19世纪，英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）发现，一个看似矛盾的现象：当技术进步提升了煤炭使用的效率时，煤炭的总体需求量反而上升了。按照常理，如果假设需求保持不变，提高效率理应减少煤炭的消耗。但现实恰恰相反——效率的提升反而带来了巨大增长，因为资源的使用场景被大大扩展了。这个“杰文斯悖论”在工业化进程中屡次被验证，尤其是在技术领域。
举例来说，早期的大型主机时代，全球仅有数百台主机，只有世界上最大的企业才能负担得起。而到了小型机时代（大型机的更小、更廉价版本），全球的设备数量达到了几万台。再后来进入个人电脑（PC）时代，出货量则达到了数百万台——在短短三十年间，每一代计算机的普及率都提高了约一百倍。
在20世纪70年代，只有财富500强企业才能使用强大的软件来处理会计工作。而到了2000年代，随着云计算的出现，全球每一家理发店都能使用类似的工具。这种转变同样发生在CRM系统、通信技术、营销自动化、文档管理软件等几乎所有企业软件领域中。大型企业曾经在采购、安装、维护、计算能力等方面的巨大优势，几乎在一夜之间因云计算而消失。
因此，计算技术的效率提升实现了确定性工作的自动化普及（通过软件实现），这一趋势在几十年间席卷了几乎所有行业。然而，绝大多数企业的工作其实是非确定性的——也就是说，它们涉及复杂的判断与创造，例如审阅合同、编写代码、生成广告创意、进行高级市场研究、提供全天候客户支持等成千上万种任务。
人工智能代理（AI Agents）的出现，将使这类非确定性知识工作的民主化成为可能，这将彻底改变商业的许多方面。如今，大型企业可以轻松地在不同项目间调配资源，敢于投入实验性想法，能够为新项目聘请顶尖的律师或市场专家，甚至可以快速雇佣工程师来构建新计划。而这种灵活性与资源优势，通常是经过数十年甚至上百年成功经营才能积累的。也正因为如此，全球绝大多数公司与创业者在起步之初就面临着极大的劣势。
但AI代理从根本上改变了这种局面。它显著降低了组织中几乎所有任务的投入成本。许多人在思考投资回报率（ROI）时，错误地将“R”（回报）视为关键变量，而真正的杠杆点在于降低“I”（投资）的成本。任何经历过预算规划的人都清楚，经营企业时资源永远是稀缺的。当你是一个小团队时，你必须在营销网页、产品功能开发、客户支持、财务处理、新渠道拓展等多种任务之间艰难取舍——每一项投入都会牵制增长的潜力。
而现在，AI正在打破这种核心约束——即“执行任务的成本”。有位网友Roon在X（前Twitter）上指出，如今任何普通人通过AI所能获得的教育与辅导资源，甚至超过了过去贵族阶层能得到的。而在商业领域，今天的每一家小公司都能获得相当于十年前财富500强企业的技术与人才资源。
由于进入门槛的降低，许多领域的工作需求将增长10倍甚至100倍。过去那些因为成本过高而从未尝试的项目，如今都能轻易启动。想象一家十人规模的服务公司，以前他们没有自建的专属软件系统。要从零开始开发一个完整应用、确保其长期运行、安全稳定并响应客户需求，至少需要多人长时间投入，因此项目根本不会被启动。而现在，团队中的某个成员可能只需几天就能用AI生成原型、验证其商业价值。这种场景几乎可以套用到任何类型的组织任务中。
当然，许多人会担心：在这个新世界里，所有的工作都会消失吗？事实并非如此。尽管AI让我们能自动化许多任务，但真正创造价值的完整工作流程仍然需要人类去统筹、监督与提供上下文。过去几年AI模型性能的提升，确实让AI输出的质量显著提高，但距离“完全自主、能完美执行并持续维护”的AI仍然相差甚远。
我们已经看到AI能够替代人类完成许多具体任务（如市场研究、功能代码编写、广告内容创作等），但要将这些任务整合进真正创造价值的完整流程，依然需要人的判断与努力。即使未来AI能执行更多完整的工作流程，人类也会对工作成果提出更高要求。最终，今天的“工作”将演变成明天的“任务”。
事实上，这种情况在历史上屡见不鲜。如果你在1970年代告诉人们未来会有Figma或Google Adwords这样的工具，他们可能会认为市场营销岗位会大幅减少——因为未来一个人就能做许多岗位的事情。但结果恰恰相反。粗略估算（基于AI的数据分析）显示，1970年代美国与营销相关的从业者（公关、平面设计、广告等）大约有数十万人，而如今已达到数百万。
为什么在技术让工作效率提高数倍的同时，岗位数量却增长了五倍以上？正是因为效率的提升让更多企业能够参与其中。过去广告业仅属于大型消费品或汽车公司，如今几乎所有小企业都能开展营销活动。营销技术、CRM系统、数据分析、图形设计软件、投放平台、新的分销渠道等科技手段，让更多企业能证明做复杂营销是“划算的”。AI的普及将使这种现象在更多行业中重演。
杰文斯悖论正降临到知识工作领域。通过让执行各种任务的成本大幅降低，我们最终会做得更多。未来绝大多数AI计算资源（tokens）将用于我们今天根本不会做的事情——那些原本不会启动的软件项目、不会被审阅的合同、不会被发现的医学研究、以及不会被推出的营销活动。