跳转至

Alex Lieberman & CJ Hess（Tenex）

  • Alex Lieberman — Tenex 联合创始人（另一位联创 Armand，技术出身）。此前联合创办 Morning Brew。
  • CJ Hess — Tenex special projects lead、公司第一号员工；软件工程师出身，加入前自己做工程咨询。
  • Tenex — 成立约 18 个月（截至 2026-10），定位 "applied AI partner"：帮大企业从 AI absent 走到 AI native。75 人、总部纽约，90% 是工程师或 AI strategist（技术顾问）；客户一半 Fortune 2000、一半年收入 1–5 亿美元的中型公司。起步形态是"AI 驱动的开发外包"，现在卖的是 AI transformation as a service。⚠️ 以上全为自述。
  • 本库收录：2026-10-21 Latent Space（AI Engineer NYC 现场）

⚠️⚠️ 读这一页时必须带着的利益相关：两人卖的就是"企业 AI 转型服务"，而他们给出的所有数字都在论证企业需要这种服务。本库全部记为一方自述。

核心主张

来源：Latent Space 2026-10-21（本页以下全部时间戳均出自这一期）

企业采用 AI 的四级漏斗，最后一级断崖到 5%

Alex 把企业采用描述成一场有里程碑的赛跑，并给出他们接触的约 100 家企业里各级占比：铺开通用 LLM 90% → 培训与赋能 60% → 给工程组织铺开 coding agent 约 50% → 让 agent 在生产环境做"非写软件"的工作约 5%（视频页 [00:19:51]–[00:20:52]）。

两处口径上的细节：第三级多数人猜 70–80%、实际接近 50%，而且"没铺开的那一半里，他们在用的东西更接近于没有 coding agent"；第四级的表述是"员工数过千的企业里，大多数没有任何一个在生产环境做非软件工作的 agent"（同上 [00:20:52]–[00:21:52]）。

✅ 本库的归纳：前三级都是发工具，第四级才是改流程，漏斗恰好在这里掉了一个数量级。 详细保留意见见视频页。

"你没法自动化一个并不存在的流程"

CJ 对第四级为什么卡住给的机制性解释：四十个人做同一职能、四十种做法，这种状态下造不出后台 agent；而且没有标准化就无法建 eval——"agent 不可能知道自己做得对不对"。所以 Tenex 的建议顺序是先在组织内把流程建起来，再谈交给 agent（视频页 [00:22:52]–[00:23:52]）。

过渡形态是让 agent 把工作"浮"给人、人复核后打回去，人逐步变成 agent manager，"我们正处在临界点上"（同上 [00:23:52]）。

按 story point 而非工时付薪

  • 基本主张（Alex）："AI 本质上是对一个人的智力与工作伦理加的杠杆"，所以收入能力的方差会空前变大（视频页 [00:02:29]–[00:03:29]）。
  • 18 个月后的实测离散度是约 4 倍，不是 10 倍——"不是 10 倍。那是梦想"（同上 [00:04:30]）。
  • 两个事前担心的问题（虚报点数、交烂代码）都没发生，归因于 AI strategist 的激励被刻意设成与工程师相反（考核客户留存与增长）（同上 [00:05:32]）。⚠️ 制衡设计声明，无检出数据。
  • ⚠️⚠️ 真正的难点在"不写代码的时间"怎么计价（架构、见客户）；⚠️ 而随着模型变强，这部分正在变多——CJ 说现在"模型给对上下文基本能到 90%"，价值落在"听客户倒完脑子再喂给模型"上（同上 [00:05:32]、[00:06:32]）。
  • ⚠️ 单位购买力没解决：主持人问 story point 通胀还是通缩，Alex 答"理论上应该通缩"，CJ 答"我不知道"；他们至少每季度重新校准一次估点标准（同上 [00:10:39]）。

🔗 与 Akshay Nathan（OpenAI）在 2026-07 的对照：后者明说 story point 这类旧代理指标已不再强相关于目标达成。本库在视频页并置了两侧，并指出"计价单位"与"目标达成代理"是两种用法——⚠️ 但 Tenex 用"人均月 story point"衡量工具是否奏效时，正好落在被判失效的那种用法上。

看空垂直 AI（与主持人当面分歧）

Alex 看空垂直行业 / 职能专用 AI，理由是企业内部 nuance 与惯性巨大、买方期待一对一方案（这正是每家软件公司都在搭 FDE 团队的原因），由此发问这些公司还能不能以软件毛利率经营，以及为什么前沿模型不会直接吞掉它们（视频页 [00:23:52]–[00:25:52]）。

swyx 当面回"到目前为止你是错的"，举 Harvey、OpenEvidence，护城河是数据、affordance/UI、以及 Bloomberg 式的切换成本与网络（同上 [00:25:52]–[00:27:55]）。

CJ 的划分本库认为比双方原始立场更可用：把 agent 本身当产品的垂直方案，除非有合规/数据护城河否则会越来越难；而"改变了流程、再在流程之上放一个 agent"的产品仍会成功（同上 [00:28:56]）。⚠️ 本库裁决：Alex 问的是毛利率，swyx 答的是留存，两者可同时为真。

企业第二大诉求：权限与 RBAC

每个员工都有 Claude 或 Codex 之后，"对 CIO 和 CISO 来说已经变成一场彻头彻尾的噩梦"——缺一个管"你能读什么"的网关与控制面板。Tenex 先做定制、现已产品化成自己的网关（视频页 [00:21:52]–[00:22:52]）。⚠️ 他在描述自己在卖的产品所对应的痛点。详见 LLM 安全。

自建 vs 买：成本的重新定义

对 swyx 的 Kill My SaaS 实验（4 万美元/年的工具用约 1000 美元替掉），Alex 的回应：越往上游走，拆掉重建越难；他不同意"Salesforce / SAP 真的有风险"，因为替换搞砸的代价是几亿到几十亿，买方必然极度风险厌恶（视频页 [00:30:59]–[00:32:06]）。

✅ 最该保存的一条："软件的妙处不只是你得到的效用，还有当它不属于你的核心时，那些你不必操心的维护与改进的麻烦。" 判据因此是这块蛋糕是否大到值得长期背上一份非核心的认知负荷（同上 [00:33:07]–[00:34:08]）。

就业：一处主动的降温

⚠️⚠️ Alex："当人们说 AI 会替掉所有人们不喜欢做的工作，我觉得那有点是在给'会有很多人失业'这件事找安慰（cope）——因为很多人根本没有喜不喜欢一份工作的余裕，他们做一份工作是为了挣钱。"（视频页 [00:37:09]–[00:38:11]）

⚠️ 同时他把再技能化的责任分了一半给个人（"人要有能动性自问自己的可替代性"）。本库标注张力：刚说完很多人没有挑工作的余裕，而没有余裕恰恰意味着也没有再培训的余裕。 详见 AI 与就业。

工程实践（CJ 侧）

  • "meta harness"：仓库内一套结构化文档 + 外面一层 CLI，驱动计划、可视化、客户 readout。agent 的决策与过程日志全部 check 进 Git，"它永远不在某个人的脑子里，永远在仓库里"；他明确站在"还是需要文档"一侧，反对"代码即代码库的记忆"（视频页 [00:07:35]–[00:08:37]）。
  • ⚠️⚠️ "随着模型变好，我们反而削减了结构上的强制"（同上 [00:07:35]）——与"给模型更多脚手架"的直觉相反，本库记为可对照的实践走向。
  • 模型选择：压倒性 Opus 5.5；Fable"我自己不怎么用，现在不少人都在默认不用它"；codex 用于偏 computer use 的任务；⚠️ 最好的工作流是"Opus 写、codex 审、来回过"。CJ 自称 AMP maxing（同上 [00:11:39]–[00:13:44]）。
  • 成本：token 支出 : 人力支出约 1:1 到 2:1；⚠️⚠️ "今天一个人靠 token maxing 把公司成本搞垮，比六到八个月前难多了"——该担心的时点已经过去（同上 [00:14:47]、[00:17:49]）。

纽约

纽约也有"活在未来"的泡泡，只是比旧金山小；而他的立论是纽约在 AI 池子里更小、在商业价值池子里一样大甚至更大，所以 "我在纽约做 AI 的理由，是把旧金山的人带过来见他们的客户、顺便接受一次现实检验"，他称之为一种套利（视频页 [00:39:12]–[00:41:16]）。

相关