Tech CEOs are apparently suffering from AI psychosis：科技高管的“AI精神病”与生产力幻觉

背景

当前科技行业弥漫着一种既熟悉又陌生的狂热氛围。这种狂热既让人联想到云计算早期那种失控的成本扩张，又呈现出前所未有的矛盾景象：一方面是企业创纪录的收入增长，另一方面却是大规模的人员裁员。

在这种背景下，Box 创始人兼 CEO Aaron Levie 在 X 平台上直言不讳地指出，科技高管，尤其是 CEO 们，正集体陷入一种“AI 宏大妄想症”（AI psychosis）。这一观点引发了对 AI 实际生产力、企业裁员逻辑以及技术落地现实之间巨大落差的深刻反思。

核心内容

Aaron Levie 认为，CEO 们之所以容易患上“AI 精神病”，是因为他们距离产生大部分 AI 价值的“最后一公里”工作过于遥远。高管们往往只是“玩弄”AI——例如开发一个原型或生成一份合同草案，便轻易得出结论：AI 智能体（Agents）已经能够完全胜任这些工作。

然而，真正的一线员工才清楚其中的复杂性：他们需要审查代码、发现 Bug、识别对幻觉库（hallucinated libraries）的调用，以及处理公司特有的合同条款。高管们缺乏对具体业务流程的深入理解，因此无法准确判断哪些工作真正可以被自动化。但这种认知的缺失并未阻止他们基于错误的信念采取行动。

值得注意的是，Levie 并非 AI 的反对者。相反，他是 AI 的积极倡导者，拥有 270 万粉丝，主张“无头软件”（Headless software）是未来，并作为活跃的天使投资人支持 AI 初创企业。他建议 CEO 们应大量使用 AI，以真正理解其能力边界，从而对 AI 的红利和实际工作负担有清醒的认识。

尽管 Levie 相信仍有部分 CEO 在务实探索，但现实数据却指向了另一番景象。根据 Layoffs.fyi 的数据，2026 年前五个月，科技行业裁员人数已达 115,430 人，涉及 152 家公司，这一数字几乎与 2025 全年（124,636 人，275 家公司）持平。许多公司将裁员归咎于 AI 带来的效率提升，但批评者指出，这往往是“AI 洗白”（AI washing），即企业将裁员归因于 AI，而实际上是由其他商业决策驱动。

更具争议的是 ClickUp CEO Zeb Evans 的案例。他在部署约 3,000 个 AI 智能体后，裁掉了近 22% 的员工，并宣称这将创建一个“100 倍组织”（100x org），即由人类运行 AI 智能体并快速审核其工作的团队。他坚称此举并非为了降低成本，而是为了重塑 workforce。

然而，多项学术研究对这种乐观假设提出了有力反驳：

1. 加州大学伯克利分校《加州管理评论》：2023 年 10 月发表的一项元分析发现，“AI 采用与总体生产力提升之间没有稳健的相关性”。
2. 美国国家经济研究局（NBER）：2024 年 3 月的研究指出，虽然 AI 采用提高了生产力，但存在“生产力悖论”，即感知到的生产力提升远大于实际测量的提升。
3. 麻省理工学院（MIT）：研究人员在创建数千个智能体后发现，在许多情况下，智能体尚无法提供人类质量的工作。他们预测，按照当前大语言模型（LLM）的改进速度，到 2029 年，模型才能在文本相关任务中以 80%-95% 的成功率达到“最低足够质量水平”。这意味着 AI 要达到基础胜任力还需约三年，而要超越人类则需更久。
4. 《哈佛商业评论》：研究显示，当每个人都使用 AI 产出更多内容时，瓶颈并未消失，而是转移到了高管身上。如果所有人都被授权行动，正如 OpenAI 去年所经历的那样，局面可能会失控。

关键要点

• 认知偏差：CEO 们因远离一线执行细节，高估了 AI 智能体在当前阶段处理复杂任务（如代码审查、合同细节处理）的能力，导致“AI 精神病”。
• 裁员与 AI 的脱节：2026 年初的科技行业裁员潮规模惊人，许多企业以 AI 为由裁员，但数据表明 AI 尚未带来相应的生产力飞跃，这被质疑为“AI 洗白”。
• 生产力悖论：学术界共识是，目前 AI 带来的生产力提升感知与实际测量值之间存在巨大差距。MIT 研究指出，AI 智能体目前尚无法稳定提供人类质量的工作，全面胜任预计需等到 2029 年。
• 组织瓶颈转移：AI 并未消除瓶颈，而是将工作积压转移至决策层。若缺乏有效的审核与控制机制，全员 AI 化可能导致管理失控。
• 务实建议：Levie 建议高管应深入使用 AI 以理解其局限，而非盲目相信其全能性，避免组织陷入混乱。

意义与影响

这篇报道揭示了科技行业在 AI 热潮下的深层危机：战略愿景与技术现实之间的严重错位。

首先，它挑战了当前流行的“AI 替代人力”叙事。数据表明，AI 目前更多是作为辅助工具，而非完全替代者。企业若基于错误的生产力预期进行大规模裁员，不仅无法实现预期的效率提升，反而可能因失去关键人力审核环节而导致质量下降或运营风险。

其次，它警示了公司治理层面的风险。当 CEO 们沉迷于“100 倍组织”的宏大叙事而忽视实际业务逻辑时，组织内部可能出现严重的决策瘫痪或混乱。正如《哈佛商业评论》所指出的，如果每个人都拥有 AI 赋能的行动力，而缺乏相应的协调与授权机制，系统极易失控。

最后，这对投资者和企业领导者提出了新的要求：在 AI 投资和应用中，需要从“炒作”回归“实证”。真正的价值不在于部署了多少智能体，而在于如何结合人类智慧与 AI 能力，解决具体的业务痛点，并耐心等待技术成熟度的提升。在 2029 年 AI 达到“最低足够质量”之前，保持对技术的敬畏和对业务流程的深刻理解，才是避免“组织混乱”的关键。