AI 不会取代人，取代人的是没被写下来的工作
模型可以互换，真正值钱的是企业把工作流程写成手册——这份「工作地图」才是 AI 时代不可替代的资产，也是企业自己训练模型的唯一前提。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
AI 不会在工作中改变自己的权重
Daniel 认为 AI 和人类最大的区别不是推理能力，而是 AI 不会在工作中改变自己的权重。人类被一份工作改变，AI 只是把东西写进记事本。他举了两个厨师的例子：一个做了 20 年日本料理，一个做了 20 年意大利菜，给他们同一份菜谱，做出来的东西完全不同。这不是把企业写在纸上就能复制的，因为人的判断来自多年被工作改造的过程。所以「数据中心里有几百万个爱因斯坦」这个说法，Daniel 认为 Dario 想说的是有几百万个具备部分推理能力的实体，而不是能像人一样在工作中学习的爱因斯坦。
— Daniel Dines概率性技术不该干要求精确的活
Daniel 提出 AI 的另一个限制是「精确性」：AI 每一步都是概率性的，哪怕每一步 99% 正确，走 100 步之后整体成功率可能只剩 60%。所以让 AI 反复做大数乘法，迟早会出错。他的结论是：一个工具能做某件事，不代表你就该用它做这件事。ChatGPT 看起来在算数，其实背后调用的是计算机工具，精确性不是 ChatGPT 提供的。把这个逻辑延伸到企业层面：所有要求精确的工作都应该跑在精确的技术上，没有理由跑在概率性技术上。
— Daniel Dines部署 AI 没变简单，部署自动化变简单了
Daniel 指出企业里存在一个不对称：部署 AI agent 并不比两年前更容易，但部署自动化变得容易多了，因为可以用 coding agent 来生成自动化。他把 ChatGPT、chain of thoughts、coding agent 列为三个主要里程碑。coding agent 在「设计时」工作，人用它造出「执行时」每次都精确运行的自动化；自动化因为上游系统变化而坏掉时，AI 又能回来修它。结果是 AI 在生成运行企业的软件，而这个软件不能实时改变行为，可以被审计、被测试、被人读。这是他认为当前企业里正在成形的模式。
— Daniel Dines盲目裁员会砍掉 AI 时代最需要的人
Daniel 在书里提出「credentialed middle」这个概念：企业过去按某个领域的深度专业资历招人，而这恰恰是 AI 最能帮上忙的那类专长。他的判断是反直觉的——你会倾向于砍掉那些不是领域最大专家的人，但砍掉的正是你将来需要用来把 AI 补充进专家工作的人。他举了一个律师的例子：过去每年招 25 个实习生，今年只招 4 个。他同意大部分岗位需要的人会更少，但关键问题是「哪些人」。他给出的标准是：留下最有主动性、能维持客户关系、能当新人导师、承载企业文化的人，因为 AI 无法展现人类意义上的主动性。
— Daniel Dines决定 AI 能否接手的是框架清不清晰
Harry 认为财务和会计这类工作可验证性强，所以容易被 AI 取代。Daniel 直接反对：不是可验证性的问题，而是这份工作是否被别人定义好的框架框住。他说财务恰恰是框架不清晰的领域——收到一张发票或订单，可以有不同的处理方式，比如英伟达会不会优先给 OpenAI 发货，这种规则可能根本没被写下来。如果规则没被框架捕捉，AI 就学不会。所以企业必须先把「工作地图」交给 AI：所有工作流、所有例外、所有流程、所有系统。这也是他反复强调的：模型可以互换，工作地图和围绕它的流程才是真正价值所在。
— Daniel Dines用 agent 采访员工，把工作画成地图
UiPath 推出了一项叫 cartography 的技术，作为一门帮助公司浮现工作如何完成的学科。具体做法是用一个叫 cartographer agent 的产品去采访真实的业务专家，让他们记录自己在做什么，agent 实时追问：为什么这个发票的邮编不同你就改了处理方式？为什么你选了另一条路径？这样把例外一条条挖出来。然后汇总多个人的数据，生成实时的流程地图。有了这张「工作地图」，再用 coding agent 设计流程该怎么改造，最终通过「打印软件」把流程从纯手工的 A 点推向更少人操作系统、更多自动化和 agentic AI 操作系统的状态。
— Daniel Dinesvibe coding 做原型容易，进生产很难
Daniel 承认 UiPath 试过 vibe coding，一开始看起来效果惊人，但推进到生产环境就撞上瓶颈：连接器、权限、审计、安全，全都要维护。他举了自己写采购工具的例子：最初完全由 AI 写成，但数据库 schema 完全是错的，必须有人来重建结构。他的结论是，从原型到生产才是真正的工作所在，写代码本身不是。最终你很可能付出和被替换掉的工具一样多甚至更多的成本，同时还占用了你最好那批人的带宽。所以他不认为 Salesforce 这类系统记录会被 vibe coding 取代。
— Daniel Dines法律 AI 的机会在流程，不在模型调用
Harry 算了一笔账：美国法律行业规模 3000 亿美元，如果 30% 的劳动可被替代就是 900 亿美元收入。Daniel 反驳说这 900 亿不会转化成 token 收入，可能只有 10%，也就是 100 亿美元的 token 机会。他的判断是：从法律意见的角度看，开源模型和前沿模型都够用，真正值钱的是围绕法律流程的定制工作流。如果 Harvey 和 Lagora 只是帮你调一次模型拿个法律意见，那不会是千亿美元市场；但如果它们真的把工作画成地图、建出工作流、给你造出一个法务部门，那价值就大得多。
— Daniel DinesAI 没有风格，因为它只是平均器
Daniel 用自己写书的经历说明：AI 没有风格，因为它是所有东西的平均器。要有风格，你得有一个「身体」，得有个人性，因为风格是我们做过的选择和没做的选择的总和。你让 AI 读一本书然后模仿那个作者的风格写作，效果并不好，因为它没有被这段经历改造过。他由此推出一个更大的判断：AI 现在能解人类没解出的数学题，但还不能创造框架，比如相对论这样的框架。原因还是那个——它不是在工作中被改造的，它必须把所有东西写下来，而上下文窗口很难超过一百万 token，框架的诞生需要的是改造，不是纯粹的记忆。
— Daniel Dines原话 · 已逐字校验
AI can create a notepad on the job, a scratchpad where they can memorize some of the policies on the job. But AI doesn't alter its weights on the job in the way humans are transformed by a job.
AI 可以在工作中建一个记事本、一个草稿纸，把一些政策记下来。但 AI 不会像人类被一份工作改造那样，在工作中改变自己的权重。
Daniel Dines6:17
The fact that the tool can do a job doesn't mean you have to use that tool to do that type of job.
一个工具能做某件事，不代表你就必须用这个工具去做这类事。
Daniel Dines17:29
it's counterintuitive because you will tend to cut those people that are not the biggest experts in the domain, but you will cut exactly what you will need to bring the AI to supplement these experts.
这很反直觉，因为你会倾向于砍掉那些不是领域内最大专家的人，但你砍掉的恰恰是你将来需要用来把 AI 补充进这些专家工作的人。
Daniel Dines24:51
It's not about verifiability. It's about if the work has been defined in a frame set by other people. If the frame is clear, then the AI can understand the frame.
这不是可验证性的问题，而是这份工作是否被别人设定好的框架定义过。如果框架清晰，AI 就能理解这个框架。
Daniel Dines25:51
Models are interchangeable, but the workflow, the map of work and the workflows around the map of work is where the real value is.
模型是可以互换的，但工作流、工作地图以及围绕工作地图的工作流，才是真正价值所在。
Daniel Dines45:34
AI doesn't have a style. And you realize why they don't have a style? Because they are an averager of anything. In order to have a style, you need to have kind of a body. You need to have individuality, because we are the choice that we made and the choice that we don't make, in a sense.
AI 没有风格。你意识到为什么它们没有风格吗？因为它们是任何东西的平均器。要有风格，你得有一个身体，你得有个人性，因为在某种意义上，我们就是我们做过的选择和没做的选择。
Daniel Dines52:50
I think the bear case is AI will somehow become genius. Tokens cost will be next to zero. We'll have this literally millions of Einsteins in a data center. But Einstein's in a true sense, not only reasoning, in the sense of replacing a person and I can assign them to every work in an enterprise and they will just do it. That's the bear case against us.
我认为空头逻辑是：AI 不知怎么变成了天才，token 成本趋近于零，数据中心里真的有几百万个爱因斯坦——而且是真正意义上的爱因斯坦，不只是会推理，而是能替代一个人，我可以把他们派到企业里的每一项工作上，他们就直接干了。这就是针对我们的空头逻辑。
Daniel Dines1:03:04
数字与实体
| UiPath 工程师人数 | 超过 1000 人 | 20:38 |
| UiPath 员工总数 | 约 4000 人 | 20:38 |
| UiPath 去年营收增速 | 约 14% | 59:01 |
| token 成本变化 | 从每百万 60 美元降到 1 美元 | 1:03:04 |
| 英伟达当前市值 | 5.6 万亿美元 | 1:05:06 |
| Daniel 每日补充剂数量 | 约 60 种，另有 3-4 种肽 | 1:06:08 |
术语
- map of work工作地图
- 把企业所有工作流、例外、流程和系统文档化后形成的手册，是 AI 接手工作的前提。
- cartography工作制图
- UiPath 提出的学科，用 agent 采访业务专家，把工作如何完成画成实时流程地图。
- credentialed middle资历型中层
- Daniel 书中概念，指靠某个领域深度专业资历被雇佣的人，恰是 AI 最易替代的一类。
- vibe coding氛围编程
- 用自然语言让 AI 直接生成代码的做法，做原型快，但进生产环境面临审计、权限等瓶颈。
收听指南
想判断企业 AI 落地真实节奏的创业者和投资人，尤其是做企业软件、自动化、agent 产品的团队。
开头 0:00-3:09 的赞助广告可跳过。