--- layout: post.njk source: https://blog.qiaomu.ai/automation-is-a-lie speaker: 向阳乔木 title: CEO上个月在 AI 上花了 1.3 万美元，然后说「自动化是个谎言」 · 乔木博客 date: '2026-08-04' summary: 文章探讨了在AI时代，自动化并非意味着工作消失，而是将简单、重复性的部分自动化后，反而需要更多人类专家来处理更复杂的问题。核心观点是，AI的能力存在于设定的框架内，而设定框架的人（framer）和判断结果的人（Human Sandwich）才是价值的集中点。真正的价值在于设定新的框架和保持对不确定性的耐受力，而非单纯的工具使用。 area: society-thinking category: philosophy-wisdom tags: - ai-automation - human-sandwich - framing-concept - knowledge-work - uncertainty-tolerance people: - Dan Shipper companies_orgs: - Every products_models: - Codex - Claude Code - Fin - OpenClaw media_books: [] draft: true status: evergreen --- CEO上个月在 AI 上花了 1.3 万美元，然后说「自动化是个谎言」 · 乔木博客 乔木博客 全部 AI工具 AI教程 AI生成 AI资讯 健脑房 播客解读 论文学习 # CEO上个月在 AI 上花了 1.3 万美元，然后说「自动化是个谎言」 播客解读 · 2026年8月4日 · 665 次阅读 · 约 11 分钟 © 2026 · 向阳乔木 Dan Shipper 上个月的 Codex 账单是 13,000 美元，他的 COO 给了他一个白眼。 但他不打算减少用量。 Every 的 Slack 里现在有 20 个 agent 和 20 个人类，一起工作。 代码、写作、客服、邮件、研究备忘录，能用 AI 处理的流程全部交给了 agent。 27 个全职员工，每人有 AI 订阅，技术岗是 200 美元一个月的 Max 计划，超出的 token 费用公司全包，就像报销笔记本电脑和医疗保险一样。 但 Dan 在采访里说了一句话：「自动化是个谎言。」 不是他们的自动化没跑起来，是跑起来之后，人反而更忙了。 ## 从 4 个人到 30 个人，同期把所有能自动化的都自动化了 Every 从 GPT-3 时代就开始用 AI，那是 2020 年，当时公司只有 4 个人。 六年之后，他们有 30 个人，还在招。 2025 年营收 300 万美元，同比增长 3 倍。 他们做了一份 8000 字的报告《After Automation》，试图解释为什么会这样。 结论只有一句话：越自动化，需要的人类专家越多。 听起来有点反直觉？下面解释下。 AI 是在人类历史上所有的代码、文章、设计、决策记录上训练出来的，它把昨天所有人积累的专业能力，以极低的成本提供给今天每一个人。 任何人现在都能用一个 prompt 做出五年前需要专业团队才能做出的东西。 但当所有人都能做出「还不错」的东西时，反而让真正能把东西做好、做出差异的人变得更稀缺、更值钱。 Every 的客服数据可以印证。 他们用 Fin 这个 agent 处理支持对话，在某一周的 202 个对话里，Fin 关闭了 40.1%。 但剩下那 60%，需要更有经验的人来处理，而且处理难度更高。 自动化没有消灭客服工作，它把简单的部分过滤掉了，留下来的全是硬骨头。 工程团队也一样。 Every 的工程师现在不写代码，全部交给 Codex 和 Claude Code。 但 agent 生成的代码需要有人判断对不对、合不合适、要不要改方向。 Dan 说：「每次你自动化一件事，为了确保自动化运作正常，你都需要一个人在上面盯着。在任何真实的使用场景里，总有一个人离它很近，确保它在正常工作。」 2026 年 5 月，OpenClaw 生成了 44,469 个 PR，而 Kubernetes 在整个 2022 年只有 5,200 个 PR。 agent 的产出量已经是人类的数倍，但每一个 PR 背后，都需要有人判断它是否值得合并。 产出爆炸，评判工作也跟着爆炸。 ## frame 和 framer：AI 能做的和人必须做的，是两件不同的事 Dan 在《After Automation》里提出了一个核心区分。 所有 AI 的能力，都是在某个框架（frame）内展示的。 你给它一个问题，它在这个问题的边界内工作。 GPT-5.5 在高级工程师基准测试上能拿 62 分，人类是 80 到 90 分。 但这个分数是在人类已经定义好的问题框架里测出来的，框架本身包含了大量的专家判断，在模型开始工作之前就已经嵌入进去了。 设定框架的人（framer）和框架本身不是同一件事。 模型可以在框架内越来越强，但框架是谁设的、这个框架是否切中今天真正的问题，这件事模型做不了。 因为框架要求你活在当下，接触到那些无法被训练数据捕捉的东西：这个客户今天的具体情绪，这个代码库此刻的实际状态，这个市场这周刚刚发生的变化。 Dan 把人在这个过程里的位置叫做「Human Sandwich」（人类三明治）：人在上游设定框架，AI 在中间执行，人在下游判断结果并决定下一步。 价值集中在两端，中间那层正在变成商品。 即使到了 AGI，这个模式也不会消失。 因为每一次 AI 把某个框架内的能力商品化，人类就会把目标移到更高一层，设定新的框架，然后 AI 再去追。 这不是一个会到达终点的过程，是一个持续向上的螺旋。 ## 他们的 think week 在读什么 Every 每年有两次 think week，全公司停止发布、停止上线，只做一件事：玩。 今年一月的 think week，Dan 让所有人读了《The Writing Life》的最后一章。 这本书是 Annie Dillard 写的，她本人觉得这本书是垃圾，除了最后一章。 最后一章讲的是特技飞行员 Dave Rahm。 Dillard 描述他在空中飞行时，观众会忘记时间，忘记过去和未来，只剩下当下那一刻。 Rahm 在驾驶舱里承受着极端的重力和头痛，但他创造的东西，他自己根本看不见。 Dan 给整个公司读这一章，是因为他认为这个故事说清楚了一件事： 技艺（skill）和艺术（art）之间有一道缝隙。技艺是可以被训练、被复制、被商品化的那部分。艺术是那个当下的、活的、无法被完全显式化的部分。 AI 能学会技艺，但艺术要求你在场。 ## 他自己怎么用 AI Dan 上个月花了 13,000 美元在 Codex 上，主要是让它处理邮件：读收件箱、查日历、提议会议时间、起草回复。 他还给自己做了一个食物追踪 app。 每次吃饭拍一张照片，或者对着手机说一段话，Codex 自动读取照片和语音备注，提取营养成分，记录到日志里，同步血糖数据和睡眠数据。 另一个是他在读海德格尔《存在与时间》时给自己做的伴读 app，翻到哪一页，打开 app 就能看到这一页的通俗解释，还能听相关讲座。 他说：「这种事以前要去读研究生才能做到，现在不用了。」 但他同时保留了一部「家用手机」，一台旧 iPhone，没有工作通知，没有人知道这个号码，只有 Spotify 和 Claude 的免费版。每次回到家，他把工作手机放在充电器上，拿起家用手机。 他发现，用着所有 Max 计划叠加在一起的工作手机，和用着 Claude 免费版的家用手机，是两种完全不同的存在状态。 他需要两种都有。 ## AI 是非特异性放大器，也是一面镜子 Dan 在采访里提到一个概念，借自迷幻剂领域：非特异性放大器（non-specific amplifier）。 迷幻剂放大的不是某种固定体验，而是你进去时的心理状态和所处环境。 带着恐惧进去，得到的是恐惧的放大；带着好奇进去，得到的是好奇的放大。 AI 的工作方式和这个一模一样。AI 包含所有人类的所有可能性，但每一次你给它一个 prompt，就是在把这种无限的可能性坍缩成一个具体的东西。 坍缩的方向，取决于你带来了什么。 这也解释了为什么同样是用 Claude Code，有人觉得自己被解锁了，有人觉得只是在清理 AI 生成的烂代码。 不是工具的问题，是你带进去的东西不同。 Dan 对 AI 行业有一个直接的批评：这些公司在向公众解释这项技术时，做得相当糟糕。 整个领域从一开始就建立在科幻小说的想象框架上，那些奠定了行业心理基调的人，大多没有经历过多次技术浪潮，不知道早期技术的情绪反应和最终现实之间通常差多远。 结果就是公众听到的要么是「AI 会创造乌托邦」，要么是「你的工作要没了，但我们会尽力让它变好，虽然我们也不确定」。 Dan 说这是真诚的，但缺乏智慧。 他还观察到一件很准确的事：哪怕你讨厌自己的工作，一旦有人说这份工作可能会在你没有控制权的情况下消失，你会突然发现自己非常爱这份工作。 AI 公司没有认真对待这种心理，然后对公众的反应感到困惑。 ## 摄影出来的时候，画家们也是这么说的 「我花了多少年学画这片田野，你按一下快门就有了，去你的。」 这是摄影刚出现时画家们的反应。 Dan 觉得这是完全可以理解的，也是完全错误的预测。 摄影没有杀死绘画，它自己也成了一门艺术，而且真正拍得好的人依然稀缺，哪怕现在人人口袋里都有一台相机。 AI 也一样。 用它做出五年前那种「令人印象深刻」的东西，现在一个 prompt 就够了。 但要做出真正好的东西，你还是得把自己带进去。 工艺感、品味和意义感不来自工具，来自使用工具的人。 这是 Every 做了六年实验之后得出的结论。 Dan 自己曾经陷入过一个身份危机：他觉得自己应该「像一个真正的 CEO」，少写东西，多管理公司。 他试了一段时间，公司变差了。 然后他做了一个决定：先写作，再运营。 每天上午写作，下午管公司。公司反而变好了。 ## 知识工作更像寻路，不像导航 有人问 Dan：我们是不是处在「人机协作能打败纯 AI」的半人马时代？ 他的回答从一个区别开始。 开车你知道终点在哪，路已经被地图画好了，特斯拉可以接管方向盘。 但知识工作大多数时候，你连终点是什么都不确定。 你需要做了一步之后，看到结果，再决定下一步往哪走。 这不是导航，是寻路。 这个过程里，人的判断、品味、世界观是不可缺少的输入，不是因为 AI 不够聪明，而是因为「你想要什么」这件事本身就需要你来回答。 ## 给所有人的建议，不只是应届生 采访里有人问：朋友的女儿刚毕业，不知道该怎么面对这个时代，该给什么建议？ Dan 的回答很直接：用 AI 去学你想学的东西，你会发现那些已经在职场里的人永远想不到的玩法，然后靠这个快速上升。 想当医生，就用 AI 把所有考试材料变成最适合自己的学习系统。 等你真的进入医疗行业，你会是第一个说「15 分钟的门诊不应该是这样的」的人，也会是第一个知道怎么改的人。 变革不会从 CEO 那里自上而下地发生，因为他们不是在一线用工具的人。 机会在底层，在那些真正动手做事的人那里。 他认为这个时代最有价值的特质不是某个具体技能，而是：好奇心、对不确定性的耐受力、在地基还在移动时保持开放的能力。 ## 给自己留的那个问题 采访最后，Dan 留下了一个他觉得对自己职业生涯最有用的问题： 如果你给自己许可，去做那件你一直觉得「太奢侈、我不该做」但其实非常热爱的事，那件事是什么？往那个方向挪近一点。 他说，通常结果都不会太差。 Every 的网站是 every.to，Dan 在 X 上是 @danshipper。