AI 不會取代人，取代人的是沒被寫下來的工作
模型可以互換，真正值錢的是企業把工作流程寫成手冊——這份「工作地圖」才是 AI 時代不可替代的資產，也是企業自己訓練模型的唯一前提。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
AI 不會在工作中改變自己的權重
Daniel 認為 AI 和人類最大的區別不是推理能力，而是 AI 不會在工作中改變自己的權重。人類被一份工作改變，AI 只是把東西寫進記事本。他舉了兩個廚師的例子：一個做了 20 年日本料理，一個做了 20 年意大利菜，給他們同一份菜譜，做出來的東西完全不同。這不是把企業寫在紙上就能複製的，因為人的判斷來自多年被工作改造的過程。所以「數據中心裡有幾百萬個愛因斯坦」這個說法，Daniel 認為 Dario 想說的是有幾百萬個具備部分推理能力的實體，而不是能像人一樣在工作中學習的愛因斯坦。
— Daniel Dines概率性技術不該幹要求精確的活
Daniel 提出 AI 的另一個限制是「精確性」：AI 每一步都是概率性的，哪怕每一步 99% 正確，走 100 步之後整體成功率可能只剩 60%。所以讓 AI 反覆做大數乘法，遲早會出錯。他的結論是：一個工具能做某件事，不代表你就該用它做這件事。ChatGPT 看起來在算數，其實背後調用的是計算機工具，精確性不是 ChatGPT 提供的。把這個邏輯延伸到企業層面：所有要求精確的工作都應該跑在精確的技術上，沒有理由跑在概率性技術上。
— Daniel Dines部署 AI 沒變簡單，部署自動化變簡單了
Daniel 指出企業裡存在一個不對稱：部署 AI agent 並不比兩年前更容易，但部署自動化變得容易多了，因為可以用 coding agent 來生成自動化。他把 ChatGPT、chain of thoughts、coding agent 列為三個主要里程碑。coding agent 在「設計時」工作，人用它造出「執行時」每次都精確運行的自動化；自動化因為上游系統變化而壞掉時，AI 又能回來修它。結果是 AI 在生成運行企業的軟件，而這個軟件不能實時改變行為，可以被審計、被測試、被人讀。這是他認為當前企業里正在成形的模式。
— Daniel Dines盲目裁員會砍掉 AI 時代最需要的人
Daniel 在書裡提出「credentialed middle」這個概念：企業過去按某個領域的深度專業資歷招人，而這恰恰是 AI 最能幫上忙的那類專長。他的判斷是反直覺的——你會傾向於砍掉那些不是領域最大專家的人，但砍掉的正是你將來需要用來把 AI 補充進專家工作的人。他舉了一個律師的例子：過去每年招 25 個實習生，今年只招 4 個。他同意大部分崗位需要的人會更少，但關鍵問題是「哪些人」。他給出的標準是：留下最有主動性、能維持客戶關係、能當新人導師、承載企業文化的人，因為 AI 無法展現人類意義上的主動性。
— Daniel Dines決定 AI 能否接手的是框架清不清晰
Harry 認為財務和會計這類工作可驗證性強，所以容易被 AI 取代。Daniel 直接反對：不是可驗證性的問題，而是這份工作是否被別人定義好的框架框住。他說財務恰恰是框架不清晰的領域——收到一張發票或訂單，可以有不同的處理方式，比如英偉達會不會優先給 OpenAI 發貨，這種規則可能根本沒被寫下來。如果規則沒被框架捕捉，AI 就學不會。所以企業必須先把「工作地圖」交給 AI：所有工作流、所有例外、所有流程、所有系統。這也是他反覆強調的：模型可以互換，工作地圖和圍繞它的流程才是真正價值所在。
— Daniel Dines用 agent 採訪員工，把工作畫成地圖
UiPath 推出了一項叫 cartography 的技術，作為一門幫助公司浮現工作如何完成的學科。具體做法是用一個叫 cartographer agent 的產品去採訪真實的業務專家，讓他們記錄自己在做什麼，agent 實時追問：為什麼這個發票的郵編不同你就改了處理方式？為什麼你選了另一條路徑？這樣把例外一條條挖出來。然後彙總多個人的數據，生成實時的流程地圖。有了這張「工作地圖」，再用 coding agent 設計流程該怎麼改造，最終通過「打印軟件」把流程從純手工的 A 點推向更少人操作系統、更多自動化和 agentic AI 操作系統的狀態。
— Daniel Dinesvibe coding 做原型容易，進生產很難
Daniel 承認 UiPath 試過 vibe coding，一開始看起來效果驚人，但推進到生產環境就撞上瓶頸：連接器、權限、審計、安全，全都要維護。他舉了自己寫採購工具的例子：最初完全由 AI 寫成，但數據庫 schema 完全是錯的，必須有人來重建結構。他的結論是，從原型到生產才是真正的工作所在，寫代碼本身不是。最終你很可能付出和被替換掉的工具一樣多甚至更多的成本，同時還佔用了你最好那批人的帶寬。所以他不認為 Salesforce 這類系統記錄會被 vibe coding 取代。
— Daniel Dines法律 AI 的機會在流程，不在模型調用
Harry 算了一筆賬：美國法律行業規模 3000 億美元，如果 30% 的勞動可被替代就是 900 億美元收入。Daniel 反駁說這 900 億不會轉化成 token 收入，可能只有 10%，也就是 100 億美元的 token 機會。他的判斷是：從法律意見的角度看，開源模型和前沿模型都夠用，真正值錢的是圍繞法律流程的定製工作流。如果 Harvey 和 Lagora 只是幫你調一次模型拿個法律意見，那不會是千億美元市場；但如果它們真的把工作畫成地圖、建出工作流、給你造出一個法務部門，那價值就大得多。
— Daniel DinesAI 沒有風格，因為它只是平均器
Daniel 用自己寫書的經歷說明：AI 沒有風格，因為它是所有東西的平均器。要有風格，你得有一個「身體」，得有個人性，因為風格是我們做過的選擇和沒做的選擇的總和。你讓 AI 讀一本書然後模仿那個作者的風格寫作，效果並不好，因為它沒有被這段經歷改造過。他由此推出一個更大的判斷：AI 現在能解人類沒解出的數學題，但還不能創造框架，比如相對論這樣的框架。原因還是那個——它不是在工作中被改造的，它必須把所有東西寫下來，而上下文窗口很難超過一百萬 token，框架的誕生需要的是改造，不是純粹的記憶。
— Daniel Dines原話 · 已逐字校驗
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 可以在工作中建一個記事本、一個草稿紙，把一些政策記下來。但 AI 不會像人類被一份工作改造那樣，在工作中改變自己的權重。
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.
一個工具能做某件事，不代表你就必須用這個工具去做這類事。
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.
這很反直覺，因為你會傾向於砍掉那些不是領域內最大專家的人，但你砍掉的恰恰是你將來需要用來把 AI 補充進這些專家工作的人。
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.
這不是可驗證性的問題，而是這份工作是否被別人設定好的框架定義過。如果框架清晰，AI 就能理解這個框架。
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.
模型是可以互換的，但工作流、工作地圖以及圍繞工作地圖的工作流，才是真正價值所在。
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 沒有風格。你意識到為什麼它們沒有風格嗎？因為它們是任何東西的平均器。要有風格，你得有一個身體，你得有個人性，因為在某種意義上，我們就是我們做過的選擇和沒做的選擇。
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.
我認為空頭邏輯是：AI 不知怎麼變成了天才，token 成本趨近於零，數據中心裡真的有幾百萬個愛因斯坦——而且是真正意義上的愛因斯坦，不只是會推理，而是能替代一個人，我可以把他們派到企業裡的每一項工作上，他們就直接幹了。這就是針對我們的空頭邏輯。
Daniel Dines1:03:04
數字與實體
| UiPath 工程師人數 | 超過 1000 人 | 20:38 |
| UiPath 員工總數 | 約 4000 人 | 20:38 |
| UiPath 去年營收增速 | 約 14% | 59:01 |
| token 成本變化 | 從每百萬 60 美元降到 1 美元 | 1:03:04 |
| 英偉達當前市值 | 5.6 萬億美元 | 1:05:06 |
| Daniel 每日補充劑數量 | 約 60 種，另有 3-4 種肽 | 1:06:08 |
術語
- map of work工作地圖
- 把企業所有工作流、例外、流程和系統文檔化後形成的手冊，是 AI 接手工作的前提。
- cartography工作制圖
- UiPath 提出的學科，用 agent 採訪業務專家，把工作如何完成畫成實時流程地圖。
- credentialed middle資歷型中層
- Daniel 書中概念，指靠某個領域深度專業資歷被僱傭的人，恰是 AI 最易替代的一類。
- vibe coding氛圍編程
- 用自然語言讓 AI 直接生成代碼的做法，做原型快，但進生產環境面臨審計、權限等瓶頸。
收聽指南
想判斷企業 AI 落地真實節奏的創業者和投資人，尤其是做企業軟件、自動化、agent 產品的團隊。
開頭 0:00-3:09 的贊助廣告可跳過。