Seb Goddijn 是 Ramp 的"内部 AI"负责人。去年加入时，他的目标不是用 AI 替代一半同事，而是帮他们理解这个新工具，改善工作质量和生活质量。
这篇文章是他对硅谷主流叙事的系统性反驳。
自动化不是终点
Goddijn 用一个看似简单的例子拆解了"全自动化"的幻觉：写一封给潜在客户的邮件。
假设 AI 已经完美掌握了客户背景、产品信息和历史沟通记录，它仍然需要确定邮件的意图。是暖场培养一个未来的推荐人？还是提一下竞争对手已经在用你们的产品？
"能自动化这种决策，意味着存在某种客观上正确的结果。但大多数真实场景根本没有正确答案。问五个人，你会得到五种不同的答案。"
人的工作反映了他们是谁，以及他们对世界的独特理解。这种细微差别，正是区分平庸和卓越的关键。唯一消除这种差别的方法，是把人类完全排除在对话之外——但那样你就无法确保决策符合你的真实意图。
Goddijn 认为，"人类在回路中"（human in the loop）不是通往全自动化路上的临时状态，它就是终点状态，而且对所有人都更好。
生命中不止有效率
Goddijn 讲了一个自己的故事。他一直热爱创造，但从未有天赋以此为生。直到偶然进入计算机科学领域，发现可以用笔记本电脑在几小时内做出有形的东西。这种能力从未失去魅力，而他也亲眼看到 AI 把同样的礼物送给了许多同事。
"当一个没有技术背景的人第一次做出东西时，这改变了他如何看待自己和自己的影响力。当一个销售人员靠着自己搭建的通话助手赢得全公司黑客马拉松时，这才是 AI 故事中真正具有历史意义的部分——不是某个 KPI 被改善了，而是生产资料变得任何人都能获取。"
这种转变的级别，堪比印刷术或个人电脑，而不是一次生产力提升。
实验室不会把 AI 带给所有人
Goddijn 指出了一个结构性问题：前沿实验室融了巨额资金，需要不断增长的收入线来支撑估值。这导致他们把精力集中在愿意大出血的高科技巨头身上。
" inefficiency 对他们来说其实是好结果。你用得越多，他们赚得越多。所以没有巨大动力去推更便宜的模型，或者主动帮你提高效率。"
他举了一个思想实验：为什么 Claude Code 和 Codex 有多个智能等级，却不提供任何真正的使用指导？为什么他们把更高的推理等级设为默认？为什么继续模糊成本相关指标？
"我不是在评判实验室，他们是普通企业。但当你有极高的收入目标，且商业模式依赖消耗量时，激励可能与理想消费者结果不完全一致。"
为什么是现在
Goddijn 认为，Opus 4.6 和 GPT 5.4 可能成为历史上 AI "足够好"的拐点。DeepSeek、Kimi 等开源竞争者已经接近或超过这个成熟度门槛。
这意味着，现在有了空间去打造真正服务大众的产品——以现有巨头价格的一小部分，提供真实价值。这不是 OpenAI 或 Anthropic 会做的事，而是新一代相信"人类增强比替代更高尚"的创业者会做的事。
"我期待一个技术真正 leveling the playing field 的世界。在那里，把想法变成现实并分享给世界的能力，不再受经济状况或其他不可控因素的限制。这才是值得为之建设的 AI 版本，而且没什么好焦虑的。"