🧠 Part 1｜Mark Andrew：AI 应用的未来 = 消灭提示框 + AI 员工化 + 主动执行

🎯 核心观点：Prompt Box 的终结与“高能动性 AI 员工”的崛起

• 传统 AI 产品依赖用户主动发起 Prompt，但未来趋势是：
  • 用户无需频繁输入指令
  • AI 观察用户行为 → 主动提出有价值的建议或操作 → 用户“点击接受”即可
• 目标不再是替代传统软件（$300–400B 软件支出市场），而是瞄准：
  • $13 万亿级的人力支出市场
  • 让 AI 像高效员工一样“做事”，而不是等人下命令

🔺 五阶员工金字塔隐喻（Agency Pyramid）

• S级高能动性员工的行为：

  识别问题 → 主动研究 → 提出解决方案 → 执行并告知上级 → 请求确认或汇报

• AI 应用的终极目标是达到这种执行力：主动识别 + 多方案探索 + 自动执行 + 人类批准

🧩 AI-native CRM 的典型案例

• 现状：销售人员必须手动翻查 CRM、邮件、日程、通话记录
• AI-native 版本：
  • 自动识别 pipeline 中高潜在客户
  • 恢复历史“温热线索”
  • 撰写激活邮件、预定会议时间、跨应用协调
  • 利用长上下文窗口和记忆机制，服务深度个性化工作流程
• 🚦 高价值用户会花精力训练 AI，让其掌握足够多上下文，逐步放权自动执行任务

🤖 Part 2｜Stephanie Zayn：为 Agent 而非人类设计，彻底改变内容创作与产品逻辑

🎯 核心观点：用户已变为“AI Agent”，设计标准从人转向机器

• 历史上为人类设计内容：讲究 attention hooks、视觉动线、易用 UI
• Agent 不需要这些：
  • 不会错过第五页的重要信息
  • 会完整阅读文档而非跳读摘要
  • 对界面操作几乎不敏感，关注的是数据、结构和上下文可解析性

🧠 新范式：从 UI/UX → ML（Machine Legibility）

• “视觉层级”变得次要，“机器可读性（machine legibility）”变为新优化目标
• 设计要素包括：
  • 内容结构清晰（例如 JSON-LD、语义分块）
  • 高质量元数据标注
  • 避免依赖视觉交互进行重要信息传达