摘要：Box CEO Aaron Levie 论 AI agent 时代的「最后一公里」：自动化越多，留给人的判断、品味与领域专业反而越关键。
如今 AI agent 的一个常见体验是：你让一个 agent 帮你做某件事，它会处理掉过去需要人工完成的相当大一部分。但要把任务收尾，还有些额外工作要做，所以你会进去审一遍、清掉遗留问题、或者调整它走的方向，再把这部分整合进一个更大的工作产物里。
虽然 AI agent 加速掉了要完成的工作总量里很大一部分，但要产生价值，仍然需要走完最后一公里。在编码里，这可能是做 code review、安全审查，或者把软件推上生产环境。在咨询里，是审一遍生成出来的研究和 PowerPoint 文档（并把它交付出去）。在销售里，是 agent 把触达流程的前端自动化掉之后，做客户跟进和会面。
具体比例无关紧要，但在自动化的上限处，你可能会在很多职能上看到自动化掉的部分和你仍然手动做的部分呈 80/20 或 90/10 的分布。但关键在于，最后一公里其实仍然极其复杂，并且通常需要领域专业知识来理解整个任务本身——而不只是剩下的那部分。
这是因为，正是这部分工作要求你动用判断力和品味——去弄清楚 agent 的方案对不对、你该改什么编辑什么，或者必须在 agent 走偏的时候把事情拉回正轨，诸如此类。监督这个过程所需要的专业能力，正是 slop（AI 生成的水货）和真正能用、真正有价值的东西之间的差距。
战略财务分析师不会因为工具帮他走完了大部分路就摇身变成 CPA，哪怕他们最终都向 CFO 汇报。同理，没有设计师参与的 vibe-coded 营销站点一眼就能看出来。组织里相当多的岗位也都是如此。
顺带一提，这也是关于 AI 抢工作的那些论调通常错在哪里。如果你没法把整件事交付出去，做掉 90% 的工作毫无意义。最后一公里才是真正重要的。
新的最后一公里
好，那么当 AI 从做 90% 的任务进到比如 95% 或 99% 时，会怎样？那肯定就是一切都被自动化的时候了吧？
嗯，这是个开放且有争议的问题，但我强烈的直觉是，我们会随着工具所能企及的精细度同步把任务复杂度也提上去。今天 99% 的方案就是明天 50% 的方案。
随着我们越来越擅长自动化企业里更大的任务，这只会带来客户和市场更高的期待，进而扩张这个角色要保持竞争力必须做的事情。
这件事在历史上反复发生。几乎在每一个领域，新工具的出现都让工作变得更复杂而非更简单。我们的税法越来越长、法律法规越来越多、我们期待工程师写出多得多的软件、代码库里的代码行数已经爆炸式增长、要处理的生物学数据集已经指数级增长，等等。所有这些都让这些工作变得复杂得多。
AI 或许会赶上一名财务分析师、工程师或设计师如今所做的大部分任务，但接着公司和市场看到这一点，就只会对这个角色期待更多。曾经够用的那套分析不再过得去了。曾经那个水准的产品设计也不够看了。
正因如此，我们用工具拉高工作产物的水准线，然后一个新的「最后一公里」就在这过程里冒出来。这一过程会无穷无尽地继续下去。
