AI Work Is Splitting in Two 的发芽报告

材料核心

Every 的观察揭示了AI工具正在分裂为两种不同的使用模式：“委托式”的后台自动运行智能体（如 Claude Managed Agents）和“协作式”的实时互动桌面应用（如 Codex）。更深层的追问是，这一分裂并非暂时现象，而是对人类认知工作节奏的一次根本性重组。

发芽 01：横向关联 — 人类协作史的“同步”与“异步”在此重演

种子

AI工作的分裂，并非技术独创的产物，而是人类协作历史上“同步”与“异步”之争的又一次重演。材料将这种分裂描述为“协作”与“委派”，这恰好对应了人类沟通中实时对话与离线信件、GitHub的实时编码与Jira的工单追踪。问题不在于哪个模式更好，而在于我们如何为不同性质的认知任务分配合适的节奏。

故事主体：从软件开发的版本控制史看工作节奏

软件工程领域经历过一次深刻的“同步/异步”大辩论，其结果可以为今天的AI工具分裂提供精确的参照系。

2005年，Linus Torvalds 创建了 Git，一个为 Linux 内核开发而生的分布式版本控制系统。在 Git 出现之前，主流的版本控制工具如 Subversion（SVN）要求开发者始终与中央服务器保持连接，每一次提交都是一次“同步”操作。而 Git 的革命性在于，它允许每个开发者在本地完全“异步”地工作，创建分支、提交、回滚，所有这些操作都不需要联网。当工作完成，他们再通过 Pull Request（PR）将成果“委托”给项目维护者进行合并。

PR 机制正是“协作”与“委派”的完美结合。一个开发者可以在自己的分支上“与代码深度协作”，反复修改、推敲、测试，这个过程是实时的、交互的、充满实验性的。但他发起 PR 的瞬间，工作模式发生了转换：他将一段相对完整的工作成果“委派”给另一个人（或一个系统）进行审查和集成。GitHub 在2008年将这一机制产品化后，彻底改变了全球软件开发的方式。

现在回看 Every 的描述：“长期运行的智能体（如 Claude Managed Agents）接手团队交付的工作”与“实时协作的桌面应用（如 Codex）”。前者就像是那个在后台处理 PR 的审查系统——它不需要你盯着看，它按自己的节奏运行，完成后再将结果返还给你。后者则像是你本地编辑器中的 AI 结对程序员——它必须实时响应你的每一次按键、每一次思考的偏转。

2003年，软件架构师 Martin Fowler 和 Matt Foemmel 撰写了一篇名为《Continuous Integration》的文章，提出了一个关键区分：有些集成工作必须“同步”地高频进行，否则成本会指数级上升；而有些探索性工作必须在“异步”的隔离状态下完成，否则会拖垮整个团队的生产率。这个区分至今仍适用于 AI 工具。用 Codex 写策略文档，需要的是高频、实时的思维碰撞——这是同步工作。让 Claude 智能体在后台爬取和分析市场数据——这是异步任务。用错了模式，就如同要求 Git 必须每秒钟向服务器 commit 一次，或要求 PR 审查者在你的屏幕上实时评论你的每一行代码。

Aha 瞬间

“AI 工具的分裂不是创造了一个新问题，而是迫使人类第一次正视一个老问题：我们的认知工作中，哪些必须是对话，哪些必须是信件？”

发芽 02：深度解读 — 为什么“分配经济学”理论只说对了一半

种子

材料提到，“分配经济学”的论点只对了一半——它能解释委派给智能体的工作，却无力处理与人协作的另外一半。为什么？因为人的判断力无法被简单地“分配”出去；它只能在人与 AI 的实时交互中被“生成”出来。

故事主体：通用汽车与丰田的“管理即生产”之辩

1980年代初，美国汽车工业面临一个深刻的管理哲学危机。通用汽车（GM）的管理者信奉一种我们今天可能称为“委派式”的管理：高层制定战略和指标，然后将它们分配下去，通过层层KPI系统追踪执行结果。在这种模式下，管理者的核心工作是在办公室中做出决策，再将决策“委托”给组织执行。

同一时期，丰田生产系统（TPS）开始引起世界关注。丰田的管理哲学截然不同：管理者必须亲自走到生产线现场，与工人、机器、材料进行实时互动。这就是著名的“现地现物”（Genchi Genbutsu）原则。丰田的工程师不是在办公室里看完报告再做决策，而是必须站在发生问题的机器前，用自己的眼睛观察，用自己的双手触摸。新乡重夫（Shigeo Shingo）在1980年代为美国管理者讲解丰田方法时，反复强调一个看似矛盾的观点：“改善不是从报告中产生的，它产生于观察与对话的瞬间。”

为什么这至关重要？因为报告可以告诉你“产量下降了5%”，但它无法传达机器的异常震动、工人的微妙犹豫、材料的难以言说的质感变化。这些信息只有在实时协作中才能被感知，而它们往往是真正创新和根本解决的来源。

将这场管理哲学冲突映射到今天的 AI 工具分裂上，材料中描述的“委托”模式就像是通用汽车式的管理：定义目标、分配任务、等待结果。它在处理边界清晰、判断标准明确的任务时效率极高。但“协作”模式更像是丰田的现场主义：你不能把“写一篇直击痛点的战略分析”委托出去，因为“直击痛点”的判断标准本身就是模糊的，它需要在你与 AI 的来回对话中逐渐被“看见”和“生成”。

这就是为什么“分配经济学”解决了委派的效率问题，却无法触及协作的本质。美国管理学者亨利·明茨伯格（Henry Mintzberg）在1973年的经典著作《管理工作的本质》中早已指出，管理者的工作中充满了“软信息”——闲聊中捕捉到的情绪、表情中的犹豫、走廊里偶然听到的抱怨。这些信息无法被写入报告，因此无法被委托。AI工具的分裂，恰恰暴露了知识工作中那条最古老的裂缝：能被形式化的任务走向了委派，而仍需要主体感知和判断的工作必须留在人与 AI 的协作现场。

Aha 瞬间

“你可以将‘写一篇分析报告’的任务委派给智能体，但你不能将‘判断什么值得分析’的眼光委托出去——因为眼光不是在任务终点被接收的，而是在协作现场的摩擦中被擦亮的。”

发芽 03：哲学升华 — 从“工作”到“引导”，注意力经济下的新主体性

种子

当 AI 工具开始分裂，“工作”本身的定义也随之裂变。人类角色正在从任务的“执行者”转向“引导者”：在协作模式中，你引导AI的注意力；在委派模式中，你引导 AI 的方向。问题不再是“我该做什么”，而是“我该引导什么”。引导力正成为新的核心能力。

故事主体：从管弦乐团指挥的诞生看“引导者”角色

19世纪以前的欧洲音乐演奏中，并无“指挥”这个独立的职业角色。乐团通常由第一小提琴手或羽管键琴演奏者边演奏边给出提示来维持协调。指挥作为一种不从属于任何乐器的独立角色，是在19世纪中叶才正式确立的——这与乐队规模扩大、作品复杂性剧增直接相关。

1843年，赫克托·柏辽兹（Hector Berlioz）出版了他的《管弦乐法》，系统论述了如何组织大规模的乐器编制。同一时期，费利克斯·门德尔松（Felix Mendelssohn）在莱比锡格万特豪斯管弦乐团确立了现代指挥的基本范式：指挥家不再演奏任何乐器，他的全部工作就是“引导”——用手势、眼神和身体的微小动作，向演奏者传达速度、力度、句法和情感意图。指挥家不产生任何物理上的声音，但乐团的每一丝声音都是他意志的延伸。

这个历史转折与今天的 AI 工具分裂之间存在一个平行的哲学结构。当一个任务可以被完整地编码、明确其边界和验收标准时，它就可以被“委派”——就像乐团中每一位演奏者独立完成自己声部的技术执行。但“协奏模式”更接近指挥的角色：你不需要亲自演奏每一个音符，但你必须在音乐流动的每一刻都参与其中，用实时反馈引导方向、校正音色、调整情感张力。

哲学家吉尔伯特·赖尔（Gilbert Ryle）在1949年区分了“知道什么”（knowing-that）和“知道如何”（knowing-how）。传统的知识工作侧重于前者：知道事实、掌握信息、完成具体操作。但引导者的位置要求的是后者：知道如何感知一个协作过程的走向，知道何时介入、何时放手，知道如何在不控制细节的情况下塑造整体。这是一种高度内化、难以言传的行动中的知识。

材料中 Every COO Brandon Gell 谈到如何在新生儿子和自己身上“灌输好奇心”，这看似与 AI 无关，实则触及了引导者角色的深层本质：好奇心不是可以被委派的查询任务，而是一种只有在实时响应和不断调整中才能保持活性的状态。当AI接管了执行层，人类的价值将愈发集中在一个古老而难以自动化的区域：保持好奇、保持对质量的感知、保持对意外发现的开放——这些都是引导，不是执行。

Aha 瞬间

“当机器学会了工作，人必须学会引导。而引导的第一课是：引导者不演奏乐器，但他使所有人的演奏成为音乐。”

你的思考空间

• 在你当前的工作中，哪些任务是你正在尝试“委派”给AI的，哪些任务是你仍需要“协作”的？这种分界线在过去三个月里是否发生过移动？移动的方向说明了什么？
• 如果“引导力”成为未来的核心能力，我们现有的教育体系和绩效评估系统如何能够识别和培养这种能力？或者，它们是否正在系统性地压制它？
• 当AI同时承担“协作者”和“被委派者”两种角色时，我们对“信任”的定义是否需要被重新校准？我信任一个协作中的AI与我信任一个后台运行的智能体，这两种信任的本质区别是什么？
• 材料中提到生物技术的R&D成本在AI帮助下下降。如果“提一个好问题”的成本正在归零，那么“什么是好问题”的判断力是否会自动增长？还是说，提问成本越低，判断力反而越稀缺？