Seb Goddijn，Ramp 内部 AI 负责人，写了一篇与硅谷主流叙事针锋相对的文章。核心论点：AI 的目标不应该是替代人类，而是增强人类。Human-in-the-loop 不是通往全自动化的过渡状态——它就是终态。
自动化不是目标
以一个"简单"例子说明：给潜在客户写邮件。
假设 AI 已有完美上下文——客户信息、产品信息、所有历史线程。它仍然需要确定邮件的正确意图。你想生成销售，但最佳方式是什么？是预热潜在冠军让他们引荐 VP？还是提竞争对手已经在用你们产品？
能自动化这种决策，意味着存在某种"客观正确结果"。但真实世界中几乎没有。问五个人该发什么邮件，可能得到五个不同答案。人们的劳动反映了他们是谁以及他们对世界的独特理解，这种细微差别正是区分最佳与平庸的关键。
避免这种细微差别的唯一方式是把人类完全排除在外，让 AI 在交易两边拥有完全采购权。但这带来新问题：如果我们不是叙事的一部分，如何确保决策符合我们的意愿？
生活中有比效率更重要的东西
Goddijn 描述了一个"魔法时刻"：没有技术背景的人第一次构建出东西时，他们看待自己和影响力的方式改变了。
当销售团队有人通过构建一个能实时回答客户问题的助手赢得全公司 hackathon 时，这才是 AI 故事中真正历史性的部分——不是某个底层 KPI 被改善了。这是生产手段向任何有笔记本电脑的人开放，其重要性堪比印刷机或个人电脑。
缺失的变量不是更多廉价商品，而是 agency——人们无论处境如何都能对生活结果感到有掌控力的能力。
实验室不会把 AI 带给所有人
前沿实验室筹集了荒谬的资金，需要巨大且不断增长的收入线来证明估值。这导致他们专注于高资本化的科技公司——愿意承担巨额费用以领先竞争对手的企业。
这创造了一个经济现实：低效对实验室来说实际上是好事。你用越多 token，他们赚越多钱。他们没有巨大动力推动更便宜的模型或突出低效——除非是为了击败直接竞争对手。
Goddijn 指出一个细节：Claude Code 和 Codex 有多个智能设置，但不提供何时使用它们的真正指导。为什么将更高推理级别设为默认？为什么继续模糊成本相关指标，把 figuring out 如何最有效的负担放在用户身上？
我不是在评判实验室，他们是企业。但当你有极其陡峭的收入目标和依赖消费的商业模式时，激励可能与理想消费者结果不完全一致。
为什么是现在
用户第一次认真辩论他们的任务是否复杂到需要最新模型。Opus 4.6 和 GPT 5.4 可能成为"AI 已经足够做好大多数事情"的历史时刻，而 DeepSeek 和 Kimi 等开源竞争对手已经接近或超过这个成熟度点。
这意味着现在有一类产品可以：以现有巨头价格的一小部分，为全球相当比例的人口提供真正价值，并有机会在模型持续改进时维持这一优势。
这不会由 OpenAI、Anthropic 或其他千亿实验室推动。它将由新一代企业家推动——他们相信人类增强是比替代更崇高的目标。