Agent 不是替你干活，是给你派活

Agent 会替你干活，所以你需要的人更少——这是过去两年所有 AI 采购决策背后的默认假设。

AI 战略分析师 Nate B. Jones 在 8 月 28 日发布的一期 31 分钟视频里，用一组公开数据把这个假设整个推翻了。他的结论是：Agent 没有把工作拿走，它在制造工作，而且制造得比它干掉的多。

这期视频在中文圈几乎没有被转述，而它讨论的问题——企业买了 Agent 之后到底发生了什么——正是国内企业现在最需要的那类实地观察。

一、先看数据：Agent 消耗的 token 是人类的五倍

Jones 引的第一组数字来自 OpenRouter：Agent 的 token 用量在今年 2 月到 8 月之间涨了 14 倍。现在每消耗 5 个 Agent token，人类才消耗 1 个。

OpenAI 的口径也一致：Codex 的重度用户每天产生 60 小时以上的 Agent 活动。

Jones 在这里点出了那个被跳过的问题：

没有人看得完 60 小时的工作。

这句话是整期视频的支点。Agent 的产出在指数级增长，而检查产出的仍然是人。产出涨了，检查的工作量就跟着涨——这不是效率提升，是工作量转移。

Jones 给出的三步机制：执行扩张 → 监督上移一层 → 检查与恢复仍归人类。图片来源：Nate B. Jones, "Agents Aren't Taking Your Jobs. They're Creating More Work Instead."

二、三种规模，三种命运

视频最有价值的部分是把"企业用 Agent"拆成了三个完全不同的场景。这个拆法解释了一个长期存在的困惑：为什么同样的模型，有的公司说效果极好，有的说根本用不起来。

个人（一人 + 一个 Agent）、小微企业（Agent + 供应商）、大企业（部署团队）。图片来源：Nate B. Jones 同期视频

个人最简单：一个人管一个 Agent，自己决定跑什么、自己验收。

小微企业是最难的一档。Jones 引了 OpenAI 那个覆盖一万家小企业的项目数据：只有 14% 的小企业主认为 AI 已经完整融入核心业务，而 73% 说他们需要更多培训和资源才能落地。

原因不难理解——小企业里懂业务的那个人，同时还要招人、销售、看账、处理当天坏掉的任何东西。他没有时间去当 Agent 的管理者。

于是出现了一个 Jones 观察到的模式：供应商接管了 AI 管理这份工作。 供应商选工作流、连软件、检查结果、改规则、汇报省了多少钱。

听上去很合理。但 Jones 指出了代价：

供应商现在对这家企业的一块核心业务负责了。

大企业反而更顺，原因不是模型更好，而是资本能把管理成本消化掉。OpenAI 的对比数据很直接：今年 1 月，重度企业用户人均输出 token 是普通用户的 2.6 倍；到 6 月，这个差距拉大到了 8.3 倍。这些公司使用插件的概率是 2 倍，使用 skills 的概率是 6 倍——意思是它们把模型接进了更多内部系统。

Jones 的判断是：

基础模型不是差别所在。两边都拿得到前沿智能。变的是公司在 Agent 周围做了多少工作。

三、为什么法律行业跑在最前面

视频里有一个反直觉的观察：律师事务所——大部分是小微企业——却是 Agent 采用率最高的行业之一。 Codex 在法律领域的使用量自 1 月起涨了约 108 倍，71% 的独立执业律师和 75% 的小型律所已经在用 AI。

Jones 给的解释是"可验证领域"（verifiable domain）：法律和编程一样，对错是可判定的。

他举了华盛顿特区一家人身伤害小律所 Trombly & Singer 的例子：用 EvenUp 审阅医疗记录、起草索赔函初稿，一个工作流每月省下约 40 个人工小时，避免了再招一个人。

关键不在于 Agent 有多准。Jones 特意提到一个基准测试：给系统 1,300 段法律文书摘录找引用错误，最好的系统仍然会漏掉细微问题。律师还是得逐项核对。

差别在于——

他们有办法验证。他们本来就有这个流程，本来就要做这件事。既然如此，为什么不让 Agent 来做？