多数企业用上了AI聊天，但智能体真正投产的不到5%
企业给员工装上Claude和Codex很容易，90%已经做了；但把智能体真正部署进生产、干非工程的活，只有5%做到——这中间的落差才是这期的核心数据。
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
故事点付薪：最高比最低只差4倍
Tenex用「故事点」给工程师计薪，而不是按小时收费。创始人Alex的赌注是AI会把个人产出的方差拉到前所未有的程度，但公司内部最高薪与最低薪工程师目前大约只差4倍，离他们说的「10倍」的梦想还有距离。真正难摆平的不是「有人虚报故事点、糊弄了事」——这个顾虑被按「客户留存与增长」计薪的AI strategist岗位反向制衡住了；难题反而是怎么给工程师在「架构设计、客户沟通」这些不写代码的时间计价。
Opus 4.5到5.5一年，人均产出翻倍
CJ把去年12月的Opus 4.5视为模型真正能接住长任务的分水岭，到现在的Opus 5.5,工程师同样时间里能完成的工作量大约翻了一倍。但「故事点」这把尺子本身也在松动——公司至少每季度重新校准一次故事点的估算标准，因为模型越强，单个故事点该值多少钱也该相应「通缩」,否则就是在为模型的进步重复付钱。
— CJtoken花费占员工成本比例冲到2:1
行业平均AI创业公司的token花费大约等于员工成本，高的能到5到10倍；Tenex给出的数字是1:1到2:1,高于一般水平。他们确实担心过token-maxing把成本拖垮，但判断是「Opus 5.5这一波」已经把模型推到了一个「每任务成本」的帕累托点——六到八个月前才是真正该担心的窗口，现在模型降价速度已经快过用量增长，多数经济上有价值的任务用Opus 5.5就能办，犯不着为10倍聪明的模型多付钱。
— Alex企业AI采用率是一个层层塌陷的漏斗
给员工装上Claude或Codex这一步，100家企业里90家已经做了；教员工怎么用(培训与赋能)降到60%;给工程团队上编程智能体，很多人以为有70%到80%,实际只有50%左右；而真正让智能体在「非工程」场景里投入生产跑起来，这个数字只剩5%。最后这一跳，是FOMO驱动的表面采用和真正把流程交给智能体之间最大的鸿沟。
— Alex对Harvey这类垂直AI,他给的是看空
面对Harvey、OpenEvidence这类已经在各自领域跑出来的垂直AI公司，Alex和CJ的判断是总体看空——哪怕这些公司眼下赢了。理由是企业客户现在普遍要的是「一对一」定制体验，这逼着软件公司堆出一支FDE团队去贴身服务客户，软件和服务正在合流，很难再维持软件的毛利率；真正的护城河只剩「ChatGPT拿不到的数据」,而这块数据Anthropic和OpenAI也在收购，只是没有垂直玩家那么拼命。
— Alex一份4万美元的SaaS合同，1千美元自建替换
Alex自己办的「Kill My SaaS」比赛里，一个被报价4万美元一年的中腰部SaaS,被他们花1千美元自建替换掉，马上就要在下一场会议上投入使用。但他同时强调企业越往上走(Salesforce、SAP这类系统记录型软件),自建替换的提案就越站不住脚——一旦做错，赌注是几亿到几十亿美元，企业天然会规避这种风险，所以他不同意「Salesforce、SAP要被颠覆」这类说法。
— AlexAI替换的是岗位，不是人
CJ提到a16z的数据显示呼叫中心正在真实萎缩，AI在接管越来越多这类工作——如果这是一个人干了一辈子练出来的技能，被AI接管是毁灭性的。但他们跟客户谈智能体上线时，核心话术始终是「重新分配」而不是「裁撤」:把人从最深的专业细节里解放出来，去跨团队协作、去想更大的问题，这个「下一个问题」的循环在大公司里几乎不会停。Alex补充说，员工也该主动问自己这份工作接下来几年的可替代性有多高，而不是把再技能化完全当成雇主单方面的责任。
纽约AI圈子小，但商业池子可能更大
Alex形容纽约的AI泡泡比旧金山小，但Tenex和他们合作的客户群体本身就是「纽约版旧金山」。他的定位是纽约不需要复制旧金山的规模，真正该干的是把旧金山的人拉到纽约，让他们见到真实付钱的客户，得到一次「现实检验」——纽约的优势不在AI圈子大小，而在这里的商业体量能让AI技术真正扩散进GDP。
— Alex原话 · 已逐字校验
it almost feels like we've kind of hit this like Pareto point of like costs are coming down at a per task basis. Then it is way harder today for someone to token max and like really F the company in terms of cost than it was six to eight months ago.
感觉我们已经撞上了一个帕累托点——单任务成本在持续下降。现在想靠狂刷token把公司成本搞垮，比六到八个月前要难得多了。
Alex15:11
most enterprises that we talk to that have, let's just say more than a thousand employees do not have an agent in production that is doing work that is not building software.
我们接触的企业里，只要员工规模超过一千人，大多数就是没有一个在非工程场景里真正投产运行的智能体。
Alex19:29
I phrase it to the team, is like, you can't automate a process that does not exist.
我跟团队常说的一句话是：你没法把一个根本不存在的流程自动化。
Alex23:22
there is so much nuance and so much inertia and so many systems you have to wrangle and people you have to wrangle.
这里头的复杂和惯性太大了，要摆平的系统和要说服的人太多了。
Alex24:42
But why do I pay the $50,000 a year for Bloomberg? Well, it's just like that's that's what everyone, all my peers do. And it's all consolidated for me and it's all specialized for me.
我为什么要花5万美元一年订Bloomberg?因为所有同行都在用，它把我需要的一切都整合、定制好了。
Alex24:42
we were quoted $40,000 a year. We spent $1,000 to replace it.
我们被报价4万美元一年，结果花1千美元就自己把它替换掉了。
Alex30:32
I think A16Z posted something about how like call centers are truly now on the decline and AI is starting to handle more and more of that work. And ultimately, if that is a skill you've built up your whole career, that is devastating to have something come in and take that function over.
a16z之前发过一个帖子，说呼叫中心真的在萎缩，AI正在接管越来越多这类工作。如果这是你干了一辈子练出来的技能，被这么接管过去是毁灭性的。
CJ35:23
数字与实体
| Tenex团队规模 | 75人 | 3:17 |
| 内部薪酬最高与最低工程师差距 | 约4倍 | 3:17 |
| 故事点产出年同比增速 | 约2倍 | 10:25 |
| Tenex token花费与员工成本比例 | 1:1到2:1 | 15:11 |
| 行业平均AI初创公司token花费与员工成本比例 | 约1倍(高者5到10倍) | 15:11 |
| 企业已为员工部署通用LLM(Claude/Codex)占比 | 90% | 19:29 |
| 企业完成AI培训与赋能占比 | 60% | 19:29 |
| 企业已给工程团队部署编程智能体占比 | 约50% | 19:29 |
| 企业把智能体真正用于非工程场景生产的占比 | 5% | 19:29 |
术语
- MetaHarness元工具链
- Tenex内部标准化agent工作流程的文档体系与CLI工具，统一怎么写计划、记日志、交付成果。
- FDE (forward deployed engineer)前线部署工程师
- 常驻客户一线、深度定制交付的工程师岗位，Tenex目前重点招聘的岗位之一。
- RBAC基于角色的权限控制
- 决定公司里谁能用智能体读到哪些数据的权限体系。
- AMP跨模型编程智能体工具
- CJ日常使用、可在多个模型间切换驱动同一任务的编程agent工具。
- Kill My SaaS「干掉我的SaaS」比赛
- Alex发起的项目，目标是用AI自建方案替换企业现有的中腰部SaaS订阅。
收听指南
做企业AI转型咨询、toB产品或数字化负责人，想知道企业AI落地到底卡在哪一步的人。
开场寒暄和自我介绍(0:00-1:32)信息量低，可跳过。