Brex CEO：当CEO先被AI改变，公司才会变丨YC
输入“/”快速插入内容
Brex CEO：当CEO先被AI改变，公司才会变丨YC
Brex CEO：当CEO先被AI改变，公司才会变丨YC
用户4242用户42426月14日修改
Capihom Capihom 晚点再听LaterCast2026年6月14日 00:34 北京
我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。
全文约 3500 字，如果你现在没有时间，试试转成播客稍后再听
“你每天醒来碰到的每个难题，都该先问一句：为什么不能用 AI 解决？”
“CEO 必须成为首席 AI 官。”
“把时间花在只有你能做、模型做不了的事上。”
Pedro Franceschi 是 Brex 联合创始人兼 CEO，Brex 早已不是一家需要靠“讲 AI 故事”来抬估值的公司，它本身就是过去十年最重要的金融科技企业之一。 AI 进入公司后，最先被推翻的，常常是 CEO 的工作方式、公司的成本结构和整套组织边界。 Y Combinator 团队说，Pedro 来吃完一顿午饭，整个团队都被他带进了新的工程黑洞。听完这期，你大概也能明白那顿饭为什么有这种后劲。
先把 AI 当成电，再谈工具和岗位
Pedro 回忆自己第一次拿到 GPT-3 API 时，感觉更像在摸一个研究项目：有趣、惊艳，却还远没到能改写公司运转的程度。真正让他改口的，是推理模型、工具调用和编码 harness 开始一起工作以后。按他的说法， “电”是在 2025 年 12 月才真正被发明出来的 ，从那一刻起，创始人面对的主题已经从“要不要试试聊天机器人”切到了“六个月后的公司该怎么搭”。他最爱用的比喻很狠：五六个月前电刚被发明，大多数人还在点蜡烛。今天很多企业看 AI，也还停在那个阶段。
“如果把人类两百年的工业史铺开看，我们现在大概就站在‘电刚被发明出来六个月’的位置上。”
这套判断带来的冲击，不只是技术乐观。它逼着创始人换掉原来的时间感。过去看软件升级，很多人默认可以慢慢等产品成熟、等同事试完、等行业共识形成；Pedro 的态度几乎反过来，他更像在问：当基础设施突然换代，谁还在按旧世界的节奏做预算、做组织、做流程？ AI 在他那里从来不是给现有公司加一层插件，它逼你承认公司脚下的地基已经在变。
别再把模型关进“富士康工厂”
Pedro 对工程师社区最大的吐槽，是大家太习惯把 LLM 当成一台昂贵又脆弱的机器，于是拼命写规则、写 if statement、裁上下文、加围栏，生怕多喂一点信息就把 token 烧穿。他说自己也走过那条路，甚至写过半百万行 Rails 代码，想把模型塞进一套极其精密的控制系统里。后来他发现，很多所谓“高级 AI 产品”，拆到最后也就三件事：模型、工具、循环。 如果还在把 agent 关进过度管控的车间，再好的模型也只会被你用成流水线工人。
“很多人把 agent 放进一座富士康工厂里管理，可它真正想待的是 Esalen。”
这番比喻听上去像玩笑，落到工程实践里却非常具体。Y Combinator 团队提到，Pedro 那顿午饭之后，他们突然意识到自己之前最大的问题，是一直把模型当成“贵重零件”精打细算，没把它当成有行动能力的同事去放开。Pedro 甚至用“free the claw”来形容自己的方法：少一点多余 harness，多一点真实任务、多一点上下文、多一点 token。 当创始人还在用旧软件时代的节省逻辑管理智能，组织就会先卡在自己的手上。
公司里最先该重写的人，其实是 CEO
Pedro 说得最直接的一句，是 CEO 必须成为 chief AI officer。原因很现实：AI 带来的变化，压根不是工程团队关起门来的局部优化。它会碰产品、销售、财务、客服、组织设计，最后回到公司究竟是什么。CEO 若只是把 AI 当成技术部门的预算申请，往往会错过更大的东西。 创始人需要比别人更早摸清技术边界，因为接下来所有重大取舍，都会建立在“模型到底能做多少事”这条新基线上。
“我觉得 CEO 必须成为首席 AI 官，这不是工程团队的事，也不只是产品团队的事。”
他还有一句更狠的话：创始人得重新创立“公司自我认同”的概念。以前一家企业会把身份建在行业、渠道、产品线、销售方式上；AI 到来以后，那套身份很可能松掉。公司要不要围绕 agent 重做流程，要不要把一部分知识沉到系统里，要不要把部门边界按新能力重新分配，这些都不再是二线决策。 谁最先重写自己看公司的方式，谁就更可能在下一轮里活成新物种。
先把 token 烧起来，边界才会露出来
Pedro 给创始人的建议非常像一张贴在电脑边上的便签：每天醒来碰到任何难题，先问一遍“为什么不能用 AI 解决”。这更像一种刻意训练。很多创始人会说自己已经用过 chatbot 了，但 Pedro 要的是把模型拉进真实工作，持续把 token 打到极限，直到墙真的出现。单次提问带来的新鲜感很快就会过去，整段工作流被塞进模型以后，组织里真正的短板才会暴露出来。 只有你亲手撞过墙，才知道组织里哪部分还能自动化，哪部分仍旧只能靠人下判断。
“你要先把自己推进技术的边界，边界露出来以后，才知道哪部分还得由你亲自做。”
Pedro 在公开市场和半导体链条之外，给了一个更有画面感的 adoption 数据：地球上 84% 的人还没用过 AI，16% 用过一次免费的 chatbot，愿意每月付 20 美元的人只有 0.3%，真正在用 agent 的人，大概只占 2500 个点里的 1 个。很多人今天担心“AI 太多了”，Pedro 的判断却完全相反： 世界还没有真正进入 token 大爆炸，今天看到的消耗，离企业级普及后的规模还差得很远。
一人公司不是口号，取舍权还在创始人手里
Pedro 特别喜欢从极端前提出发：为什么不能先假设整家公司只有我一个人？为何不能先假设我自己就能把它搭出来？这种问法很容易被听成“公司 of one”的夸张口号，可 Pedro 真正在乎的，是它能逼出更清楚的分工。模型已经能写、能搜、能跑循环，很多传统协作动作会被吞进去；剩下那块最稀缺的工作，反而会更清楚。 创始人花时间的好代理，落点在那类只有自己能拍板的选择：做什么，不做什么，哪件事值不值得赌。
“一个好用的时间分配代理，就是去看哪些事只有你能做，模型做不了。”
Pedro 甚至说，某种程度上人已经开始“为 LLM 工作”了。听上去刺耳，意思却很实用：你得反过来围绕模型的能力重新安排自己的日程，把判断、选题、客户对话、优先级取舍留在自己手里，把大块执行面交给系统。 一人公司能不能成立，不取决于模型能不能替你做所有事，而取决于你有没有本事把稀缺的人类职责从旧流程里剥出来。
Brex 已经开始给每一美元 token 算账
Pedro 的另一层现实感，来自他并不把 token 当作“早期试验开销”。相反，他判断 AI 很快会成为公司里最大的支出之一。哪怕单次 token 价格往下掉，使用量也会同步放大，最后账单仍然会很重。Brex 内部为此做了一套叫 Magpie 的系统，专门追踪公司里每一美元 token 花到哪里：究竟是给客户产品用掉的，给内部工具吃掉的，还是给某位员工的工作流烧掉的。 企业一旦开始认真算这笔账，AI 就从“创新项目”变成了标准经营科目。
“它会轻松成为公司里最大的开支之一，我们正在追每一美元 token 的去向和回报。”
许多团队眼下还停在“先买几个席位看看”的阶段，Pedro 已经把问题推进到 ROI：哪些消耗换来了客户价值，哪些只是在内部制造热闹，哪些模型调用值得继续放量。 一家公司真要围着 AI 重建，财务系统迟早也得跟着换口径。 过去企业衡量软件预算，更多看 license 和 headcount；接下来会越来越像管理一条不断膨胀的智能供给链。
客户的点击、邮件和电话，都能织进世界模型
Pedro 在 Brex 内部最想做的，不只是几个孤立 agent，而是一整套 customer world model。做法也很具体：把客户在产品里的按钮点击、邮件往来、电话内容、会议记录一路拉进同一个上下文里，再追问下一步最该发生什么。客户接下来最需要哪项能力，哪类麻烦还没爆出来，销售该提前补哪块信息，客服该怎样判断风险，全部都能在一张更完整的图上协同。 当公司开始把离散触点织成连续世界模型，AI 才真正从回答问题变成替团队提前看见事情。
“从客户点了多少次某个按钮，到他在电话里说了什么，我们都想放进同一个世界模型里。”
Pedro 还提到一种更激进的版本：公司 AGI 或数字双胞胎。设想一家企业里所有高质量员工的脑内知识、判断方式、与客户相处时形成的经验，都被不断沉到统一系统里。你甚至可以问：如果 Brex 所有销售都坐进一个房间，他们会如何一起给某个客户出方案？ 组织知识一旦能被持续汇总，公司的“平均智力”就不只靠每次开会来更新了。
只要上下文还有限，人就还有位置
谈到“AI 会不会把工作拿走”，Pedro 没有走常见的安慰路线。他的说法更像一条工程判断：只要 RAM 还有限制，只要模型装不下所有上下文，人就还有位置。世界太大，业务现场太碎，客户细节也太多，不可能全都提前压进参数里。AI 能处理越来越多分布内任务，真正让它持续变强的，仍然是人把稀缺上下文灌进去，把现场信号带回来，再把优先级重新排一遍。 岗位未必先消失，先消失的更可能是那类只会搬运标准信息的旧工作流。
“只要上下文和内存还有边界，工作就不会凭空消失；你要做的，是把模型没有的信号灌进去。”
Pedro 还提醒了一层容易被忽略的偏差：模型天然会带着构建者的世界观。若训练它的人天天想着 AI capex、agent harness 和开发者效率，那模型给出的默认答案也会朝那一边偏。Brex 之所以愿意花大量时间做内部世界模型、客户画像和组织知识沉淀，就是因为通用模型看不见这些细节。 谁能持续补进现场数据，谁才更有机会把一套通用智能调成真正贴合自己公司的系统。
写在最后
Pedro 这期最有价值的地方，在于他把“AI 改变公司”从口号拉回了经营细节：CEO 的日程、token 的预算、客户信号的流向、组织知识的沉淀方式，全都得重写。若你现在还在把 AI 当成一个外接工具，最值得做的也许是先挑一块真实工作，把模型放进去，亲手看看边界到底卡在哪。很多抽象争论一旦进到一线流程里，第二天就会变成非常具体的取舍题。
内容来源："The Most AI-Pilled CEO We Know"丨Y Combinator Lightcone（嘉宾：Pedro Franceschi）