你刚雇了一百万个差员工
公司把无限 Agent 和 token 预算塞给全员，坏流程会按秒复制。下一课不是再买模型，是学会管这支数字队伍。
- Hebbia 创始人 George Sivulka 发长文：企业给全员发了近乎无限的 Agent 与 token 预算后，瓶颈从「模型够不够强」换成「会不会管这支数字队伍」。
- 主线类比 19 世纪铁路：轨道（能力）先到，调度（管理）后补；Agent 把模糊任务和坏流程按秒放大。
- 七组对照：堆 token↔人海战术，循环↔会套会，浪费 token↔编制膨胀，100X 上下文↔10 倍工程师，囤上下文↔保饭碗，Evals↔OKR，转型公司↔下一代产业位。
- 规模化靠的是 evals（可重复验收标准）；代码场景先跑通，因为结果能自动判定过不过。
- 商业结论押「AI 转型公司」帮老公司把差异化流程编进 Agent；文中多处图表含外推与 illustrative 标注，当管理框架读，别当审计报表。
立场提示：作者是 Hebbia 创始人兼 CEO。公司帮金融、法律等团队把 AI 嵌进真实工作流，生意形态接近文中说的「AI 转型」。后文写转型公司会比 Neofirm 大一个数量级，与自身商业位置同向。当带立场的从业者长文读，不是中立市场调研。
账面上的生产力，现场是一支停不下来的队伍
企业以为在买「生产力」：签模型额度、给全员开助手、再挂能自己点工具的 Agent。真正发生的是另一件事：把近乎无限的数字编制和预算，发到每个员工手里，包括最不会把任务说清楚的人。任务一旦含糊，Agent 不会停手问人，只会继续干、继续烧 token。坏流程以前靠人手慢慢扩散；现在按秒复制。
一句话：你雇到的，是「出错也会无限加班」的员工。
举例示意（非原文案例，用来对照自家现场）
「帮我把这个客户文件夹整理一下，做个更新。」
- 没写清交付物：要纪要、要风险清单，还是要可发给客户的邮件？
- 没写清范围：哪 3 个文件算数，哪些聊天记录可以忽略？
- 没写清停止条件：什么叫「够好了」，什么情况该停下来问人？
- 没写清验收：谁用什么标准说「过」？
同一句含糊指令，人时代和 Agent 时代的「坏法」不一样。点下面两个标签看对照（标题始终可见）：
人也会卡住，但坏得慢
同事收到这句指令，通常会先回问：「你要发给谁？要不要带数字？明天会前用吗？」问不清就开短会，最多拖一天。浪费的是日历和耐心，账单不会自己滚雪球。
Agent 不会抱怨，但会无限重试
同一句指令丢进 Claude Code / Copilot / 任意 harness：它开始列大纲、改结构、再开一轮自评、再调用自己修自己。没有停止条件，就没有「做完」。失败也用完美排版自信地交出来。token 是模型读写计费的基本块，可近似看成 AI 干活时消耗的字数额度，额度在账单上自己往上爬。
把上面「Agent」那侧拆开，现场往往长这样（示意一条坏循环，不是审计数据）：
接到含糊任务
「整理客户文件夹」没有交付物定义，也没有「做完」的样子。
先写一版看起来完整的东西
大纲、摘要、表格齐活，格式漂亮，但不知道过不过关。
自评不过，再开一轮
Agent 调用自己修自己：加材料、换结构、重跑检索。人没介入，环就不会断。
账单上涨，业务结果几乎不动
token 在烧，真正能用的交付仍缺。这就是「用 token 买继续花 token」。
对照原文：loop 是对「几乎没人会写清任务」的创可贴式补偿；暴力穷举成了系统唯一前进方式。
数据侧的症状也吻合这个故事。下面两张图来自原文：人均 AI 支出在爬，高强度采用组的编制也没塌。读法应是「钱和人都在涨，不等于 AI 在可靠交付」，不要直接读成「AI 创造了岗位」。
问题不在「模型笨不笨」，在于公司把无限执行力发下去时，没有同步发出：交付物、边界、停止条件、验收标准。没有这四样，Agent 只会把含糊任务做成大规模返工。
能力先到的时候，旧调度会出事
蒸汽机解决了「跑得慢」；下一秒问题变成「谁协调、谁负责、撞了怎么办」。Agent 解决了「人手不够」；下一秒问题变成「谁定义任务、谁验收、错了怎么停」。
1830 年代，美国铁路里程大约涨了 120 倍。运输能力暴涨之后，1841 年 10 月 5 日，马萨诸塞州 Western Railroad 两列火车因协调失败相撞并造成死亡。蒸汽机已经够快，单靠列车长却管不住一张越来越大的网。
铁路公司后来补上分区经理、书面职责和汇报关系。现代大企业管理结构，很大一块就是为「能力扩张后谁来协调」长出来的。铁路也因此长成当时最大的产业之一，峰值时约占美股市值六成。
Agent 这一轮，Sivulka 认为结构相同：模型与工具是新轨道，企业却还在用「单车段」的调度方式。更糟的是，每个员工，包括最不擅长把任务说清楚的人，都被发了近乎无限的数字人头和预算。
人和 Agent，垮在同一套组织病上
七条对照不是七个段子。它们是同一条病在 token 账本上的投影：任务说不清，就用循环硬扛；成本空转膨胀；高杠杆上下文握在少数人手上又交不出来；没有验收就不敢规模化；最后有人靠「帮你把公司编成系统」吃饭。
烧 token 解决不了「不会用」
「多烧 token 就能赢」这波热度，原文写一个月就走完了生命周期。真正的问题是用法：Sivulka 估计大概只有 1% 的员工会给 AI 正经上下文，能把流程说清楚，也受得了被污染的上下文窗口。另外 99% 人拿到 Agent 脚手架，主要产出「循环」。
Claude Code、Copilot、Karpathy 的 Autoresearch，以及各种 harness 里的循环，在原文里经常被写成创可贴：人没把任务说清楚，系统只能用暴力重试往前拱。Agent 不断调用自己去修自己，看起来像自主性很强，更常见的原因是上游缺少干净的目标、边界和停止条件。于是你在用 token 去买「继续花 token」。
空转会自我繁殖
作者把多数公司的管理现状写得很狠：大部分人并不真正拉动业务，只是在每一层盖章，再雇更多人喂养一台为存在而存在的机器。这也是在 looping。有时砍环比加环更有效。他举了 Elon 裁掉 X 约 80% 编制后公司运转的例子，以及私募运营合伙人靠砍冗余吃饭的常识。套到 AI 上：
就像 80% 的员工几乎不产生结果，今天 80% 的 token 也几乎不产生结果。这是观点强度很高的类比，不是审计过的全行业计量。
真正值钱的是 100X 上下文，而人未必肯交
传统软件的承诺是：写一次，低成本永远跑，几乎不用盯。AI 换来了「什么都能做」，也换来了「很难稳定只做对一件事」。token 一旦被当成员工，很多口号就会裂开：
- 更准，但只在提示正确时
- 更快，但重试 100 次时速度失去意义
- 不玩政治，但会建起 token 支出帝国
- 不离职，但会在新模型与新会话之间「死亡」
- 可信任，却常以完美格式自信地错
什么叫「100X 上下文」（高杠杆上下文；例子为示意）
- 关键不在「把整盘硬盘塞进提示词」。真正管用的，往往是一小段能让后续消耗掉数量级的规则与样例。
- 例如：你们合同审查只关心哪 8 个风险点；哪些条款永远红线；过去三份「过关样本」长什么样；什么情况必须停手找律师。
- 有了这些，Agent 少试几十轮；没有这些，它就用循环去猜。
AI 真正稳赢人的，是扩展速度：招人、入职、流失极贵；扩 token 几乎瞬时。所以管不好极贵，也所以要找到并放大那些 100X 上下文。平均而言人可能比 token 便宜；在规模上，好的 token 更便宜。管理，就是在这两端之间做兑换。
公司内部还有一个会越来越重的政治问题：员工不愿把独门做法教给 AI。他们开始意识到，这些系统不只是「帮自己提效」。原文点到 Meta：连持股员工，在公司用员工上下文做训练数据时也强烈反弹。部落知识当了几个世纪饭碗；AI 是第一项要求工人一次性交出来的技术。握住 100X 上下文的人，最没有动力交出去。
能规模化的，是验收，还有把公司编进系统
前面解决的是「任务怎么说清楚、循环为什么烧钱」。这一节解决另一半：就算偶尔做对一次，你怎么知道它每次都对？没有可重复的验收（evals），Agent 无法规模化；只有验收还不够，还得把你们公司真正怎么干活的细微差别，编成系统能跑的规则。Sivulka 把后半截生意叫「AI 转型」。
为什么代码先跑通：因为有内建「过 / 不过」
管 token 队伍和管人，最好的办法同一条：先定义什么叫做好了。目前几乎唯一冲出政治泥潭、还把蛋糕做大的 AI 场景是写代码。机制很硬：代码跑得通或跑不通，测试绿或红。作者甚至把「今天 AI 收入里编码占绝对大头」归因于此。
把「客户文件夹整理」换成「写一个导出 CSV 的脚本」（示意）：交付物清楚（文件）、停止条件清楚（脚本跑完无报错）、验收清楚（打开 CSV 列齐）。Agent 就算中间循环，也有一个客观终点。没有这个终点的工作，就只能人肉盯屏，规模化立刻卡死。
- 事先写好：什么叫对、什么叫漏、什么情况必须停
- Agent 产出可自动或半自动复检
- 错了能回放、能改规则，而不是靠运气
- 同一套标准能复制到第 100 次任务
- 每次靠人说「感觉还行」
- 漂亮格式掩盖事实错误
- 新人 / 新模型一换，质量漂移
- 越不敢放量，越只能堆人盯 Agent
举个非代码例子：合同风险摘要（示意，非原文案例）
「帮我看看这份供应商合同有没有坑。」
- 没有 eval：Agent 给你一篇通顺中文；法务仍要从头读，省不了多少时间，还可能漏红线。
- 有 eval：你们事先规定：必须覆盖「自动续约 / 责任上限 / 数据出境 / 解约窗口」四项；每项给出条款定位；缺一项算不过；引用原文句，禁止空话。
- 有了这套标准，Agent 的输出才从「聊天」变成「可入流程的工件」；也才能谈规模化给 50 个业务员用。
所以原文说：跨领域场景要上量，得有人先做出对应的业务 eval。具体的验收集，比教全员写提示词、比发一个聊天框更关键。管理的实质，是把含糊的人工程序，尽量写成可重复检查的标准。公司的 eval 套件，会变成最值钱的资产之一。通用 eval 或通用 Agent 带不来差异化；每家公司自己的判断标准才有护城河。
光有模型采购不够：还要把公司「编进」Agent
企业买基础模型承诺、应用层和内部自建已经好几年。Sivulka 认为这些开支共同遮住一句难听的话：还没有谁把 AI 稳定跑在生产级可靠上。钱花在「能用的模型」上，没花在「我们这门生意怎样算做对」上。
硅谷对此的一种下注，是赌「今天的公司搞不定」，于是资助 Neofirm / AI 原生服务公司，去切知识经济里约 21 万亿美元的服务支出：从零建一支没有旧包袱的 AI 服务队，直接抢传统律所、咨询、外包的活。
Neofirm 的赌法
从零建 AI 原生服务公司，用 Agent 队伍替代传统人力服务，直接吃现有服务预算。
转型公司的赌法
最值钱的流程仍在老公司里。卖的是：帮它发现真实流程、写出 eval、压 token、接进现有系统，让 Agent 按「他们的规矩」跑。
Sivulka 押后者，并写「AI 转型公司会比任何 Neofirm 大一个数量级」。他的理由很具体：老公司手里有已经赚钱的差异化流程，加上现成客户与渠道；缺的是把这些东西编码成 Agent 能执行、能验收的系统。Neofirm 可以从外部施压，但最大资产仍在 incumbent 内部。
「把公司编进系统」具体在干什么（据原文转型论述展开的示意，非作者清单照抄）
挖真实流程，不挖 PPT 流程
谁真正拍板、例外怎么走、哪一步总返工。这些常在老员工脑子里，不在制度手册里。
写成上下文 + 权限 + 工作协议
Agent 能读什么客户数据、不能碰什么、做到哪一步必须停手找人。
挂上专属 evals
每类任务有「过关样例 / 失败样例 / 自动检查项」，而不是每次靠主管心情验收。
接入现有系统并持续改
CRM、网盘、工单、权限系统接上；失败案例回流，规则更新。这是持续生意，不是装一次插件。
听起来像一次性项目，但有杰文斯悖论：每落地一个用例，常会再冒出十个；能力越便宜，用量越大，转型消耗反而上升。所以「转型」会变成长期运营，而不是交钥匙走人。AI 时代的转型，也不止于本体建模、定制软件和偶尔写得漂亮的提示词。硬活在 eval、在 token 最小化、在把一门生意理解到可以编程。
规模化有两块硬底座：evals 让「对不对」可重复判定；转型工作把你们公司的真实规矩编进 Agent。缺任何一块，就只能停在「全员有聊天框、没人敢放量」。
该管了
AI 热潮每一阶段都有一句顺口溜：淘金卖镐 → 建了基建；Service-as-a-Software → 生出一堆 Neofirm。原文最后写得很干脆：基建够了，服务也够了，现在的活是让火车按时开。该做的是进企业现场：找到 100X 上下文，记下真正有效的循环，把正在被严重浪费的智能重新导向。
人类刚刚显得比软件便宜。
仍然得有人告诉他们俩，各自该干什么。
无限 Agent 先放大的，是公司原来就没写清的管理问题
Hebbia 创始人 George Sivulka：全员拿到近乎无限的数字编制后，下一课不是再买模型，是学会管这支队伍。
↓ 一页读完 · 有一张会动的图
公司签模型额度、给全员开助手和 Agent，以为买到了生产力。真正发出去的，是近乎无限的执行力和预算，包括发给最不会把任务说清楚的人。
人手时代做不到的「秒级复制」突然有了
✘ 不能停：没交付物、没边界、没停止条件、没验收时，它不会主动问人
坏流程以前靠人手慢慢扩散，现在按秒复制
主线类比 19 世纪铁路：轨道（能力）先到，调度（管理）后补。Agent 是新轨道；企业还在用「单车段」调度，却给每人发了无限数字人头。
含糊指令会追问、开会、拖一天。浪费日历和耐心，账单不自己滚雪球。
「整理客户文件夹」→ 先问发给谁、要不要数字
同一句指令触发循环：列大纲、自评、再修自己。没有「做完」，token 自己往上爬。
loop = 用 token 买「继续花 token」
七组对照可压成三件事：任务定义、执行观测、知识与激励。模型变强不会自动补齐这三层。
小互把一句含糊任务丢进 Agent 池：没有四样东西，环就不会断。
能规模化的不是「再开更多 Agent」，是可重复验收（evals）+ 把公司真实规矩编进系统。代码场景先跑通，因为过不过能自动判定。
没有公司名单。
没有截止标准。
没有预算上限。
拆任务
搜网页
写报告
自我检查
再来一轮
答案还是不知道
因为没人定义「完成」。
- 指定 8 家公司
- 价格附来源日期
- 结论要两处证据
- 超过 20 美元就停
目标清楚以后，循环开始纠错，不再空转。
也会复制管理失败
模型人人可以买。
什么算好、什么必须停，只有公司自己能写。
文中多张成本图含外推或示意值，不能当普遍实测。
終也是能力