乐观判断也包含对“只有智能就够了”的限制
查看原文 03:09在这期 Lenny's Podcast 中，a16z 投资人、曾任产品建设者的 Anish Acharya 解释了为什么他认为公司会成为一组组智能体循环。在他的图景里，人仍然负责选择方向、处理例外，以及设计消费者愿意花时间使用的产品。
他不认同这样一种必然性：只要错过最新 AI 工具，就会落入永久底层。他提到，多样的技术生态、组织采纳工具的速度，以及很多问题并非只受智能水平限制。
这些是他对未来的论证，并不是不会发生冲击的证明。他举的例子是披萨连锁企业：即使获得一整座数据中心的高水平思考者，也不会自动消除所有物理和组织限制，更不意味着一家企业就能拿走整个市场。
给员工工具，不等于重新设计公司
查看原文 08:43Acharya 反对一种想象：觉得别人的工作都容易自动化，自己的工作却特殊。他认为，员工往往希望获得更多能力，只要得到机会，也能学习工具。
他介绍了 Kavak 的内部培训，参与者包括维修技师，六周课程结束后会交付一个用于生产的智能体。这个例子体现的是培养人的兴趣，而不是只把员工看作待替代的任务。
接着，他区分了两种改变：把 AI 放进已有职能，以及围绕 AI 重新组织公司。他用工厂采用电力作类比：更换动力来源，与重新设计整套生产布局，不是同一层次的变化。
业务循环要把行动连接到结果
查看原文 11:50编程提供了一个具体起点：收到错误报告，生成复现，完成并审查修复，再按风险决定发布方式。循环还可以继续，向客户通知问题已经解决。
Acharya 问的是，营销、销售、支持和法务中的对应流程是什么。他设想，个人、职能、业务单元乃至公司更大部分都有循环，小循环的输出又为更大范围的判断提供输入。
但他没有说，大部分组织工作已经适合完全自主执行。在他的解释里，销售、支持、策略和例外处理仍是重要的人类活动。他尤其不认同，把数学推理的进步直接等同于能创造好的业务方向。
优化会到达局部最优
查看原文 14:42增长团队传统上会收集实验想法、排序、开发、发布和衡量。在 Acharya 描述的循环里，可以生成和衡量更多变体，发布有效改动，并通过保留组检查长期效果。
限制在于，这个过程究竟在爬哪一座山。循环可以沿一个方向改善，直到进入平台。然后，需要人的直觉提出另一个方向，也就是他所说的下一座山脚。
15:30 的原视频幻灯片展示人选择新山、智能体在其中测试、发布和衡量。这是概念模型，不是实测性能数据。
对话里“让智能体替我赚一百万美元”的例子，直接说明了这一点：系统仍然需要有用的方向。重复一个没有明确边界的目标，并不会自行补上缺失的业务判断。
把卡住看成缺失上下文的问题
查看原文 19:02Acharya 给出一个实际诊断方法：模型做了你不会做的选择时，问问自己知道什么，而它不知道。缺口可能是信息或背景，而不只是努力不够。
他提到，Kavak 的智能体卡住时会呼叫人，由人指导它走过当前情形，之后产生的轨迹又能帮助改善后续行为。这次干预既解决眼前任务，也留下可学习的例子。
这就是组织图景中的反馈连接。把任务交给智能体只是开始，人仍要看见它在哪里失败，并补上改善循环所需的知识、数据或方向。
模型成本要看更好答案的上行价值
查看原文 21:55对话还讨论了什么时候用前沿模型，什么时候用更窄、更便宜的系统。Acharya 从价格、性能，以及再提高一点能力能创造多少价值，来理解取舍。
如果问题的潜在收益特别大，更强推理的额外成本可能值得承担；如果是有明确边界、只需正确完成的任务，为边际智能无限付费可能并不合理。他因此讨论，同一组织可以使用不同模型家族和专门配置。
但他也补充了这一区分的复杂性。一通看似例行的支持电话，可能包含改变公司的第一条线索。可验证性也不能独立决定选择：边界清楚的会计任务与上行巨大的发现，都可能有可验证结果。
所以，这里同时包含支持通用智能和高效专门化的理由，并不是给部门排一个固定名次，也不是通用采购公式。
做出东西，才容易认识模型的差异
查看原文 26:38Acharya 说，自己会尝试用每个新模型交付一个作品。实际项目能显现差别，而把模型看成排行榜上可互换的名字，很难获得这种认识。
保留一两个持续迭代的项目，就有了反复尝试新能力的载体，不必每次重新想任务。项目可以有趣，也可以不重要，作用是让实验具体发生。
一次家庭实验也暴露了指标的弱点。他把自动屏幕时间系统与积极行为挂钩后，儿子在麦克风旁反复播放自己说“我爱你”的录音。这说明衡量会被钻空子，而不是推荐读者采用这套育儿系统。
消费者价值也包括连接、进步和乐趣
查看原文 32:18Acharya 认为，很多消费者想花时间，而不只是省时间。娱乐与社交产品回应的是连接、享受和进步感，他希望更多 AI 产品往这些需求发展。
他指出了几类障碍：模型成本、需要用户过多主动性的界面，以及对生产力的偏重。他提到聊天与信息流之间的空间，关心的是怎样让人获得价值，而不必先从零描述所有需求。
他将机会归为可解决一般问题的编程智能体、更简单的个人助手，以及创造与娱乐产品。更广义的抱负也包括家庭、本地服务和音乐，而不只是建立规模更大的公司。
持久优势可以从产品使用中形成
查看原文 54:54谈到护城河，Acharya 说，很多优势是在发展中发现的，而不是事先完整设计的。有些产品先凭工艺和参与度起步，之后通过使用和积累的经验形成优势。
他也提醒，熟悉的持久性来源，本来就不只是软件难写：网络效应、规模、品牌和专有资源仍然重要。一个大产品想法往往由许多小选择支撑，竞争者只抄标题概念，并看不到这些细节。
他更愿意听客户反馈、看实际势头，而不是只要求精巧的理论护城河故事。这是他的投资视角，同时并没有否认那些传统业务机制的价值。
产品更有抱负，分发仍然困难
查看原文 59:26Lenny 提出，每天有大量产品上线，怎样才能真正触达人。Acharya 强调口碑，以及围绕真实兴趣建设自己的渠道；已有网络未必欢迎别人在上面再建立一个网络。
他也要求创始人设想价值高得多的产品版本。问什么样的产品才能支撑很高价格，对他而言是一种设计练习，用来发现团队想象力的边界。
这段交流同时保留了两种关切：主持人在问产品最初怎样得到注意，嘉宾则强调工艺与抱负。更好的产品与真实可用的分发路线互相关联，却不能当作可互换的指标。
每周的小作品也可以教会你东西
查看原文 69:35Acharya 最后的建议是，多做东西，让项目成为学习模型的载体。他提出每周交付一个作品，不要求它变成公司，也不要求它永远有用。
他举例，用旧消息和照片为妻子制作母亲节演示。这是个人礼物，不是创业项目，却仍然提供了用工具创造东西的具体体验。
重点是，通过走到某种完成状态的工作建立直觉。即使没有更广泛的受众，一个小作品仍可以教会你一种能力、暴露限制，或者给某个人带来快乐。
本文整理自 Lenny's Podcast《Why companies are becoming a series of loops》，嘉宾为 Anish Acharya。预测、业务案例与产品判断均归属于对话；赞助和主线之外的快问快答内容已省略。