前特斯拉总裁：AI 智能体取代耗时12个月的 ERP 部署
一位特斯拉老将如何在企业中部署 AI 智能体
Jon McNeill 曾担任特斯拉总裁，在公司员工人数从 4 人爆炸式增长至 40,000 人的阶段亲历其中，直接与 Elon Musk 并肩作战，从招聘理念到销售运营无所不涉。此后，他先后创立并出售了五家初创公司，如今领导一家将智能 AI 应用于供应链优化的企业——而传统 ERP 系统在这一领域的部署通常需要 9 至 12 个月。
关于 AI 智能体取代顾问： McNeill 最新的创业项目招募了当年在特斯拉打造机器学习供应链平台（约 2017 年）的团队，并用智能 AI 对其进行了全面重建。结果令人震撼：“Their agents could go in and understand the work rules of that ginormous platform within hours and then design a system and a workflow within hours.”（他们的智能体能在数小时内理解那个庞大平台的工作规则，并在数小时内完成系统与工作流的设计。）他们近期完成了国内最大生鲜即时配送平台之一的系统接入——按常规 ERP 流程，这样的项目几乎需要整整一年。
关于 AI 替代人工的问题： 节目主持人追问 McNeill：AI 劳动力替代人类劳动力，是否意味着新业务也不再创造人类就业？他坦诚回答：“I haven’t heard the case for why we do that is compelling enough.”（我还没听到足够有说服力的理由。）他以电子表格作类比——1950 年代摩天大楼里坐满了从事计算工作的人，后来被数字电子表格所取代，但那些大楼并没有空着。电子表格软件催生了衍生品定价、期权交易所、贷款银团——创造出无人预料的数万亿美元市值。
关于 1-800 号码的类比： McNeill 对 AI 颠覆的最生动比喻来自电信历史。1970 年代，电子交换机取代了 80 万名人工电话接线员，当时的忧虑是真实存在的。但免费长途电话催生了免费呼叫号码，进而孕育出整个呼叫中心产业——“A few years into the 1980s, there were now millions of people employed in call centers. Hundreds of software firms that were created.”（进入 1980 年代后没几年，已有数百万人在呼叫中心就业，数百家软件公司随之诞生。）他的第一家初创公司便是其中之一。
关于 AI 模型作为工具层： 与其押注哪家 AI 公司赢得模型竞赛，McNeill 将超大规模云厂商（OpenAI、Google、Anthropic、xAI）视为基础设施建设者——类似互联网时代的浏览器。“We’re getting really excited like we did about Netscape and Internet Explorer… but what you really want to be looking at is what businesses are going to get built on top of this tooling.”（我们现在的兴奋劲儿就像当年面对 Netscape 和 Internet Explorer 一样……但你真正应该关注的，是哪些业务将在这套工具层之上被构建出来。）
关于特斯拉的人才筛选： 虽与 AI 无直接关联，McNeill 的用人哲学对如何评估 AI 时代的人才具有直接启示。Elon 的方法：深挖一个真实问题，判断候选人是真正完成了这项工作，还是在借用团队的成果邀功。McNeill 此后也沿用了这一做法——抛出你当下面临的实际问题，在几分钟内考察对方的求知欲、分析深度，以及化繁为简的能力。
特斯拉前总裁谈 AI 与企业的 5 大核心洞见
- AI 智能体将实施周期压缩了数个量级 — 传统 ERP 需要 9 至 12 个月才能完成的事，智能系统几天就能搞定，且能自主学习客户工作流
- 每次技术革命都创造更多 GDP 和更多就业 — McNeill 无法举出历史上任何一次导致就业总量减少的技术突破
- 二阶效应才是价值所在 — 一阶效应（岗位消失）显而易见；另一侧的创业机会不显眼，但始终更为巨大
- AI 模型是工具层，而非业务本身 — 正如浏览器催生了 Facebook 和 Airbnb，AI 模型将孕育那些尚未被想象出来的真正业务
- 人类加 AI 是当下的制胜公式 — 供应链专家以 AI 为”外骨骼”——依靠领域专业知识来判断智能体的产出，并在需要时加以纠偏
这对 AI 驱动型组织意味着什么
McNeill 的供应链案例，是目前智能 AI 在企业领域最清晰的落地证明：领域专家借助 AI 智能体，用数天时间交付传统系统需要一年才能完成的成果。“专家 + 智能体 > 二者之一”的模式，直接映射出组织思考 AI 落地的方式。不要取代你的专家；而是为他们配备能将产出放大 10 倍的智能体基础设施。