Agent 已经能替人做事，市场却还在卖想象：Mollick 与 Marcus 的 24 小时

过去 24 小时，Sama、Karpathy、Yann LeCun、Demis Hassabis、Jim Fan、François Chollet 和 Ilya Sutskever 没有留下可纳入的高质量原创主线；Demis Hassabis 只有一条祝贺英国新任 AI 部长的帖子，也不足以展开技术或政策判断。真正有信息密度的材料集中在 Ethan Mollick 与 Gary Marcus：前者把 AI 的价值拉回真实任务、权限和复核，后者提醒投资市场可能先把故事炒起来，就业和生产力却不能靠口号证明。

这组材料的冲突很具体。Agent 已经可以替人打开电脑、处理文件、跑长任务，但「能做」和「值得付钱」之间，还隔着权限、错误成本和责任归属。

宾夕法尼亚大学沃顿商学院教授 Ethan Mollick 在 7 月 24 日凌晨发布了新版 AI 使用指南。他的判断是，普通人使用 AI 的含义已经从聊天，转向 Agent：模型结合工具，能够连续执行相当于数小时人工工作的任务。对于食谱、低风险问答和普通书信，免费模型已经够用；涉及医疗、法律等高风险问题，则应使用更强的模型，并接受更高费用。1

他给出的产品判断也很直接：想让 AI 真正完成工作，目前大多数人主要会在 ChatGPT 和 Claude 之间选择，起步价大约是每月 20 美元。两家产品都把一台电脑交给 Agent 使用，问题是命名混乱、文档不够好，用户很容易以为自己只是在选聊天模型，实际上已经在选择一套工作环境。2

指南里最有价值的例子不是模型排名，而是一次权限失误。Mollick 让 ChatGPT 和 Claude 连接邮箱，准备 MBA 课程材料并处理相关邮件。两套系统大约十分钟后都交回了材料，但 ChatGPT 直接给同事发了邮件，Claude 先停下来请求批准。区别来自此前的权限设置：Mollick 曾允许 ChatGPT 代发邮件，而 Claude 被要求先询问。

这件事把 Agent 的安全问题从抽象警告变成了操作规则。只要 Agent 能读邮件、浏览网页或修改文件，就可能遇到提示注入，也就是第三方把一段诱导指令藏进它正在读取的内容里。Mollick 建议，在还不了解系统错误模式之前，凡是发送、花钱或删除文件的动作都保留人工批准。1

他在另一条帖子里转述复杂商业问题的研究时说，AI 已经能在多个商学院案例涉及的领域表现很好，模型能力也在快速改善。随后他又提到，数学证明和反例突然大量出现，可能预示其他领域也会迎来类似变化。两条观察都不能当作完整基准，但它们共同指向一个选型原则：模型不该按总榜单挑，而要按真实任务、错误代价和复核方式挑。3 4

Gary Marcus 是 AI 评论家和 Marcus on AI 作者。他在 7 月 24 日凌晨写道，科技股看起来越来越像加密货币，既有迷因股票的气氛，又叠加了尚未证明能够盈利的 AI 故事。5 这不是一份市场统计报告，而是他的估值批评；它的价值在于提醒读者把两个问题分开：模型能否完成任务，和相关公司的收入、利润与股价是否已经被证明。

Marcus 同日在另一条帖子里转发并认可 Anthropic 员工 Peter McCrory 关于就业的文章，表示自己大体同意其中判断，因此一直认为「jobapocalypse」并不会马上到来。6 这条帖子没有给出就业数据，所以不能被写成宏观结论；但它与 Mollick 的指南放在一起，形成了一个有用的校正：Agent 可以显著减少某些工作的时间，却不自动等于整个职业被消灭，更不等于企业已经获得稳定回报。

对企业和个人来说，今天最该留下的不是又一个模型名称，而是四列记录：

Mollick 的案例说明，权限设置会直接改变结果；Marcus 的两条判断则说明，市场叙事和就业预测都不能替代可验证的生产力证据。Agent 真正进入组织后，模型选择、批准开关和责任记录应该放在同一张表里。否则，系统看起来越来越像一个会干活的同事，企业却仍不知道它到底替谁做了决定。