AI 重构行业的速度，是可以算出来的

上周有两个消息放在一起看，特别有意思。

一条是：AI 客服已经能独立处理大部分标准咨询，有的团队把人工坐席砍了一半以上。另一条是：AI 医生还在辅助写病历的阶段，离独立诊断隔着十万八千里。

同一种技术，同一个十年，为什么差出这么多？很多人的答案是「医疗数据难搞」「监管严」——都对，但都只是现象。现象背后有一个可以算的东西： AI 重构一个行业的速度，是有公式的。 这个公式不仅能解释客服和医疗的差距，还能告诉你自己的行业排在队里的第几个。

一、过去三十年，软件只做了一件事

先把坐标系立起来。过去三十年，技术经历了几次跃迁，但每一次改变的都不只是产品，而是人和软件的关系：

• 互联网（1995–2005）：信息在线。软件把线下的信息搬到线上，最重要的资产是流量和信息。
• 移动互联网（2010–2020）：人持续在线。信息开始主动找人——电商从「搜索商品」变成「推荐商品」，软件从工具变成人每天待的地方，最重要的资产是注意力。
• 大模型（2022–2025）：软件开始理解人。过去是我们学习软件——搜索、点击、填写、提交；现在软件开始理解自然语言，「帮我整理一下这次会议」就够了。

但这三场变化有一个共同点： 它们降低的都是「信息处理」的成本。 信息传播更快、信息找人更准、信息理解更便宜——软件始终在做同一件事：记录世界、检索世界、推荐世界。

真正的新变化在下一场。

二、Copilot 和 Agent，是两个范式

大模型落地的第一年，所有产品都长成了 Copilot：嵌在原来的软件里，帮你补全、帮你总结、帮你起草。这是把新技术装进了旧范式——软件还是那个软件，只是快了一点。

但 Agent 是另一件事：

Copilot 解决的是「你做，我帮你」；Agent 解决的是「你说目标，我来做」。

在 从货架到 Agent：平台争夺的不再是人 里我推过这条曲线的终点。这里只补一个判断：这两场跃迁真正的分界线，是 行动成本。

过去三十年，软件降低信息处理的成本；接下来十年，Agent 降低行动的成本。这不是同一种效率提升——信息成本下降改变的是消费（更容易找到、看到、买到），行动成本下降改变的是生产（工作本身被完成）。前者改变体验，后者改变生产关系。

三、技术成熟 × 交互范式 = 时代变革

但这里有一个容易踩的坑：技术成熟本身，不是时代变革。

互联网 1994 年就成熟了，真正的变革要等浏览器加搜索这个交互范式出现；移动互联网的硬件 2010 年就位，变革要等 Feed 和短视频出现；大模型 2022 年爆发，真正的变革要等 Agent 化——身份、权限、长期记忆、工具调用一起就位。

互联网成熟 × 浏览器/搜索　 = 信息革命
移动成熟　 × Feed/短视频　 = 注意力革命
大模型成熟 × Agent 化　　　= 行动革命
# generated by hugo AI

技术提供可能性，范式决定现实性。这也解释了很多公司现在的动作变形：拿着大模型做搜索增强，拿着 Agent 做表格助手——把新范式往旧范式里塞，等于买了新车还在走老路。

四、公式：为什么是 Coding 最先、医疗最慢

回到开头的问题。把「AI 重构行业的速度」拆开，是四个变量：

AI 重构一个行业的速度 ≈ 数据数字化 × 行动可软件化 × 结果可验证 ÷ 风险与责任

分子三项是加速器，分母一项是刹车。拿几个行业算一遍（星级为示意评估）：

表一摆出来，三个问题同时有了答案。

为什么 Coding Agent 最早？ 它是公式里最完美的行业：上下文全数字化，行动全数字化，而且结果验证是机器判的——看代码、改代码、跑测试、看报错、再测试，整个闭环没有一个环节需要人拍板。Eval 就是 Pass/Fail，反馈信号又响亮又免费。这正是我在 Skill 是组织知识的新载体 里说的「响亮失败」——错得响亮的地方，Agent 学得最快。

为什么办公排第二梯队而不是第一？ 三个分子都不缺——IM、文档、审批、CRM、组织架构全是数字化的，发消息、建任务、写文档、改 CRM 全是软件动作，任务完成与否越来越可验证。它只输在分母上一点：办公动作背后挂着身份、权限和责任。

为什么医疗明明数据越来越数字化，还是慢？ 看分母就懂了：诊断的行动和责任链不在软件里——AI 可以读一万篇文献，但开处方这个动作的责任，软件接不住。分母大的行业，分子再高也只是「辅助」。

这个公式的推论很实用： 判断自己的行业被 AI 重构的时间，不用猜，把四个变量打分就行。 分子高的行业等风来，分母高的行业不用焦虑得太早——但有一个前提：分母不会自己变小，除非有人去动组织。

五、真正的瓶颈不是 AI，是组织

公式算完了，还有最后一层。

Agent 的关键组件——模型能力、Computer Use、长期上下文、身份与权限、Eval 与反馈——业界普遍预期在 2025–2027 年间同时成熟。也就是说， 技术拐点大概就在这一两年。

但普及拐点会更晚。因为横在中间的这些东西，没有一项是模型问题：权限怎么授、审计谁来做、出了错责任算谁的、数据怎么隔离、流程怎么改、Agent 之间怎么协作、人怎么管理 Agent。这些全是组织问题—— 不是模型 Benchmark 能解决的。 Deloitte 2026 年的《State of AI in the Enterprise》调查了 24 个国家的 3000 多名企业领导者：只有 21% 的受访企业认为自己已经具备成熟的 Agent 治理机制——而同期有 74% 的企业计划在两年内部署 agentic AI。治理的缺口，就是这段时间窗口的形状。

所以时间表其实是分段的：

2025–2027　把 Agent 做出来　　　　（技术窗口）
2026–2029　让 Agent 进入组织　　　（组织窗口）← 竞争在这里分胜负
2028–2032　从一个 Agent 到 Agent 组织
# generated by hugo AI

大多数公司盯着第一段拼命卷模型和 demo，但胜负手在第二段。谁先把身份、权限、审计、汇报线这套组织基础设施准备好，谁就先接到 Agent 时代的工作——这正是 数字员工背后的 Agent，是五层基础设施的叠加 里说的：五层里四层只能由组织提供。过去看起来「传统」的企业软件资产——组织、身份、权限、审批、工作流——在组织窗口期反而突然变得珍贵。

六、别把 2030 当成「还有时间」

最后一个必须澄清的误读。

看到「2030+ 才进入组织 Agent 时代」，很多管理层的反应是：还有时间，慢慢准备。这是把产业生命周期误读成了行动时间表。 组织变革的启动，不需要等技术完全成熟——它启动于第一批 Agent 开始产生真实经济价值的那一天。

做个保守估算：一家 1000 人的公司，哪怕只有 20% 的工作能被 Agent 替代或增强，这就会从一个 IT 项目迅速变成 CEO 和 CFO 的经营问题——到了那一步，没有人会等。技术成熟在 2025–2027，企业普及在 2027–2030，中间这段差不是缓冲期，是抢跑期。

所以给管理层的正确表述不是「2030 年以后进入数字员工时代」，而是：

2026 年开始，Agent 进入组织；未来 3–5 年，数字员工从少量试点走向规模化。现在不是准备下一代产品，而是已经进入下一代产品的早期窗口。

写在最后

回到开头那个问题：AI 客服和 AI 医生之间的差距，不是智商差距，是公式里四个变量的差距。

AI 革命不是一场统一考试，是每个行业各自的时间表；时间表的快慢，不取决于模型，取决于这个行业的数字化程度、行动是否可以软件化、结果是否可验证，以及风险和责任。

对工作软件来说，好消息是三个分子都不缺；真正的考验在分母那一侧——而分母那一侧，恰好是组织自己的事。你的行业，在公式的哪个位置？欢迎留言聊聊。

See also

• 一场 AI native 的战略会：开完之后，组织比开之前更聪明
• 从货架到 Agent：平台争夺的不再是人
• 数字员工的活人感，不是设计出来的，是长出来的
• Agent 为什么在第 30 步翻车
• Jeff Dean 把最值钱的东西公开了：Skill 是组织知识的新载体