AI代理的興起加劇了AI能力與社會資源之間的落差

許多人目睹AI效能快速提升，便興奮預言世界將迅速改變。事實上，這是對現代社會運作機制的誤解，或換言之，高估了個人智力與生產力的重要性。

你是否注意到一種現象：許多機構與大型企業招聘高薪職位時，往往設定極高的學歷與智商門檻？然而一旦錄取，員工卻常執行平凡瑣碎、僅需一般能力即可勝任的工作。即便在今日，裙帶關係與人脈往來仍常凌駕於實際能力之上。在競爭環境中，組織寧可選擇具備特定社會身分與資源、能力平庸者。雖令人不平，但多數情況下，這類人士確實也能勝任工作。

為何如此？許多人歸因於「學歷膨脹」，但原因更為複雜，我稱之為「無效生產力溢出」。

現代社會是高度密集的協作網絡，一個優質職位即代表社會資源與權力分配網絡中的關鍵節點。此節點所代表的資源與權力在社會中屬稀缺，但對個人能力的要求卻不高，也不需要擔任者具備高生產力。若幸運取得此職位並埋首苦幹，很快便會發現：系統根本不需要你的生產力提升。換言之，無論你多麼出色，此網絡皆無需你。組織設下高門檻純因職位競爭者眾，必須依某種原則篩選；而能力往往是爭議較少的標準，並非真需要你具備如此高超本領。

在此現代社會協作網絡中，每人均僅負責極小部分工作。除少數例外，大多數人僅扮演資源路由角色；個人生產力只需達標，一旦達標，進一步提升對整體網絡效益甚微。

因此，作為協作網絡中的一個節點，無論你的智商或生產力多高，超出部分皆屬無效溢出——網絡既不需要、也無法運用或消化它。

正因如此，許多人興奮宣稱透過AI學習與應用提升了生產力，實則高估了自身智力與生產力的作用。你微幅提升的生產力，在整體網絡中價值有限且難以流通；你所屬的組織與協作網絡既不需要，也無法消化這份溢出的生產力。故而，多數AI專家不願承認的是：此類生產力提升的主要意義，僅在於為自己騰出更多刷短影音的時間，並不會帶來收入、資源或社會地位的提升。

當前對OPC（一人公司）的熱潮亦基於相同邏輯。此類公司的發展瓶頸不在內部生產力，而在外部資源連結。以目前多數OPC在社會商業網絡中的位置而言，其產品與服務難以銷售，甚至可能連自我滿足的價值都欠缺。

此問題至關重要，因所有經濟活動必須產生經濟誘因才能形成閉環，再藉由正向回饋推動經濟體系演化。然而，多數人從AI獲得的正向誘因僅限於個人情感層面，難以持續。

如何創造即時正向誘因？關鍵在於網絡連結關係的改變。此改變將引發資源與權力的重新分配。若你的節點在網絡中擁有更多連結，即使完全不用AI，也會立即感受到收入、影響力與權力的提升。

當然，節點生產力的普遍提升，長期而言終將促成連結關係的改變。在AI代理時代，不同個體間的AI應用能力差距正急速擴大。此差距終將被社會網絡察覺，轉化為網絡連結關係乃至拓撲結構的變革。但此過程耗時較長，遠比多數AI意見領袖預期更慢。若你不主動加速建立連結，只滿足於原職位上的效率提升，樂於多出時間刷影片，便無法分享AI的早期紅利。

此外，一項有趣的落差正浮現。

目前最積極學習AI者，往往正是網絡中的次要節點：程式設計師、設計師、研究員與分析師每日鑽研Agent、MCP、Skill與Workflow，渴望將生產力提升十倍。但問題在於：若你原本一天寫一份報告，如今可寫十份，組織卻不需要十份；若原本一週產出一個原型，如今一天一個，預算、決策、銷售、法務與採購流程的速度卻未同步加快七倍。於是大量新增的生產力被卡在關聯節點，對整體系統貢獻甚微。

反觀真正掌控資源者——企業家、高階主管、投資人與各類機構領導人——原本就擁有最多客戶、資本、人事權與社會關係。若他們能將AI能力提升十倍，所產生的槓桿效應將遠超一般員工。然而，這群人與AI應用前沿能力之間的落差，正急速擴大。

主因之一是：自2025年下半年起，隨著AI代理興起，AI應用創新日益趨向程式導向。

過去AI聚焦於對話、寫作、搜尋與繪圖，CEO與程式設計師皆可參與；但進入Agent階段後，諸多新事物首先源自AI編程：Agent、MCP、Skill、Harness、CLI、API、Git、IDE、各式工作流與協調機制。AI正逐漸脫離軟體形態，轉為須由使用者自行建構與指揮的管理系統。

這會造成問題。

一位五十歲的執行長可能極擅長企業管理、融資與資源調度，也充分理解AI的重要性；但若要他開啟終端機、安裝程式碼代理、設定MCP、同步運行多個Agent，並串接API、GitHub及各類工具，他很可能立刻放棄。

這並非智商問題，而是技能落差。

因此出現了一種奇特現象：懂AI者缺乏資源，有資源者卻不懂如何運用AI。

前者拼命提升生產力，卻缺乏足夠龐大的網絡來承接此產出；後者雖擁有廣泛資源網絡，卻無法整合最新的機器生產力。我認為此錯配將是未來數年格外值得關注的關鍵議題。

中國另有一重困境：目前最活躍的兩大AI應用生態系為OpenAI與Anthropic。因種種原因，中國大陸難以直接且穩定使用這兩套系統，故被隔離的不僅是模型本身，更包括圍繞其快速發展的Agent、程式開發、工具鏈與開發者生態系。

此影響可能比模型間的差距更棘手——因為在Agent時代，知識具累積性：他人今日由對話進展至工具呼叫，明日由工具呼叫邁向Agent協調，後日更讓Agent自主開發工具。若晚六個月起步，差距恐非僅幾分基準測試分數，而是一整套工作方法論。

因此，未來真正引人關注的，正是此錯配開始被打破之時。

一方面，現處次級節點但具強大AI能力者，能否藉此能力爭取更多客戶、資金、關注與社會連結，進而改變自身在網絡中的位置？另一方面，已居網絡核心者，能否真正掌握Agent技術，將資源調度能力與機器生產力深度融合？

一旦這兩種轉變大規模發生，AI對社會的影響將從「人人工作稍快一點」，升級為組織結構、企業邊界與資源配置方式的根本變革。

在此方面，我們可清楚看見許多知名AI人物的策略：他們常為新技術與突破興奮不已，並做出聳動預言；事後回顧，多數預言雖未實現，卻因此獲得大量關注與資源連結——這實為精明作法；其真實收穫並非AI技能或生產力，而是你的注意力。相較之下，只埋首精進AI技能卻忽視拓展社交連結者，反倒過於認真。

因此，我認為AI對社會的改變將歷經三個階段。

第一階段是節點變革：個人生產力提升三倍、五倍甚至十倍，即當前正發生的狀況。

第二階段是連結變革：部分個人因AI獲得更多客戶、資金、關注與組織能力，因而改變其在網絡中的定位。

第三階段是網絡拓撲變革：原本需百人運作的組織，可能僅需十餘人；過去須透過企業完成的任務，如今可由少數人搭配一群Agent達成，導致部分原有中間節點消失，並湧現新型超級節點。

唯有到第三階段，AI才真正重塑社會結構。