Seb Goddijn 是 Ramp 内部 AI 项目的负责人。他在加入时不是来谈"取代一半同事"的，他相信的是：如果能帮助人们理解这个新工具，它能显著改善他们的工作体验和对工作的整体感受。
一年后，他的信念更强了——也因此觉得有必要对这个"AI 取代人类"的主流叙事提供一个反论据。
完全自动化在大多数场景下根本不现实
用一个看似简单的例子说明：写一封给潜在客户的邮件。
假设你的 AI 已经掌握了关于客户、产品和所有历史对话的完美上下文，它仍然需要决定邮件的正确"意图"。
是要生成销售？是要铺垫一个负责人以便引荐给他们的 VP？要不要提及他们竞品已经在用你的产品而且正在领先？
自动化这些决策，意味着存在某种客观正确的唯一结果——但大多数现实场景里根本不存在这种客观正确。问五个不同的人这个情况该发什么邮件，你会得到五个不同的答案。
这就是重点：人们的工作是他们是谁以及他们对世界独特理解的表现，这种微妙差异是区分优劣的关键。
唯一避免这种微妙差异的方式是彻底把人从对话中移除
但这带来了新问题：如果我们不参与叙事，怎么确保决策和我们的目标一致？如果不一致，是不是意味着我们已经把控制权交给了 Agent？
因此，"人在回路"不应该被视为走向完全替代的过渡状态——它本身就是终态，而且对所有相关方来说这是更好的结果。
比效率更重要的是生命意义
他描述了看见一个没有技术背景的人第一次做出东西时的感受：改变了她对自我的认知，以及对自己影响力的判断。
当销售人员能够赢得全公司 hackathon，靠的是构建一个能在开会时实时帮助回答客户问题的 AI 助手——历史性的不是某个底层 KPI 被改进，而是生产资料首次对任何有笔记本电脑的人开放。
这相当于印刷术或个人电脑的级别，不是什么生产力提升。
这是第一次，创作能力不再被资本、教育或社会关系的门槛阻挡。
当然，拥有算力、芯片和底层模型的人会积累巨额资本，但这不需要必然制造一个底层阶级。这些基础技术的巨额投资会持续压低智能的成本，使其对能被真正影响的人更加可及。
Labs 不会把 AI 带给所有人
有一个结构性原因解释为什么我们看到 AI 向真正经济的扩散非常有限。
前沿 Labs 融了巨量的钱，需要巨额收入来支撑估值。这导致他们把精力集中在愿意花大钱保持竞争优势的大型科技公司。
不管 Labs 自己的意愿如何，这导致了一个经济现实：在这种现实里，无效率反而对他们有好处——你用的 token 越多，他们赚得越多。所以没有强大动力去推动更便宜的模型或强调效率，除非是击败直接竞争对手所必需的。
对于成本敏感的消费市场，这不是好消息。
为什么现在
这是第一次，用户真正在认真讨论他们的任务是否真的需要最新版本的模型。Opus 4.6 和 GPT 5.4 可能会成为 AI 变得足够好可以完成大多数事情的标志性时刻，而 DeepSeek 和 Kimi 这些开源竞争者已经接近或超过了这个成熟度点。
这意味着现在有了空间：能够以当前竞品零头成本为全球大部分人口提供真正价值的产品，即使模型继续改进也能保持这种优势。但这不是 OpenAI、Anthropic 或其他百亿 Labs 会推动的事情——它将由新一代相信人类增强比替代更崇高的创业者推动。
他的结论：这个版本的 AI 值得构建，它不是值得焦虑的东西。