管着1000亿份文件的Box CEO：企业抢着用AI，但只有十倍改进才推得动

一家管理着超过1000亿份企业文件的公司，客户名单里有摩根士丹利、阿斯利康、博通、Airbnb，还有美国空军。它的CEO说，干企业软件二十年，云计算、移动化、大数据他都赶上了，没有哪项技术让企业高管层像今天对AI这么兴奋。

这人叫Aaron Levie，Box的联合创始人兼CEO。Box服务11.5万家企业客户，生意是把企业的合同、财务文件、营销素材、研究数据安全地存起来、管起来。1月29日，他上了Nathan Labenz主持的播客Cognitive Revolution，聊了一个多小时，把企业AI的现状讲得相当透。

先把他给出的几个判断摆在这：企业对AI的热情超过了当年的云计算；IT部门的工作性质要彻底翻转；企业只为十倍级的改进动真格；SaaS按席位收费的模式，二十年来第一次松动。

顺带说下他对AGI的立场。定义太模糊，谁也预测不了，但他盯的是模型进步的斜率：推理模型在数学、复杂逻辑、编程上的成绩一路涨，照这个速度，几年内就会出现某种符合我们过去AGI定义的东西。他自己的手机就是证据：过去十几年，主屏幕一年才进一两个新应用，最近半年进了至少五个，Gemini语音、ChatGPT视频、Perplexity、Grok全在列。

云计算当年是被求着用的

Levie是云计算浪潮的亲历者。2005年他创办Box，干的就是当年最激进的事：劝企业把文件从自己的机房，搬到别人的云上。

他回忆那段日子，用的词是怀疑、抵触、摩擦。

企业要把基础设施从自己管的机房搬出去，要信任从没合作过的供应商，当年没有企业把亚马逊当成企业级供应商，这个信任得一点点建。数据隐私和合规的理解也得换，从管物理设备，换成看API、看仪表盘、看审计报告。

云计算头两三年，客户的态度务实但冷淡：把一块基础设施虚拟化，这事毫无激情可言。

AI完全是另一幅画面。最近他在纽约见了几十位CIO和客户，把云计算头两三年和AI头两三年放一起比，他说没法比。企业在拼命找AI的使用场景，很多情况下找的场景比眼下实际能部署的还多。云计算时代的问题是「这块基础设施能不能搬上云」，AI时代的问题是「这个我们从没解决过的业务问题，AI能不能啃下来」。前者是搬家，后者是攻山头。

这对做企业软件的人意味着什么？Levie的原话是机会多到疯狂：微软、甲骨文、谷歌有机会，Box、Salesforce、ServiceNow这一层有机会，全新的创业公司也有机会，去做解决全新问题的AI agent。他还提醒，这个窗口期不会太宽，会有大量新公司在这几年里冒出来。

不过他马上补了个大星号：真正大规模部署的还极少，现在是极早期。热情是真的，热情和部署之间还隔着几道坎，下面细说。

IT部门要变成AI的人力资源部

Levie这期最有意思的判断，是关于IT部门的。

过去几十年的分工很清楚：业务部门提需求，说我要个CRM、我要个人力资源系统；IT部门选型、采购、部署、维护；然后业务的人拿这些工具去干活。IT是后勤，干活的一直是业务。

AI把这个关系翻了个面。Levie举的例子很具体：以后销售负责人会跑到IT部门说，我要发起一个新销售活动，你们有没有AI agent能帮我干？后台运营会说，你们有没有agent能审合同、审发票、跑客户入职流程？

英伟达CEO黄仁勋有句话，Levie认为说得最准：

IT部门会变成AI的人力资源部门。

以前IT管软件，以后IT管「数字员工」：选型像招聘，调提示词像培训，看评测像绩效考核。这意味着IT必须比以前更懂业务，必须盯紧整个AI生态，在公司里的战略位置会大幅上升。

顺带说下他对agent的定义。Nathan的口径是看自主权多大：AI有多少自由裁量空间。Levie故意取了最宽的定义，免得用户面对17种概念发懵：模型加工具调用加技能（提示词加私有架构）加数据访问，凑齐就是一个agent。按这个口径，Box现在第一代agent，两年前大家管它们叫助手。

他给企业软件分了三个时代：四十年前的「系统记录」，CRM、ERP，本质是改数据库里的行，100%确定性；之后的「系统交互」，Slack、Box这类协作工具，灵活但散乱；现在进入「系统智能」，AI来自动化工作流，既有记录系统的结构，又有交互系统的弹性，过去没法数字化的判断型工作，第一次能数字化了。

Nathan给智能下过一个工作定义：在没有明确算法告诉你每一步该做什么时，依然能完成有用工作的能力。Levie很喜欢，还补了个企业视角的推论：能用传统代码解决的事就用传统代码，更快、更便宜、更可靠，AI留给那些没有算法的模糊地带。麻烦在于很多老系统连API都没有，所以连「让AI去操作浏览器」这种笨办法，都变得令人兴奋。

1000亿份文件怎么答对：一个运气故事

Box的AI产品叫Box AI，能力分三层。

• 跟数据对话：拿100份销售演示文稿，问「卖这个产品给新客户，最佳实践是什么」，系统读完所有文档给出答案。
• 结构化抽取：从合同里自动抽出续约日期、签约方名称，存进数据库，之后可以查询、做仪表盘、跑自动化。
• Agent工作流：合同agent找出风险最高的条款，自动路由给对的人，再连到Salesforce、ServiceNow这些系统。

第一层听着像烂大街的RAG。Nathan当场抛出行业普遍的抱怨：很多公司上了RAG，效果都不行，最常见的失败是检索这一步就没找对内容，源头错了，答案自然错。

Levie的回答，一半是技术，一半是运气。

ChatGPT发布前一年，Box在做一款叫Hubs的产品，跟AI毫无关系。想法是按主题组织内容：建一个「销售Hub」，指向销售相关的文件；再建「日本区销售Hub」「某产品线Hub」，都指向同一批源文件。文件不复制，权限不动，源文件改一处，所有Hub同步更新。做这个架构花了一年多，纯苦活。

ChatGPT一发布，他们意识到这东西正好补上RAG的死穴。

他举的例子很形象：企业里有一亿份文件，你问上季度财报的收入数字。系统里躺着earnings_final、earnings_draft1、earnings_draft1_sally_edits三个版本，向量嵌入看起来全都高度相关，但只有一个是对的。互联网上的公开数据有PageRank，能分出CNN和随便一个博客谁更权威；企业内部数据没有权威度评分，全靠猜。

Hubs的解法是让人来圈定。用户往销售Hub里放的，就是官方认定的版本；你问销售Hub问题，它不会扯到人力资源的事。Levie说，这么干下来，他们的RAG效果比全库乱检索的方案好至少100倍。

他还坦白了一段后怕。这个架构做了一年半，快不了。如果ChatGPT先发布，他们再从头开始，面对AI那个进化速度，很可能觉得太吓人就放弃，或者做个将就的版本。做对的事碰上对的时间点，运气占了大头。他自己说，这事他们到现在还会互相掐一把。

98%的可靠度不够，省40%也没人动心

Nathan有个观点：AI已经够好了，比企业实际部署的强得多。经济学家Tyler Cowen最近当众说过一句话：你们所有人，人类，才是瓶颈。

Levie基本同意，但补了一句，模型厂商也别想跑。他自己身在AI行业中心，都得时不时提醒自己：这活本来要找人帮忙，先试试让AI干。不在场内的人，这个认知差距只会更大。

受监管行业的企业工作流，98%的可靠度不可接受。他打了个比方：你订的航班98%能成行，2%的概率你到了机场发现根本没票，能忍吗？企业要求关键系统99.99999%可靠。写营销文案可以容忍偶尔胡说，反正能改；每周或每月十亿笔金融交易，AI错0.1%，这系统就没人敢上。

成本是第二道坎。客户嘴上说想部署一万个AI agent，一看账单，先小规模试试。模型还得再便宜。

第三道坎最老也最难：人。隐私和安全的顾虑还在，更现实的是那活儿现在有人干着，得先给他安排好新角色，agent才顶得上去。

Nathan追问：如果AI加把劲就能做到跟人一样好、成本更低，为什么非要等它好十倍？Levie说，这正是企业软件的铁律。你跑去找一家公司说，我能干你现在干的事，帮你省40%。经济学家觉得这买卖稳赚，现实里那个人手头排着17个项目，这事顶多排第九。何况他还要过AI委员会审批，做六个月测试验证真省了40%，再跟手头所有事比优先级。

企业只为数量级的改进动真格。好十倍、便宜十倍、快十倍，占一条就行；渐进式优化推不动。

这也解释了Copilot和Cursor为什么能爆：干的事没变，生产力立刻见涨，行为不用改，变革管理的阻力最小。AI最大的机会在那些今天根本没人自动化的工作：不用替换谁，直接在空白处加一层。凡是「替换现有流程、只省一点钱」的生意，在企业市场都难做。

创业窗口、Klarna和定价的松动

SaaS的未来现在有两种相反的叙事。一种说创业黄金时代来了；一种说技术太容易复制，大厂有客户有渠道，价值都会被现有玩家拿走。

Levie押经典竞争策略。给创业者的忠告很直接：在OpenAI上套个薄壳，坏主意，模型一升级你就没了；做一个「AI优先的CRM」，坏主意。

会有大量AI创业机会，但它不会来自做一个AI优先的CRM系统，因为你应该预期Salesforce本身就是一个AI优先的CRM系统。

机会在哪？对OpenAI不自然的事：需要大量非AI的界面和工作流苦活的；跨平台的AI工作流，Salesforce、Workday、ServiceNow谁都懒得跨出去；跟大厂战略正交的agent。跑得够快，就能挖出护城河。

至于Klarna，据报道他们用AI关掉了几个现成系统，甚至打算自建一套带AI的人力资源系统。Levie的判断：特例，可能还有点被夸大，但做的事本身没有不可能。问题是不具备普遍性，大多数公司不会为了省几十万美元自建人力资源系统，这事在优先级清单上根本排不上。他乐见更多公司去试并把经验分享出来，但他不信九成企业会走这条路。

定价也松动了。按席位收费的模式，Salesforce二十多年前参与发明，之后二十年没变过。AI让软件第一次能贴近「结果」收费，路子至少有三条：最直接的按结果付，agent生成线索就按线索数付钱；其次按消耗付，生成一万条线索要烧多少算力，就为算力买单；再就是传统订阅，包月包年不管用量。Levie说，二十年没开放过的商业模式问题，现在全开了，每家公司得自己摸清客户到底为什么付钱。

Nathan还问了个细分市场：安全合规工具会不会有人单独买，用来管住各家大厂的agent？Levie答得干脆：会。判断标准就一条，看这东西是只属于某个系统，还是横跨所有系统。横跨的，就轮得到新玩家。

明天就能用的几件事

Box自己宣布要做AI优先的公司，理由很实在：你卖企业AI，自己总得先用明白。新员工入职学销售，直接去销售Hub提问，答案质量相当于跟公司里最懂的那个人聊，区别是那位专家24小时在线，不用等他回Slack。编程工具的反馈是老员工提效5%到10%，新人提效50%，因为上手快了一半。Levie说，最终衡量标准就一个：发布更多软件。至于宏观生产率，Tyler Cowen赌AI每年拉高超过0.5个百分点，Levie也买涨，但要求把计时起点往后推几年，技术扩散永远比想象的慢。

这期节目听完，有几件事明天就能用：

• 评估AI项目，别问「能不能帮现有流程省点钱」，问「哪些活今天压根没人干、AI能直接干」。前者排不进优先级，后者不需要变革管理。
• 搭内部知识库，学Box的Hubs思路：先让人圈定权威版本，再让AI回答。全库乱检索的RAG，准确率天然上不去。
• 提案用十倍标准。省20%、30%的方案在企业环境里大概率推不动，别搭进去六个月做测试。
• IT团队的岗位说明该重写了：从管软件往管数字员工转，这条转型至少十年，早动手早占位。

Levie在结尾说，现在任何人在任何话题上都能立刻获得九十分位的专业知识，三年前这根本无法想象。他还承认，连自己这种天天泡在AI里的人，都得时不时拍一下脑袋，提醒自己这些工具能干的事比正在用的多得多。连站在风暴中心的人都这样，普通人的认知差距，就是机会的差距。