多數企業用上了AI聊天，但智能體真正投產的不到5%
企業給員工裝上Claude和Codex很容易，90%已經做了；但把智能體真正部署進生產、幹非工程的活，只有5%做到——這中間的落差才是這期的核心數據。
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
故事點付薪：最高比最低只差4倍
Tenex用「故事點」給工程師計薪，而不是按小時收費。創始人Alex的賭注是AI會把個人產出的方差拉到前所未有的程度，但公司內部最高薪與最低薪工程師目前大約只差4倍，離他們說的「10倍」的夢想還有距離。真正難擺平的不是「有人虛報故事點、糊弄了事」——這個顧慮被按「客戶留存與增長」計薪的AI strategist崗位反向制衡住了；難題反而是怎麼給工程師在「架構設計、客戶溝通」這些不寫代碼的時間計價。
Opus 4.5到5.5一年，人均產出翻倍
CJ把去年12月的Opus 4.5視為模型真正能接住長任務的分水嶺，到現在的Opus 5.5,工程師同樣時間裡能完成的工作量大約翻了一倍。但「故事點」這把尺子本身也在鬆動——公司至少每季度重新校準一次故事點的估算標準，因為模型越強，單個故事點該值多少錢也該相應「通縮」,否則就是在為模型的進步重複付錢。
— CJtoken花費佔員工成本比例衝到2:1
行業平均AI創業公司的token花費大約等於員工成本，高的能到5到10倍；Tenex給出的數字是1:1到2:1,高於一般水平。他們確實擔心過token-maxing把成本拖垮，但判斷是「Opus 5.5這一波」已經把模型推到了一個「每任務成本」的帕累托點——六到八個月前才是真正該擔心的窗口，現在模型降價速度已經快過用量增長，多數經濟上有價值的任務用Opus 5.5就能辦，犯不著為10倍聰明的模型多付錢。
— Alex企業AI採用率是一個層層塌陷的漏斗
給員工裝上Claude或Codex這一步，100家企業裡90家已經做了；教員工怎麼用(培訓與賦能)降到60%;給工程團隊上編程智能體，很多人以為有70%到80%,實際只有50%左右；而真正讓智能體在「非工程」場景裡投入生產跑起來，這個數字只剩5%。最後這一跳，是FOMO驅動的表面採用和真正把流程交給智能體之間最大的鴻溝。
— Alex對Harvey這類垂直AI,他給的是看空
面對Harvey、OpenEvidence這類已經在各自領域跑出來的垂直AI公司，Alex和CJ的判斷是總體看空——哪怕這些公司眼下贏了。理由是企業客戶現在普遍要的是「一對一」定製體驗，這逼著軟件公司堆出一支FDE團隊去貼身服務客戶，軟件和服務正在合流，很難再維持軟件的毛利率；真正的護城河只剩「ChatGPT拿不到的數據」,而這塊數據Anthropic和OpenAI也在收購，只是沒有垂直玩家那麼拼命。
— Alex一份4萬美元的SaaS合同，1千美元自建替換
Alex自己辦的「Kill My SaaS」比賽裡，一個被報價4萬美元一年的中腰部SaaS,被他們花1千美元自建替換掉，馬上就要在下一場會議上投入使用。但他同時強調企業越往上走(Salesforce、SAP這類系統記錄型軟件),自建替換的提案就越站不住腳——一旦做錯，賭注是幾億到幾十億美元，企業天然會規避這種風險，所以他不同意「Salesforce、SAP要被顛覆」這類說法。
— AlexAI替換的是崗位，不是人
CJ提到a16z的數據顯示呼叫中心正在真實萎縮，AI在接管越來越多這類工作——如果這是一個人幹了一輩子練出來的技能，被AI接管是毀滅性的。但他們跟客戶談智能體上線時，核心話術始終是「重新分配」而不是「裁撤」:把人從最深的專業細節裡解放出來，去跨團隊協作、去想更大的問題，這個「下一個問題」的循環在大公司裡幾乎不會停。Alex補充說，員工也該主動問自己這份工作接下來幾年的可替代性有多高，而不是把再技能化完全當成僱主單方面的責任。
紐約AI圈子小，但商業池子可能更大
Alex形容紐約的AI泡泡比舊金山小，但Tenex和他們合作的客戶群體本身就是「紐約版舊金山」。他的定位是紐約不需要複製舊金山的規模，真正該幹的是把舊金山的人拉到紐約，讓他們見到真實付錢的客戶，得到一次「現實檢驗」——紐約的優勢不在AI圈子大小，而在這裡的商業體量能讓AI技術真正擴散進GDP。
— Alex原話 · 已逐字校驗
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.
感覺我們已經撞上了一個帕累托點——單任務成本在持續下降。現在想靠狂刷token把公司成本搞垮，比六到八個月前要難得多了。
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.
我們接觸的企業裡，只要員工規模超過一千人，大多數就是沒有一個在非工程場景裡真正投產運行的智能體。
Alex19:29
I phrase it to the team, is like, you can't automate a process that does not exist.
我跟團隊常說的一句話是：你沒法把一個根本不存在的流程自動化。
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.
這裡頭的複雜和慣性太大了，要擺平的系統和要說服的人太多了。
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.
我為什麼要花5萬美元一年訂Bloomberg?因為所有同行都在用，它把我需要的一切都整合、定製好了。
Alex24:42
we were quoted $40,000 a year. We spent $1,000 to replace it.
我們被報價4萬美元一年，結果花1千美元就自己把它替換掉了。
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之前發過一個帖子，說呼叫中心真的在萎縮，AI正在接管越來越多這類工作。如果這是你幹了一輩子練出來的技能，被這麼接管過去是毀滅性的。
CJ35:23
數字與實體
| Tenex團隊規模 | 75人 | 3:17 |
| 內部薪酬最高與最低工程師差距 | 約4倍 | 3:17 |
| 故事點產出年同比增速 | 約2倍 | 10:25 |
| Tenex token花費與員工成本比例 | 1:1到2:1 | 15:11 |
| 行業平均AI初創公司token花費與員工成本比例 | 約1倍(高者5到10倍) | 15:11 |
| 企業已為員工部署通用LLM(Claude/Codex)佔比 | 90% | 19:29 |
| 企業完成AI培訓與賦能佔比 | 60% | 19:29 |
| 企業已給工程團隊部署編程智能體佔比 | 約50% | 19:29 |
| 企業把智能體真正用於非工程場景生產的佔比 | 5% | 19:29 |
術語
- MetaHarness元工具鏈
- Tenex內部標準化agent工作流程的文檔體系與CLI工具，統一怎麼寫計劃、記日誌、交付成果。
- FDE (forward deployed engineer)前線部署工程師
- 常駐客戶一線、深度定製交付的工程師崗位，Tenex目前重點招聘的崗位之一。
- RBAC基於角色的權限控制
- 決定公司裡誰能用智能體讀到哪些數據的權限體系。
- AMP跨模型編程智能體工具
- CJ日常使用、可在多個模型間切換驅動同一任務的編程agent工具。
- Kill My SaaS「幹掉我的SaaS」比賽
- Alex發起的項目，目標是用AI自建方案替換企業現有的中腰部SaaS訂閱。
收聽指南
做企業AI轉型諮詢、toB產品或數字化負責人，想知道企業AI落地到底卡在哪一步的人。
開場寒暄和自我介紹(0:00-1:32)信息量低，可跳過。