AI行业已经非常擅长向企业推销“更多”：更多模型、更多智能体、更多自动化、更多工具。但每增加一样东西，也意味着企业多了一项需要理解、治理、维护，并最终需要修复的东西。 Jonathan Chew采取的却是完全相反的做法。 他自称是一名“AI极简主义者（AI Minimalist）”，曾在10个国家的企业中领导AI转型，两度获得AI及创新奖项，并推动Tune.Ai获得“AI Project of the Year”认可。Jonathan Chew拥有AI与机器学习理学硕士（MSc in AI and Machine Learning）以及EMBA学历，其工作领域涵盖上下文工程（context engineering）、AI治理、智能体系统，以及将AI应用从原型阶段推进至实际生产环境。 这些经历让他得出了一个刻意与当下潮流背道而驰的结论：最令人印象深刻的AI系统，并不一定是功能最多的系统。很多时候，真正优秀的系统，是能够在明确边界内解决一个定义清晰的问题，并且即使最初构建它的人已经离开，企业依然能够理解和维护它。 在这次与NewInAsia的对话中，Jonathan解释了为什么不断扩张的AI技术栈可能反而成为企业的负担、为什么企业专有的上下文可能比底层使用的模型更具价值，以及为什么看起来“无聊”的AI，最终可能才是企业真正应该追求的AI。 亮点AI工具越多，意味着你需要承担的问题也越多他的获奖AI，并不是技术最先进的AI模型是租来的，上下文才真正属于企业智能体AI不会消除管理，它会暴露管理水平如果它只有在状态最好的一天才能正常工作，那它依然只是一个Demo https://open.spotify.com/episode/0IJOOrrAttM4z6baY5bJOl?si=03be476f33eb4837 AI工具越多，意味着你需要承担的问题也越多 问：你称自己为“AI极简主义者（AI Minimalist）”，但与此同时，企业却被鼓励在各个领域采用更多AI。你认为企业今天正在增加哪些东西，而未来可能会后悔不得不维护它们？ 答： 目前，企业正在快速增加三类东西。 第一，是功能重叠的订阅服务：三个工具各自都能完成同一项工作的80%，但没有一个被真正熟练掌握，而所有订阅却都在不断续费。 第二，是建立在从未被任何人正式记录下来的业务流程之上的自动化。当我们把一个混乱的流程自动化时，得到的只是一个运转得更快的混乱流程——而现在，这套自动化还变成了整个流程中不可或缺的一环。 在AI时代，这个问题被进一步放大。 你采用的每一种工具都有一项在产品演示中永远不会出现的持有成本：许可证、安全审查、培训、团队不断切换工具所产生的效率成本，以及一种潜在情况——最终只有某一个人，或者极少数几个人，悄悄成为整个公司唯一知道这套东西如何运作的人。 企业未来真正会后悔的，是一味专注于获取更多工具，却没有首先投入那些困难而“无聊”的工作，以明确的意图和判断力去设计工作究竟应该如何开展。 他的获奖AI，并不是技术最先进的AI 问：你的项目曾获得多个AI及创新奖项，包括Tune.Ai的“AI Project of the Year”。这些项目让你对真正有意义的AI创新来源有了怎样的认识？是更好的技术、更好的问题选择，还是完全不同的因素？ 答： 获奖的那些项目，没有一个是我们当时能够打造出的技术最先进的项目。 它们真正的共同点，是选对了一个并不光鲜的问题：这个问题经常发生、确实令人困扰、可以衡量，而且有一个真正希望把它解决掉的负责人。然后，我们会毫不留情地缩小项目范围，直到这个系统简单到可以用一句话解释清楚——也简单到能够被持续维护。 我有一个可能稍具争议的观点：模型其实是整个系统中差异化程度最低的部分。 每个人都可以通过订阅获得同样的前沿智能，也都可以付费使用相同的API。 但创新并不等于“能够使用”。创新真正来自判断力——也就是围绕AI可以在哪里采取行动、它应该以什么信息作为依据，以及哪些环节必须让人类继续参与而作出的一系列决策。 到目前为止，我已经亲眼经历了三轮科技浪潮——dot-com、移动互联网和AI——而相同的规律一直在重复出现。 最终的赢家，很少是拥有最先进技术的团队。真正胜出的，是那些选择了人们确实存在的问题，并真正推出了人们愿意使用的产品的团队。 模型是租来的，上下文才真正属于企业 问：你的专业领域之一是上下文工程，也就是AI知道什么、记住什么，以及企业可以信任它做什么。随着基础模型的能力不断增强，企业自己的专有上下文是否可能成为比所使用的模型本身更重要的竞争优势？ 答： 它已经是了。 模型是租来的。上下文才是自己的。 基础模型正在逐渐成为一种公共基础设施。每个季度，它们都会变得更强，同时彼此之间的差异也越来越小。任何一个广泛可用的模型能够为你带来的优势，你的竞争对手同样可以获得。 但有一样东西，没有人能够租到——那就是你的公司知道什么。 你的决策历史。你的定价逻辑。你与客户沟通时使用的语气。你的标准作业程序（SOP），以及为什么要这样做。甚至包括某一次错误的判断，以及这次错误后来如何演变成了一条规则。 这些就是上下文。而上下文工程，就是决定你的AI知道什么、记住什么，以及可以被信任去做什么的一门学科。 在企业内部，真正的瓶颈几乎从来都不是模型能力不足。真正的问题是，公司的知识往往存在于员工的脑海里、散落在不同的电子邮箱中，以及隐藏在从未被记录下来的工作习惯里。那些从来没有被写下来的知识，AI自然无法利用。 因此，我所做的一些最有价值的AI工作，看起来往往非常像是在“整理文档”：让系统真正以企业的实际文件作为依据，使每一个答案都能够追溯到具体来源，而不是依靠猜测。…
Let’s Stay Connected
Join thousands of readers who already enjoy exclusive content—sign up today. It’s currently free!
