Daniel Dines

Daniel Dines 认为，今天的 AI 可以记住工作，却不会被工作本身改变，因此“数据中心里的数百万个 Einstein”更像推理引擎，而不是可以雇用的人。 人会因经验而改变；模型只是添加上下文，并不会在工作中改变自身权重。在模型具备类似人类的主动性、意志和经验学习能力之前，Dines 预计企业采用将按流程逐步扩散，而不会一夜之间抹去就业。

企业真正持久的资产不是模型，而是“工作地图”：让公司运转起来的工作流、例外情况、系统、关系和未写明的判断。 模型可以相互替换，因此企业需要可迁移的文档体系，以便切换供应商、训练内部模型并保住自身 IP。“真正的价值就在工作流、工作地图，以及围绕工作地图展开的工作流里。”

AI 的概率性决定了它应位于设计层，而确定性软件仍应承担高后果工作的执行层。 Dines 举例称，一个单步可靠率为99%的流程，重复100次后完成整套流程的概率只剩大约60%。因此，他认为 coding agents 应负责生成、修复、测试和审计精确软件，而不是自主在生产环境中即兴发挥。“用 AI 创建以可预测、受治理、可审计的方式运行企业的软件。”

许多职能的员工数量会减少，但粗暴的 AI 裁员可能恰恰会削掉成功部署 AI 所需的主动性、信任和组织记忆。 Dines 预计持有正式资质的专业人士会减少，但能够处理例外、指导他人、维护客户关系并在正式职责之外做判断的员工，价值反而会提升。他的建议是建立一份 workforce ledger，先记录这些隐性产出，再决定“哪些人”应该保留或转岗。

Vibe coding 已经大幅压低原型开发成本，却没有消除从原型走向生产的昂贵过程。 UiPath 曾完全依靠 AI 做出一款采购工具，随后发现缺少连接器、权限、审计和安全要求，测试也不充分，数据库 schema 更是“完全错误”，最终仍需要人介入。Dines 警告，内部替代方案最终可能和采购软件一样昂贵，同时消耗公司最强的技术人员。

企业模型流量应集中到低成本模型，战略价值则会归属于工作流所有者、开源模型基础设施和上下文数据系统。 Dines 预计90%的运营流量会使用高性价比模型，负责任的企业还会保留开源备选方案。如果 Fireworks 能拿到大规模推理所需的算力，他“可能会”在其150亿美元估值时投资，但这可能需要数百亿美元资本。在法律 AI 中，模型调用和有价值的公司之间的差别，在于后者是否绘制并运营完整的法律工作流。他还认为 Jensen “受开源成功所制约”，因为封闭的前沿模型双寡头最终可能自己造芯片。

Dines 认为，尽管欧洲拥有顶尖人才和芯片制造设备，但由于美国公司下注更快、规模更大，欧洲在技术上“基本无关紧要”。 他建议打造通用技术的创业者前往美国，同时指出欧洲对本地部署软件、模型主权和选择权的需求，仍构成一个真实的反向市场。UiPath 的乐观逻辑在于，为企业 agents 提供底层的“地图和轨道”；悲观逻辑则是，真正免费、接近零成本的“Einsteins”出现后，能够替代完整的人类员工。

🔗 原始收听与视频来源： 20VC：为什么 AI 无法替代企业中的人类｜为什么在 AI 时代，工作流程而非模型将成为最有价值的资产｜为什么欧洲已经输掉，以及在美国 vs 欧盟创业——Daniel Dines，UiPath