沃頓商學院教授 Ethan Mollick 探討了 AI 發展的非線性特徵。他結合了著名的「崎嶇邊界(Jagged Frontier)」理論,並引入科技史學家 Thomas Hughes 的「反向突進(Reverse Salients)」概念,解釋為何強大的 AI 技術在實際應用中會遭遇瓶頸。Mollick 幽默地以虛構的「Nano Banana Pro」為例,說明解決特定工作流瓶頸的小型、專門化 AI 工具,其影響力往往大於一味追求強大卻泛用的通用大模型。
沃頓商學院教授 Ethan Mollick 探討了 AI 領域著名的「苦澀教訓」(The Bitter Lesson)與組織理論中的「垃圾桶模型」(The Garbage Can Model)之間的對立。前者認為只要持續堆疊算力,AI 就能解決所有問題;後者則指出企業組織本質上是充滿混亂與隨機決策的「垃圾桶」。隨著 AI 試圖融入真實工作,這兩股力量的對決將決定 AI 能否真正顛覆生產力。