
-
再把它们转化成现代化的新需求，我们把过去费时费力的活儿，变成由智能体来完成的工作。
-
然后是新技术的生产，测试、上线，所有这些现在都能靠 AI 大幅加速。
-
所以我们看到客户开始推进现代化改造，比如保险公司开始对用了六十年的老旧案件管理系统做现代化改造，还说：我们终于准备好上这个项目了，不再把它规划成一个六年的大工程。
-
我们现在要在六个月内做完，这相对于过去待办清单上的东西来说是个巨大的变化。还有另一件事正在发生，那就是，当然，就像我们以前得把东西放进某人的待办清单里，大多数企业里很常见的情况就是：嘿，我得做个仪表盘来跟踪
-
这个新东西，然后我会找人要这个仪表盘，它就会被排进某个待办清单，再让某个人来做。现在，在大多数组织里，你很可能直接就说：嘿 Claude，拿这个电子表格，给我做个仪表盘，然后砰，对吧？你自己就搞定了。
-
有太多事情都变成自助式的了。
-
现在，很多公司都发现一件事：好吧，有了这么多自助式的东西，我们现在正在失去标准化，失去集成，接下来得去清理一下这些东西。
-
但好消息是，很多体验已经被摸索清楚了。人们真正需要什么？嗯，他们自己已经把它做出来了。
-
他们一直跟 Claude 聊，直到把它做出来。
-
所以现在我们就可以说，好吧，现在我要怎么确保把这些东西的后端连接起来，让它们使用我们共同的数据定义，使用我们基于规则的访问控制的共同标准？坦率地说，正是在这里，像 OutSystems 这样的平台在处理时带来了巨大的不同。
-
一种跟几个月前看起来都非常不一样的待办积压。
-
那么，这一切又怎么转化成公司的成功和经济增长呢？
-
到现在还说计算机整体上、我们到处都能看到 AI，已经有点老生常谈了，但 GDP 增长数据呢，对吧？
-
你觉得你的客户是不是正在接近一个临界点，很快就要开始看到可衡量的更快增长了？如果没有，为什么没有？对。
-
我觉得这真的很看具体客户，一家一个样。我这儿就有一些客户。
-
我想到一个叫 Kevin Hearn 的人，他在一家叫 Access Bank 的银行负责软件工程。他们总部在圣地亚哥。
-
他们是一家完全数字化的银行。
-
他们做这件事已经很久了。
-
他们自己在生产力方面正看到巨大的提升。
-
而这正是最初的目标，对吧？
-
比如大幅加速为银行交付新能力，这样他们就能在数字化格局里更好地争夺存款、客户和贷款业务。
-
我觉得他们遥遥领先。
-
我会让他们自己来讲这带来的财务业绩，但他们有一个相当令人兴奋的故事。
-
我想我们还见过其他类似的例子，比如这家叫 Yesco 的公司。
-
我不知道你有没有去过拉斯维加斯。
-
欢迎来到拉斯维加斯标志牌。
-
他们在世界各地建造并运营这类标志牌，而且他们大幅提升了生产力，这让他们很兴奋，因为这意味着他们能用现有资源抓住比以往更多的新商机。
-
我得让你去跟他们聊这带来的财务业绩，但他们讲了一个乐观的故事，而能帮助推动这件事对我们来说很令人兴奋。
-
潜力很大。
-
大家都看得到。
-
在一个组织里，生产力进步要转化成损益结果需要一段时间。
-
而且，你知道，我的行业里也是这样。
-
任何行业都是这样。
-
所有事情都不是一夜之间就能发生的。
-
但是，我觉得人们做的投资并不是所有都能得到回报，对吧？
-
这里面有很多实验，因为很多东西都是新的。
-
但我认为大家都相当确信潜力很高，随着我们学会如何大规模地做这些 AI 工作负载，我们会看到回报的。
-
我觉得这就是，这就是那个前景。
-
而现在，是的，我们的工作就是去帮助实现它。
-
那么当 OutSystems 真的去实现它的时候，你觉得这种生产力提升带来的节省，有多少会传递给客户？就像很多时候，第一反应是，我们的生产力不能再高了，我们的利润率更高了，
-
显然，理论上竞争应该会约束高利润率。
-
你觉得在这件事上我们现在到哪一步了？你认为最终在转型之后，利润率会跟以前一样，大家只是花同样的钱得到多得多的东西，还是你觉得行业结构会变，也就是谁会拿到哪些价值会变？
-
我觉得这会非常不一样，取决于行业。
-
我觉得行业有很多。
-
我想到制造业，离散制造就是一个例子，在这类业务里，很大一部分成本都压在实物材料上，而影响业务利润率结构的因素，可能跟关税政策的关系要密切得多，而不是
-
跟 AI 的关系。
-
这只是其中一个极端的例子。
-
我再拿另一个我们都爱聊的例子来说，就是咨询行业，对吧？
-
在这个行业里，我觉得我们基本上就是在跟信息打交道，所以在那种情况下，我认为 AI 能承担更多工作、产生更大影响的空间要大得多，而且我觉得它会产生影响，既影响这类工作会有多少需求，也影响
-
交付这些工作时的利润率结构。
-
所以我确实觉得，不同行业的情况会非常不一样，没有一个统一答案。
-
我还觉得，同一个行业内部也会有很大差异。
-
有些组织行动很快，积极投入，不断尝试。
-
有些则往后一坐，说，嗯，我们先看看，等等再说。
-
而且我确实觉得，这会影响谁先到那里，谁会在利润率上获益，但也会影响谁能在市场份额上获益。
-
从而最终谁会赢？
-
当我试用 Mentor 的时候，也就是你描述的带有 builder 体验的那个产品，有几件事让我印象深刻。
-
其中一点就是，而且我很想听听你的看法，非常早期就激进地做实验，价值到底在哪里？
-
因为对我来说，反复出现的一件事就是，我拼命努力、埋头苦干、费尽力气，终于让某个东西跑通了，然后到了下一代模型，或者肯定到两代模型之后，
-
它就突然变得很容易了，对吧？
-
所以哪怕是构建像 Mentor 这样的东西。
-
两代以前，想让它跑起来、让它勉强可靠，等等等等，可能还挺难的。现在你可以直接上
-
5.5 或者 Astra 跑一跑，大概用你现在十分之一、甚至更少的时间，就能做出非常类似的东西。
-
从战略上想，各个组织应该做什么的时候，你怎么把原地打转、只是在折腾那些很快会变简单的事情，跟该等待区分开？
-
你怎么知道哪些事是你真想早点攻的，哪些事上稍微有点耐心其实可能才是美德？
-
嗯。好，这个问题问得好。这里面可以聊的很多。
-
当然，Mentor 的构建一直是个大工程，对吧？绝对是。
-
我们 2018 年就开始做这件事了，那时我还没加入公司，显然当时的技术状况……
-
当时全是机器学习。
-
还没有生成式 AI。
-
问题就是，你怎么在软件开发生命周期的每个阶段都用上 AI，或者机器学习那套 AI，来加快速度、提高质量，以及诸如此类的东西。
-
当然，这个项目在那段时间里演进了非常多，到了现在，你知道，
-
Mentor 现在其实是一组 MCP 服务，可以在任何地方调用，用来可靠地构建软件，而且始终满足你所有的非功能性需求，帮你守住合规目标以及所有这些。
-
所以这真的是一个巨大的转变，我们底下用的模型一直在变，因为我们会像前面聊的那样为成本做优化；而大多数客户今天仍然面对的问题，说实话，跟以前相比并没有戏剧性的变化，但能力更强了，人们可以更快地做更多事。
-
但真正的问题是，我到底该构建什么，才能真正解决我业务里的问题，抓住我业务里的机会？
-
就是，该做什么仍然是最难的问题，对吧？
-
所以我该花多少精力去玩一玩、做实验、试一试？
-
我会说，这些精力里很大一部分，可能都该放到：我在哪儿能获得最大的投入产出比？
-
我该往哪儿使劲，哪个业务流程适合我把它改造成智能体化的东西？
-
这一点我们跟现有客户是吃了苦头才学到的。
-
我们现在手里有成千上万个应用组成的组合。
-
所以我们做的是，我们开发了一个 AI，它会告诉客户：基于他们已经在我们的平台上运行的那些资产，他们该在上面搭一个什么样的智能体系统。
-
而且我们刚刚推出了一项全新的能力。
-
它现在在我们客户成功团队的手里，它就是一个智能体，直接告诉你该建什么，还能从节省时间的角度帮你预测 ROI。
-
我们会用你构建的那些应用里的所有遥测数据。
-
我们理解你在做的事情的结构。
-
我们能看到数据是怎么流经这些应用的。
-
我们会基于这些来推理，然后说：嘿，你也许可以考虑在这里放一个智能体，把这个手动工作变成自动化的工作。
-
而且顺便说一句，按下这个按钮就能把它构建出来，让 AI 真的去建一个 V1 版本，然后你当然可以把它走一遍你的开发、测试、验证流程，亲自试试看。
-
所以，解决“该做什么”这个问题，对大多数想要走到那一步、实现业务智能体化转型的组织来说，本身就是这个挑战中非常大的一块。非常有意思。
-
关于 Mentor，我还有一个大问题：你觉得软件用户体验的未来会是什么样？
-
Mentor 的那种体验，就是现在越来越常见的那种 AI 侧边栏，多少把传统应用包了起来，对吧？
-
你过去通过拖拽来做的事，现在它可以通过工具调用来完成，而且现在这两种方式你都有。
-
但然后你还有这种 MCP 范式：我完全坐在另一个软件里，或者我甚至出去散个步，直接用语音模式那样跟我的智能体聊这件事，然后——
-
这些工具也许甚至从来不会像在核心平台上那样被可视化出来。那说到“滑到冰球将要去的地方”，你的预判是什么？
-
你想在哪些方面提前一步，走到这些趋势前面？
-
是啊，好问题。
-
我个人还是觉得，一年之后，我手机上会有超过 100 个应用，对吧？
-
就像我确实觉得，我们想做的各种事情，它们的用户体验并不都适合做成对话式的——我们主要想的是，到底是用语音模式、文字，还是别的什么。
-
现在，我也不知道它会怎么演变。
-
我确实觉得，很有可能，今天我们所熟知的大量软件，会被拆成一个个小组件，直接出现在对话流里，对吧？
-
所以，比如说我会想到 Google Maps 这个问题。
-
Google Maps 是我手机上最有用的东西之一。
-
我每天都用它，不管是查个能订披萨的地方，还是我开车去某个目的地时让它导航，或者我在一个不太熟的外国城市里走路时让它给我指路。
-
所以我会想，好吧，Google Maps 什么时候会直接变成我跟 AI 对话的一部分？好吧，这可能会马上发生。
-
比如，我可以直接说，ChatGPT，告诉我从这儿到那儿该怎么走，一步一步来。
-
但我还是想知道，我周围的世界到底长什么样？它是怎么个布局？
-
我在路上会经过什么？
-
而且我觉得，对话式的体验在那种场景下并不会特别合适。
-
这算是你在这里提出的整个挑战的一个缩影，但也是一个例子，说明我觉得有些地方还是会不一样。
-
而且我觉得，原因可能有很多，可能是出于隐私，也可能是出于合规，
-
也可能是纯粹出于用户偏好和体验，所以我们未来还是会看到各种各样的软件交互范式。
-
现在，我也能接受这样一种想法：今天我们拥有的那些庞大的一体化大块头，比如我登录的一个带 AD 功能的门户，未来可能会以非常不同的方式，被拆成一小块一小块，正好在我做别的工作、需要它们的时候出现。
-
而且你知道，这会很值得关注，也会很有意思，看看你们会怎么发展。
-
我觉得，我们在六月的用户大会上，展示了一个相当有说服力的演示：我们的一家银行客户，让一个消费者在和 Claude 聊房屋翻修的过程中发起了贷款申请。
-
嘿，咱们来琢磨琢磨这个新炉子，还有这些杂七杂八的东西。
-
然后，天哪，这得花不少钱。我可能得弄点钱。
-
你知道吗，你已经预先获批了一笔三万的贷款？
-
你想现在就发起这个申请吗？
-
然后从 Claude 里的对话，一路无缝衔接到银行的手机应用，同一个智能体在背后同时支撑着这两种场景，
-
无缝地把对话延续下去，并且识别出贷款申请流程通常需要哪些资料——而因为你已经是这家银行的客户，这些资料他们早就有了，
-
他们不需要再问你要银行对账单，而是让这类申请在后台一路直通处理，那里有智能体在干活，或者在流程的每个阶段给参与其中的人类提建议，同时为消费者简化整个体验。
-
这挺有意思的，对吧？
-
你知道，很多工作量会直接转移到智能体体验里，可以这么说，但在这个情况下，那里仍然还有一些软件资产，
-
也就是一个移动应用，因为有一系列合规、隐私和监管要求，它必须存在。
-
那这些东西会随着时间改变和演进吗？
-
所以那就不需要了，我也不知道，我们走着瞧吧。
-
我觉得对我来说，有意思的问题并不是所有东西会怎么变得千篇一律，而是现在，既然 AI 和像 OutSystems 这样的平台去掉了这么多打造出色体验时典型的传统限制，创作者的想象力会创造出什么。
-
“所有东西都变得一样”这个说法，再加上你之前提到你们最近发布了多少个重大功能、增长得有多快，让我开始思考竞争的未来。
-
我确实感觉，现在每个人都更有底气去追这些邻近领域了。
-
而且他们追的邻近领域越多，就会有越多新的邻近领域可供追逐。
-
所以我确实看到这种趋同：所有平台都在长成同一种超级横向、一站式提供你所需一切的那种产品。
-
我想知道你是不是也看到了这一点，如果你也觉得这是它未来的方向，那在这种环境里，一家公司要怎么才能赢？
-
是啊，是啊，我是说，当然。
-
咱们把话说清楚，如果你在旧金山开上 101 号高速公路，看到所有广告牌，上面写的都是完全一样的五个词，就好像只是 logo 不同而已。
-
而且可以肯定，我觉得整个行业都在这个世道里苦苦挣扎，想凝练出差异化的信息。你知道为什么吗？
-
你看，一部分原因就是这片“千篇一律”的汪洋，对吧？
-
就像今天有那么多不同维度的体验，都能通过对话式体验来交付。
-
这算是一个因素。
-
现在的问题变成了，那场对话背后到底是什么。
-
那背后是哪些系统？
-
那背后的数据是什么？
-
那些东西在背后是怎么互动的，才能通过这样的体验，给我更多我想要的东西。
-
然后，你知道，你很快就会想，好吧，行，太好了。
-
我需要一个智能体平台。
-
我需要一个 AI 构建器。
-
我需要跟很多东西做集成，对吧？
-
就像要真正做到那个问题所要求的东西，其实就是一些基础模块，对吧？
-
而眼下，很多平台都在涌入这个领域，说，好吧，那我们就用这些东西把它填满。
-
那未来我们要怎么做出差异化呢？
-
我觉得这会真的，归根结底，会是专精化，对吧？
-
会有一套所有人都需要的通用基础模块。
-
然后就是，你到底在哪方面特别擅长？你优化的目标是什么？
-
而这种优化的一部分会落在调优、蒸馏、模型专用性，以及为此做优化的相关成本结构这些领域。
-
我觉得其中一部分会是，你知道，针对行业和工作流的特定优化，我觉得这是一部分。
-
而且，你知道，围绕这一点会形成一种集中，让你摆脱纯粹的横向模式，也就是每个人都拥有同样的东西，因为大家都有同样的基础构件，因为你需要这些基础构件，但你必须在上面叠加专精化。
-
所以对我们来说，这里面很大一部分是在受监管行业，我们在那些行业已经解决了大量这类问题，而且能把我们的解法运用到这个平台上。
-
就像那 37 个功能，它们不在那个基础清单上，但你要真正跨过构建或部署第一个东西的门槛，就需要它们。
-
所以我觉得，在我们这个领域，这会是很重要的一部分，而且我们在银行、保险、政府、医疗健康、交通、物流、能源和公用事业这些行业里，已经积累了多年打造出来的专精能力，而这些都是大型受监管行业，
-
而所有这些今天都是我们现有客户群的核心，我们的团队在这些领域拥有大量专业能力和理解，也能快速帮助各组织实现流程现代化。
-
所以我觉得，眼下我们的差异化方式就是那种专精化。我们正身处其中。
-
我们现在到了这个地步，每个人都在说，对，我们什么都有了。
-
而且我觉得我们都在快速意识到，那只会让所有人困惑。
-
大家都觉得，哦，什么都一样。
-
所以我觉得，作为一个行业，我们在这方面确实有工作要做，得拿出真本事来。
-
你们的招聘方式有什么变化？
-
你会给现在刚进入职场的人什么建议？我觉得他们最近接收到很多信号，对自己就业前景感到紧张，对 AI 有些怨恨，因为他们觉得 AI 在跟他们竞争。
-
你在 AdSystems 是怎么做的？你会如何把这转化成更广泛的建议？
-
是啊，我特别看好年轻人才，那些过去五年基本上就是伴随着所有这些新技术长大的人，他们能把这些带到组织里，我们的客户、合作伙伴、我们自己的组织，
-
真正推动加速创新。
-
他们显然需要学习很多关于所有这些行业核心业务流程的知识，才能有价值，但我认为他们通常带来新鲜的视角和态度，以及 AI 优先、可以说是被 AI 彻底浸润的那种做事方式。所以我看好他们。
-
我觉得现在的组织还没有建好基础设施来做好另一部分，也就是真正把这些人才引入行业，让他们掌握必要的专业知识，从而尽可能有效地运用那些技能。
-
我是说，我们的招聘方式在发生什么变化？
-
我们肯定在倾向于 FDE 模式，思考如何更直接地帮助客户去构想工作，对吧？
-
很大一部分就是，比如设计，我们要在哪里投入才能带来显著影响？
-
我们把这看作我们招的人，我们也考虑我们招的智能体。
-
所以今天我谈到的关于我们的 agent foundry 的工作，它会进去检查你的架构，然后说，这里有个选项，这里有可以变成 agentic 的机会，这是我们正在做的另一件事。
-
所以我们现在对每一项需要完成的新工作，思考方式非常不同，那项工作该由人来做吗？
-
那项工作该由智能体来做，还是由人机混合的团队来做？
-
以及我们如何围绕这种新的工作交付模式来构建一切？
-
然后我们还在思考每一位我们招聘的员工的旅程，以及如何大幅加速我们通常所说的入职培训。你知道，几十年来，大多数企业的入职培训就像是，嘿，这是新员工头几天或一周要做的事情，
-
然后还有后续培训，让你学所有这些内容。我们现在要把这一切转变成一种更有智能体参与、更实时、更即时的方式，在你真正能用上、从而把它内化的时候，把需要的知识给到你。
-
所以很多围绕人的做法正在快速演变，而这些也是我们自己正在做的投入，我们也当然鼓励客户去思考，在他们的企业里该怎么做，以及这些东西怎么适配进去。
-
在我让你回去继续工作之前，你还有什么想留给大家的话吗？
-
好啊，那今天请大家关注在拉斯维加斯举行的 OutSystems World Tour，我们会在那里展示很多这些了不起的技术。
-
也就是 OutSystems 智能体体验方面的最新进展，它能极大地帮助组织加速为其业务交付值得信赖的 AI 系统。
-
Woodson Martin，感谢你参与《The Cognitive Revolution》。谢谢，Nathan。
-
如果
-
你觉得这个节目有价值，我们会很感激你能花点时间分享给朋友、发到网上、在 Apple Podcasts 或 Spotify 上写个评价，或者干脆在 YouTube 上给我们留个评论。
-
当然，我们一直欢迎你的反馈、嘉宾和话题建议，以及赞助咨询，可以通过我们的网站 cognitiverevolution.ai，或者在你常用的社交网络上给我发私信。
-
《The Cognitive Revolution》是 Turpentine Network 的一部分，这是一个播客网络，现在又隶属于 A16Z。在那里，专家们会聊技术、商业、经济、地缘政治、文化等等。
-
我们由 AI Podcasting 制作。
-
如果你需要播客制作方面的帮助，从你停止录音那一刻，到你的听众开始收听那一刻，所有环节都能帮上忙，那就去看看他们，也可以到 AIPodcast.ing 看我的推荐。
-
也感谢每一位收听的人，感谢你们参与《The Cognitive Revolution》。