Daniel Dines：工作流程而非模型才是 AI 时代最有价值的资产

📌 One-Sentence Summary UiPath CEO Daniel Dines 认为，AI 的持久价值在于已文档化的工作流程而非前沿模型，因为模型无法在岗学习、长链路缺乏精确性，企业胜出靠的是用工作地图打印出可审计的自动化。 📝 Summary 在这期 20VC 访谈中，UiPath 创始人兼 CEO Daniel Dines 借即将出版的新书，挑战「数百万个爱因斯坦」叙事。他区分记忆与真正学习：模型可以记便签，却不会像人那样因经历而改变权重，也怀疑递归自我改进会自发产生意志。第二个持久瓶颈是精确性——概率步骤链（0.99 的 100 次方）会快速衰减，因此精确的企业工作应跑在精确软件上，而非依赖 LLM 临场发挥。正在出现的不对称是：编码智能体让「打印」受治理的自动化变得容易得多，而部署自由漫游的智能体仍和两年前一样难。由此得出他的核心论点：企业必须通过制图智能体访谈专家，构建工作地图（流程、例外、系统），再把智能体放上编排与自动化的轨道。他警告盲目用 AI 裁减编制会掏空主动性与文化信任，预测多数运营级 token 会走成本高效而非前沿模型并保留开源备份，并把 UiPath 的牛市叙事框定为 Gartner 认可的编排能力加上「地图加轨道」平台，熊市叙事则是真正能替代人的「爱因斯坦」以近零 token 成本出现。 💡 Main Points 记忆不等于在岗学习 Dines 认为模型可以保留便签式记忆，但不会在工作中改变权重；人会因经历而改变，因此企业若没有文档化的流程上下文，就无法「雇用」会像员工一样学习的爱因斯坦。 精确性更青睐打印出的自动化，而非自由智能体 长概率链路会丧失可靠性，因此 AI 应创建可审计、可测试的软件并在执行时精确运行——编码智能体推动自动化的速度，远快于自由智能体部署。 工作地图与制图能力才是稀缺资产 成功需要捕获工作流、例外与系统；UiPath 的制图智能体可实时访谈专家，让企业把实际工作方式的手册交给 AI。 裁员需要一本「难言价值」账本 盲目替换有资质的中层岗位，可能抹掉主动性、客户信任与文化，而这些 AI 补不上；应保留懂 AI、展现微主动性的人。 模型可互换，工作流才锁住价值 他预期多数企业流量会跑在成本高效模型上并保留开源可选性；法律等结构化工作可能被 AI 冲击，但 token 收入只是劳动力价值的一小部分，除非厂商掌握工作流层。 💬 Key Quotes AI 可以在工作时创建记事本、便签本，记下一些政策——但 AI 不会像人被工作塑造那样，在岗改变自己的权重。这是巨大的差别。 它有记忆，但记忆不一定等于学习。这不是一回事。 当你用 AI 走 100 或 200 步时，即便每一步有 99% 的概率——0.99 的 100 次方——整件事做对的概率可能只剩大约 60%。 在我看来，部署 AI 智能体今天并不比两年前更容易。但部署自动化已经容易得多，因为我可以用 AI——用编码智能体——创建这些自动化。 模型可以互换，但工作流——工作地图以及围绕工作地图的流程——才是真正的价值所在。 📊 Article Meta AI Screening： 90 Featured： Yes Source： 20VC with Harry Stebbings Author： 20VC with Harry Stebbings Category： 人工智能 Language： 英文 Read Time： 41 min Word Count： 10228 Tags： AI 与智能应用 , 创始人故事 , 大语言模型 (LLM) , 风险投资 , 投资与市场 Play Full Video