AI 同事這個說法，是真的還是在賣產品？

> Meta Shift

先說結論：我覺得「persistent AI coworker」這個框架，有一半是真的，有一半是 OpenAI 在幫自己的企業產品找定位。

真的那一半是 — AI 的使用模式確實在從「一次性 prompt」往「有記憶、有上下文、能持續協作」的方向走，這個技術趨勢是真實的。假的那一半是 — 不是所有工作都需要一個「持續存在的 AI 同事」，大部分的 use case，用工具就夠了，你不需要一個 AI 一直記得你的偏好、你的工作風格、你的 team 文化。

ChatGPT Work 的 Product Lead Tara Seshan 在 Lenny's Podcast 上提出了「AI 第三時代」的概念，把 AI 的演進分成三個階段：第一個是 AI 作為工具（你問它答），第二個是 AI 作為助手（有點 context，能幫你做事），第三個是 AI 作為同事（persistent、有記憶、能 own 工作流程）。

這個框架本身沒問題，但問題是 — 現在大部分人都還在第一到第二階段之間，市場卻已經在賣第三階段的故事了。

---

在觀察什麼現象

三個具體的訊號讓我覺得這個方向是真實的。

第一，OpenAI 把 Codex 放進 ChatGPT Work 的產品線。 Codex 不是一個對話工具，它是一個能在後台非同步跑 coding task 的 agent，你給它一個任務，它去查 code、跑測試、回報結果，你不需要一直盯著它。這是「有辦公室、能 own 任務」的 AI，不是「你問我答」的 chatbot。這是產品層面的訊號（來源：Lenny's Podcast，Tara Seshan 訪談）。

第二，「steering vs. rowing」這組對比開始在 PM 社群裡被廣泛討論。 Tara 在訪談裡說，人類未來的工作是 steering，不是 rowing — 你決定方向、設定標準、判斷品質，AI 負責執行細節。這個說法不是新的，但從 ChatGPT 的 PM 頭口裡說出來，代表 OpenAI 已經把這個 narrative 內化進產品設計哲學了。

第三，OpenAI 內部的 meme 文化反映了他們對速度的執念。 訪談裡提到兩個內部 meme：「Is this maximally accelerated?」和「Are you mainlining it yet?」這兩句話聽起來很輕鬆，但背後的意思是 — OpenAI 在內部不斷逼自己和用戶往更高強度的 AI 使用方式移動。這是組織文化層面的訊號（來源：同上）。

這三個訊號加在一起，指向同一件事：OpenAI 不只在做產品，它在試圖重新定義「一個公司裡的 AI 應該長什麼樣子」。

---

為什麼會這樣

技術面、商業面、人才面各有一個原因。

技術面：context window 和記憶能力的突破讓這件事開始可行。 三年前，一個 AI 要「記住」你的工作偏好，代表你每次都要重新 prompt，或者靠很複雜的 embedding + retrieval 的工程架構來模擬記憶。現在，context window 長到可以塞整個 project 的文件，再加上 memory 功能，AI 真的可以記得你上週改了什麼決策、為什麼改。技術門檻降低了，所以這個概念從「理論上可行」變成「產品上能做」。

商業面：企業客戶的錢比個人用戶好賺。 OpenAI 的 B2C 訂閱價天花板有限，但 B2B 的企業合約可以談到非常大的數字。「AI 同事」這個 framing 對企業 buyer 來說很有感 — 你不是在買一個 SaaS 工具，你是在「雇用」一個不用給薪水、不會請假的 AI 員工。這個定位對 procurement 決策者的說服力遠高於「我們的 AI 幫你自動化一些任務」。Tara 之前在 Stripe 待了六年，對企業端的採購邏輯很清楚，這個 narrative 選得很精準。

人才面：「ambition 是新的瓶頸」這個觀察很準。 Tara 在訪談裡說，現在很多公司的問題不是沒有 AI 工具，而是沒有人有足夠的野心去想清楚「我們可以用 AI 做什麼大事」。執行已經被 AI 降低成本了，但 vision 和判斷力還是人的工作。這讓我想到 2010 年前後 SaaS 剛起來的時候，很多公司的問題不是技術做不到，而是 PM 和業務想不清楚要解決什麼問題。歷史在重演，只是這次換成 AI 降低了執行的門檻，把瓶頸往上移到了「你要做什麼」。

Tara 提到 OpenAI 內部在 build for where the models will be in two to three months — 不是現在的能力，是三個月後的能力。這個方法論聽起來很 aggressive，但也是真正在技術前沿的公司才有辦法做的事。一般公司跟著現在的模型能力設計產品，OpenAI 在賭三個月後的版本。這是優勢，也是風險。

---

Meta 判讀

判定：Meta Shift，但時程被高估了。

「持續存在的 AI 同事」這個方向是 Meta Shift 等級的 — 如果真的成立，它會根本改變企業怎麼 hire、怎麼 org design、怎麼定義「一個工作流程的 owner 是誰」。

但我的判斷是，這件事在兩三年內不會全面落地。原因有三個：

一是 trust 問題。讓一個 AI 真的 own 一個工作流程，代表你要 trust 它在你不看的時候做出合理的決策。現在大部分公司的 AI 使用，還停留在「我要看它每一步做了什麼」的階段。這不是技術問題，是組織信任的問題，需要時間建立。

二是 workflow integration 的難度。「AI 同事」要真的有用，它必須接進你的 email、你的 Slack、你的 Notion、你的 Jira。這個 integration 工程非常複雜，而且每個公司的 stack 都不一樣。目前沒有公開數據顯示有多少企業完成了這個程度的整合。

三是市場教育成本高。很多中小企業的老闆還在問「我要不要開始用 ChatGPT」，直接跳到「你要把 AI 當同事」是跳太遠了。

所以這是真實的 Meta Shift，但 2026 年看到的更多是 pilot 和 proof of concept，不是全面普及。

---

我的建議

分三種讀者來說。

如果你是工程師： 現在要培養的能力是「任務拆解和驗收」，不是「自己把任務做完」。你需要能把一個模糊的需求拆成 AI 可以執行的小任務，然後知道怎麼驗證它做對了。這跟帶 junior 工程師的能力很像，只是 AI 的錯誤模式跟人不一樣，需要重新校準你的 review instinct。不需要現在就去學怎麼 build agent 系統，但要開始用 Codex 或類似工具，累積自己對 AI 執行任務的 mental model。

如果你是 PM 或產品設計師： Tara 說 ambition 是現在的瓶頸，這句話值得認真想。你現在有沒有在用 AI 做「沒有 AI 你根本不敢想的事」？還是你只是在用 AI 加速你本來就會做的事？前者才是真正的槓桿。具體建議：挑一個你覺得「這做不到」的工作流程，去測試看看現在的 AI 能不能做到 80%。你會被嚇到的。

如果你在評估要不要投資這個方向（或這類公司）： 我的保守看法是，「AI 同事」這個 narrative 短期內對 B2B SaaS 公司的估值有推升效果，但真正的商業驗證要看 retention 和 expansion revenue，不是 ARR 的初始成長。一個公司說他的 AI 幫客戶省了 40% 的時間，你要問的是客戶續約率是多少，有沒有往更深的整合走。這才是這個 thesis 有沒有真的成立的數字。

「先 steer，再 row」這個思路是對的。現在不是拚執行量的時代，是拚判斷力的時代。

延伸閱讀

• OpenAI 談企業 AI 下階段 — 大部分公司還沒跟上
• 人類和 AI 一起開會？Shapes 讓群聊變成混合團隊