我至今仍对AI用户之间的巨大差异感到震惊。我认为，这种差距很大程度上解释了媒体对AI及其生产力影响的报道为何常常令我困惑。
现在我很清楚地看到，AI用户（以及他们所在的组织）大致分为两类。
首先是“高级用户”，他们全身心投入到新AI技术的应用中——例如Claude Code、MCPs、各种技能系统等。令人意外的是，这些人往往并非技术背景出身。我看到的非技术背景用户远比我想象的多，他们在终端中使用Claude Code处理各种非软件工程任务。金融岗位似乎从中获得了巨大的价值（这也不奇怪，因为一旦习惯了像Python这样完整的编程生态系统，Excel在金融分析中的限制就会显得格外明显）。
其次，是那些只用ChatGPT或类似聊天AI的人。我认识的许多人仍属于这一类，这让我颇为意外。
M365 Copilot的困境
让我震惊的一点是：微软的Copilot表现非常糟糕。它在企业市场拥有庞大的份额，因为它被捆绑在各种Office 365订阅中，但它的体验却像一个拙劣克隆的ChatGPT界面（而ChatGPT本身在企业效率上也并不算出色）。其中的“智能代理”功能更是令人发笑，与命令行中的代码代理（包括微软自己GitHub上那个名字混乱的Copilot CLI）相比简直天差地别。
更具讽刺意味的是，微软自己正在向内部团队推广Claude Code[1]——尽管他们几乎可以零成本使用Copilot，并且还是OpenAI的重要股东。这恰恰说明他们已经落后了多远。
问题在于，在许多企业环境中，Copilot往往是唯一被允许使用的AI工具。你若使用其他AI工具，轻则要花费巨大精力去申请审批，重则可能会丢掉工作。Copilot运行缓慢，其代码执行工具功能不完善，在处理稍大一些的文件时几乎必然崩溃——显然是因为内存与CPU资源被极度限制。
这对很多企业来说正成为一种“生存风险”。高层决策者使用这些工具得不到理想效果，于是干脆否定AI的价值，或者花费巨资请大型咨询公司协助，却依旧收效甚微。
企业面临的结构性风险
大型企业的IT政策往往造成一系列灾难性的限制，使得员工无法有效使用更先进的AI工具。
首先，他们通常拥有极为封闭的工作环境，本地连最基本的脚本解释器都无法运行（若幸运的话，能用VBA，但往往也被组策略限制）。其次，他们依赖的传统软件缺乏“内部API”，这意味着即使能运行智能代理，代理也无从连接关键工作流程。
最后，他们的工程部门往往高度割裂，甚至被完全外包，所以即便想构建一个安全的AI代理运行环境，内部也无人能实现。
安全顾虑确实存在。没人希望员工随意让代码代理直接操作生产数据库——风险太高。而我之前也提到，构建安全的沙盒代理并不容易[2]。
但问题是，缺乏内部工程能力，就无法打造能安全调用企业数据的AI基础设施。
巨大的差距
我与一些规模较小、没有这些“包袱”的公司交流过，他们在AI应用上发展极快。两种公司之间的差距非常明显。
一方面，你能看到微软那糟糕的Excel Copilot整合（公平地说，谷歌Sheets的Gemini整合也不好）。你可以想象财务总监尝试用它时，它把最基本的任务都搞砸，于是他们再也不会碰它。
另一方面，你会看到一个非技术出身的高管，却能熟练使用Claude Code并在本地运行Python。我最近就帮过一位高管，几乎“一次成型”地把一个包含30个工作表、复杂到令人头疼的Excel财务模型转换成了Python脚本。
当模型进入Python后，借助Claude Code，你就等于拥有了一个随身的数据科学团队。你可以轻松运行蒙特卡洛模拟、导入外部数据、构建网页仪表板，并让Claude Code与你一起分析业务模型的弱点。这种体验令人惊叹——看到一个人意识到自己竟能如此高效，而不再被Excel束缚。
结果是，小公司员工的生产力远远高于大型企业中的同类岗位。过去，小公司的人常常羡慕大企业的资源与团队，但如今我觉得情况正在反转。
未来的趋势
我逐渐看清了未来工作的形态。首先，真正的突破往往来自员工自发的尝试，而非高层制定的“AI战略”。我看到的最大生产力提升，来自小团队自己为熟悉的流程打造AI辅助系统——他们对流程了如指掌，因此能快速见效；而外包的软件团队往往对业务一无所知，效率极低。这与过去企业“数字化转型”项目的自上而下模式完全相反。
其次，拥有内部系统API的公司，远比没有API的公司更具优势。这可能只是一个只读数据仓库，供员工通过AI查询；也可能是复杂的业务流程都通过API暴露出来。
再次，这一切都需要安全机制包裹。我认为，运行代码代理的托管虚拟机（配合合理的网络限制）会是一个不错的方案——至少在只读报表场景下可行。而对于创建或编辑数据的操作，我们还没找到非技术用户能安全使用的模式（至少目前还没有）。
最后，那些老旧的企业SaaS供应商要么拥有强大的客户锁定力，要么极度脆弱——这取决于视角。多数产品并非“API优先”设计，它们的API多为开发者准备，不适合成千上万的员工以各种低效方式调用。但如果这些系统是企业的“真相源头”，就几乎不可能迁移，也因此成为生产力提升的瓶颈。
相比之下，小公司使用的现代产品往往天生拥有完善的API——因为它们不是几十年前拼凑出来的。
知识工作的未来
未来的知识工作模式将是：用户发出指令，AI代理连接系统API，实时生成结果。
换句话说，用户发出提示（prompt），代理综合信息、连接API、并按需输出结果。
我逐渐意识到：当你拥有一个带编程语言与API访问权限的安全沙盒环境，再配合智能代理框架，其结果之强大令人难以置信。它几乎可以替代现有的所有生产力软件——无论是传统的Microsoft Office，还是各类网页应用。它可以生成任何报告，并以任何格式导出。对我而言，这正是知识工作的未来。
如今，这种分化是真实存在的，而且正在迅速加速。我不认为历史上曾有任何一个时代，小团队能如此轻松地击败规模比自己大一千倍的公司。