AI 商业化进入第二阶段的重要拐点出现了？
a16z 8月21日给出的一组数据值得所有人认真看一眼：2026年2月以来，企业Codex的周活跃用户增速，法务涨了108倍、销售41倍、招聘41倍、市场26倍、医疗24倍，而工程部门只有5倍。
工程部门低增速不奇怪，基数本来就大。真正的信号是：Agent的增长斜率已经从技术部门迁移到非技术部门。我判断这就是AI商业化进入第二阶段的拐点。
Coding Agent正在越界
律师、销售、招聘的人不写代码，为什么也开始用Codex？因为今天的Coding Agent早就不只是"生成代码"这一件事了。它能读文件、搜资料、调API、查数据库、改Excel、做PPT、操作浏览器、跑Python、连CRM，还能在多个步骤之间自查、纠错，最后把成果交给人审核。
代码只是它完成任务的手段，不是用户要买的东西。一名律师要的从来不是"帮我写段Python"，而是"扫描这300份合同，找出所有Change of Control条款，跟标准模板比对，生成风险清单"。过去这活儿靠人工翻PDF、抄Excel、写memo；现在律师只描述目标，Agent在后台自己写脚本、解析文件、建表格——律师甚至不需要知道背后跑过Python。
这里有个反直觉的判断：会写代码的人占比会下降，但全球运行的代码总量会爆炸式增长。代码正在从"人类职业技能"变成"AI操作数字世界的机器语言"。
程序员只是第一块试验田
Agent为什么最先在软件工程里成熟？因为编程有三个天然优势：目标明确、环境结构化、结果可验证——程序跑不跑得通、测试过不过，反馈极快。这让coding成了训练Agent"观察—思考—行动—验证—纠错"闭环的最佳场地。这套闭环一旦成熟，就能迁移到几乎所有知识工作。
Anthropic对约40万次Claude Code session的研究给出一个关键结论：人类负责决定"做什么"，Claude负责决定"怎么做"；不同职业的人用Coding Agent完成任务的成功率已经接近软件工程师；而且领域知识越深的人，同样一条指令能让Agent干的活越多。
这说明未来真正稀缺的不是Syntax，而是Domain Knowledge×Problem Definition×Judgment×Agent Orchestration的组合能力。AI没有消灭专业知识，反而在放大专业知识的杠杆——一个优秀律师配20个Agent，可能顶得上过去一个小型律师团队。
被改造的是Workflow，不是Job
“AI会不会取代律师"这个问题本身就问错了。AI不会一次性吞掉一个完整职业，而是逐层钻进职业内部的工作流：法律从合同检索、尽调开始，销售从客户研究、CRM更新开始，招聘从简历筛选、候选人研究开始，医疗从病历整理、保险文件开始。
所以AI的扩散单位不是Job，而是Task→Workflow→Function→Organization。Anthropic的Economic Index显示，到2026年累计数据中约49%的职业已经出现至少四分之一任务被Claude覆盖，使用场景也在从早期高度集中的Coding向外扩散。
统计"多少员工用过ChatGPT"这种指标以后会越来越没意义。真正该盯的是：企业有多少核心Workflow已经能由Agent独立执行——这是从AI Adoption到AI Absorption的跃迁。
SaaS的价值正在被重新分配
“Agent会消灭SaaS"这个判断我不认同，更准确的说法是Agent会重新分配SaaS的价值。传统SaaS的核心价值很大一部分来自UI——员工登录系统、点菜单、填数据。Agent出现后，人越来越不需要亲自操作这些界面，只需要说一句话，Agent自己去调CRM、数据仓库、邮件系统。
软件的价值正从Interface向Data+System of Record+API+Permission+Workflow State迁移。真正危险的软件公司，不是"AI能帮它写功能"的公司，而是那些没有独占数据、没有业务状态、没有权限体系，纯靠复杂UI黏住用户的产品。反过来，掌握企业核心数据和业务状态的System of Record，会比过去更值钱。
分析一个SaaS标的，该问的不是"AI会不会替代它”，而是"它是Agent准备绕过去的界面，还是Agent必须调用的基础系统”——这两者的估值逻辑完全不同。
最大的需求增量来自不会写代码的人
传统Developer Tool面向的是全球几千万程序员。但如果Coding Agent最终能让每一个律师、医生、销售、分析师都能调用软件、搭建自动化流程，它服务的市场就从Developer扩张成整个Knowledge Worker群体——这相当于把软件工程能力"证券化"了。
这跟Excel当年干的事很像：Excel没让每个人变成会计师，却让几亿知识工作者拿到了过去只有专业人员才有的计算能力。Coding Agent很可能重复一次更大的历史进程——不是让十亿人学会编程，而是让十亿人拥有编程能力。
算力需求为什么还会更大
Chatbot的经济单位是"一问一答"，Agent的经济单位是"一项任务"，而一项任务内部可能包含几十到几百个动作：读文件、搜网页、调数据库、跑代码、检查输出、重新规划、纠错。计算需求的公式正在从Users×Questions升级为Users×Tasks×Steps per Task×Tokens per Step。
OpenAI数据显示，截至2026年6月，企业客户中Codex已经贡献Codex与ChatGPT合计输出Token的约64%。这不代表64%的企业工作已经Agent化，但清楚说明计算负载正从"回答问题"转向"执行工作"。长期算力需求的真正变量，不是还有多少人开始用ChatGPT，而是每个人每天愿意把多少工作委托给Agent。
企业的瓶颈从模型转向组织
模型越强，企业部署AI最大的障碍反而越不是Intelligence，而是权限、数据、责任、安全和评估这些组织问题：Agent能读什么文件？能不能发邮件、改合同、提交付款？出错谁负责？如何防止一个错误的Agent连续跑几十步把损失放大？
微软2026 Work Trend Index显示，Microsoft 365生态里活跃Agent数量一年增长约15倍，大企业约18倍；但同一份研究也发现，组织文化、管理支持和人才制度对AI实际产生价值的影响，明显高于个人单独用AI。所以企业竞争的下一阶段，比的不再是谁买了最好的模型，而是谁最先重构了自己的Operating System。
未来三到五年的三级阶梯
我把这场变化分成三个阶段：第一阶段Copilot，AI帮人写、帮人查，人执行大部分动作；第二阶段Agent，人定义目标，AI跨文件、浏览器、数据库独立完成多步骤任务；第三阶段Agentic Organization，企业不再按员工人数配置生产力，而是按Human+Agent Capacity配置资源，一个十人团队管理几百个持续运行的数字Agent。
到那个阶段，“一个员工用几个软件Seat"的SaaS计价逻辑也会变，软件公司卖的可能是Workflow、Task、Outcome、Compute或Digital Worker。企业的关键指标也会跟着变：Revenue per Employee之外会出现Revenue per Human+Agent，AI用户数之外会出现Tasks Delegated to Agents，Token Consumption之外更重要的是Economic Value per Token。
Coding不是终点，而是AI学会"行动"的起点。程序员最早教会Agent怎么读环境、拆问题、调工具、验结果、纠错误，这套能力一旦成熟，自然会溢出到法律、金融、医疗、销售、制造。未来值得长期跟踪的三条曲线是：AI是否开始替人执行工作、执行任务的复杂度是否持续提高、企业是否愿意把越来越重要的业务流程交给Agent。当这三条曲线同时向上，我们看到的就不只是一轮软件升级周期，而是一次生产方式的迁移——过去软件是工具，人操作工具；未来软件是劳动力，人管理劳动力。