AI 的最后一英里：为什么未来是定制的，而不是一刀切

在过去的五十年中，软件大多是为办公室里的员工设计的。传统平台基本上是静态数据库，带有一个接口。它们静止不动，需要人类围绕它们工作：输入信息，输入数据，导航它们的僵硬、预定义的逻辑。在这种安排中，人类已经悄悄地成为手动胶水，花费工作时间弥合碎片化工具之间的差距。

这种运营税在我们的移动生活中最为痛苦。想象一下，在外出时预订一个简单的会议。你打开日历应用，点击，输入，点击。然后你跳到电子邮件中，恢复模糊的关键词，搜索正确的地址，复制它，并跳回日历。这是一种奇怪的去人性化的体验。用户被迫遵循软件的逻辑，而不是软件遵循用户的意图，用户必须在头脑中持有和拼凑上下文。

人类作为手动胶水

我们在谷歌为移动设备构建时清晰地看到了这一点。自那时以来，世界只会使这个问题更加尖锐。越来越多的高价值工作现在发生在真实世界中，而不是在静态的办公环境中。它发生在咖啡聊天中，在外部介绍中，在合作中。而业务单位正在稳步缩小，从企业到团队到个人。

数据支持这一点。根据 美国人口普查局的报告，美国的单人企业数量在2012年至2023年间每年平均增长2.7%，远高于拥有员工的公司1.1%的增长率，现在单人企业占美国所有企业的绝大多数。我们正在进入超级个体时代：一个单独的操作员可以运营一个全球运营，拥有一个小型代理队伍来执行工作。当工作单位缩小到个人时，工具的设计必须翻转。软件不再是人类遵循，而是软件遵循人类。

AI 的最后一英里

像ChatGPT和Gemini这样的通用助手是一个真正的飞跃。它们让人们能够更快、更高效地完成各种任务。但是，存在一个差距，即模型的普遍能力和真正适合您生活的工具之间的差距。在AI中，这个差距就是最后一英里。这是大部分真正价值所在的部分，也是几乎没有人解决的部分。

一个通用模型就像一个新员工在第一天到岗。它流利、快速、博览群书，但它不知道您的客户、偏好、您使用的简写或您喜欢做事的方式。强大并不意味着它是您的。一个通用模型在设计上是为每个打开它的人提供相同的体验。人们真正需要的是相反的东西：一些适合一个人、在使用过程中变得更加个性化的东西，因为它是专门为一个人设计的，并且只学习那个人。

历史上，这最后一英里是昂贵的。为一个人量身定制意味着雇佣一个行政助理或首席工作人员，或者委托定制软件，这些都是为大公司和富人保留的选择。所以，其他人都满足于通用的大众工具，并悄悄地训练自己适应它们。定制的成本是大多数人从未拥有过它的原因。现在，成本正在改变。随着成本的降低，人们一直以来都想要的东西现在可以在个人规模上实现。人们并不真正渴望更多的通用能力，他们渴望的是真正属于自己的东西。

这不仅仅是个人偏好的问题，证据比看起来更有说服力。AI的价值并不是均匀分布在各项任务中。在哈佛商学院和波士顿咨询公司合作进行的一项大型实地实验中，使用GPT-4的758名顾问完成了大约12%更多的任务，速度大约快了25%，质量更高，但仅限于工作位于所谓的技术前沿内。在一个故意选择在技术前沿之外的任务中，使用AI的人大约有19%的可能性无法达到正确答案。只有当工具紧密地适应工作的真实轮廓时，收益才会出现，当它不适应时，收益就会消失，甚至逆转。适应性不是最后的润饰，它是价值所在的地方。

还有两种类型的赋权值得区分。一种帮助您做到以前无法做到的事情。另一种让您摆脱那些您时间已经变得太宝贵而不应该花费在上的事情。通用模型在第一种方面非常出色。第二种是适应性的问题，适应性必须是定制的。这是工具让您变得更加有能力和工具成为您的一部分之间的区别。

从目的地到副驾驶

如果定制是属性，那么形式是什么？这里借用软件架构中的一个术语。在分布式系统中， 副驾驶模式将一个辅助进程附加到一个主要服务，以处理横向工作：日志记录、配置、网络、可观察性。核心服务可以专注于其实际工作，而副驾驶则悄悄地吸收了旁边的运营复杂性。

我相信同样的模式也将出现在人们身上。下一代个人软件将像附着在您身边的副驾驶一样工作，在您已经生活在其中的应用程序中主动工作。不是一个目的地，而是一个伴侣，它是通过其本质与单个人绑定的，并且只学习那个人。一个有用的副驾驶，与每天从头开始提示的聊天机器人不同，会依赖于三个支柱。

个人副驾驶的三个支柱

可教性和持久记忆。 副驾驶不是您每天都要重新解释的工具。它是您只需要教一次的东西。当您描述偏好或工作流程时，它会记住，建立一个私人记忆存储，跟随您，并捕捉您特定的工作方式的细微差别。这是最后一英里，累积起来的。

观察和代理。 副驾驶观察、思考和行动。它从了解事实转变为执行任务：过滤噪音，连接点，草拟回复，保持项目线索，以便您不必亲自处理。

探索和交易。 随着时间的推移，这个伴侣会携带您的上下文和关系，跨越不同的软件。它帮助您找到正确的介绍，浮现正确的机会，甚至最终代表您进行交易。

从知道到做

所有这些背后的更深层次的技术转变是从检索到行动的转变。 检索增强生成，即在模型输出的基础上实时查找相关文档的技术，使得今天的助手能够很好地知道事情。下一步是持久性和代理：旨在执行而不仅仅是回答的伴侣。

行业已经朝着这个方向转变。 Gartner 预测，到 2026 年底，40% 的企业应用将包含特定任务的 AI 代理，高于 2025 年的 5% 以下，这是一种从响应式助手到执行式代理的转变。

这里还有一个更为微妙的好处，组织往往低估它：机构记忆。在高人员工流动和流动合作的世界中，每当有人离开一个角色时，会有大量的上下文随之离开。一个与个人绑定的伴侣会捕获将会丢失的专业知识和关系，并保持上下文的完整性和可用性。

但这种丰富性也会产生一个陷阱。随着代理允许人们承担更多责任，人们会悄悄地承担更多：更多需要记住的东西，更多需要采取行动的东西，更多需要在头脑中同时处理的东西。有一个生物学上的上限，限制了一个人可以承载多少。副驾驶的目的就是坐在这个上限之下，吸收负担，而不是在上面添加更多的东西。

使工作人性化

真正的目标不是将人们自动化掉。它是让人们摆脱软件，回到房间里。 麦肯锡的研究发现，平均而言，交互式工作者每周花费大约 28% 的时间在电子邮件上，几乎还有 20% 的时间用于寻找内部信息或跟踪正确的同事，在添加内部会议和协调之前。这大部分时间都花在运营税上，而不是在实际工作上。

如果一个伴侣可以吸收这种静态管理层，返回的时间不必流回机器中。它可以回到咖啡聊天中，合作中，以及判断电话中，真正的价值在那里创造。这不是关于在循环中替换人类，而是关于将人类从不适合人类的循环部分中解放出来。

AI 的未来可能不是一个您可以与之交谈的盒子，也不是一个为每个人提供相同服务的模型。它更可能是一个伴侣，这个伴侣是无可置疑地属于您的：一个陪伴在您身边、学习您的工作方式并悄悄处理您不应该亲自处理的部分的伴侣。

那么，值得思考的问题不是您的 AI 有多聪明。它比那简单得多：您的一周中有多少时间花在成为胶水上， 如果您能拿回那段时间，您会用它做什么？