The Closing Window
职场盲点 image
Photo by Am on Unsplash

职场盲点

AI Insights

TL;DR

我发布了一篇关于自动化自己职位的文章,之后的沉默告诉了我一些事情。大多数人认为工作的复杂性能保护他们不被AI取代——我也曾有同样的想法,直到被证明是错的。模型不需要变得更好;更好地利用当今已有的技术,就足以自动化大多数企业所做的工作。即将到来的变化不会是渐进式的。

几周前,我发布了一篇关于如何自动化自己职位的文章。这是我刻意安排的——在与管理层共进便餐之前分享给同事,希望能引发一场关于AI正在发生什么以及这对我们工作意味着什么的真实对话。

反应几乎是零。

几个同事紧张地开玩笑说这让他们感到不安。管理层什么也没说。两周过去了,仍然没有实质性的反馈。每个人都很忙,生活很充实,不缺需要我们关注的糟糕事情。也许他们还没读。

但这份沉默让我开始思考。我得出的结论是某种我开始称之为"职场盲点"的东西。


大约八九个月前,当我开始认真使用AI编程代理时,我有一个非常具体的信念:我的工作对此来说太复杂了。 背景太丰富,问题太微妙。AI无法有效理解我所面对的东西。

我错了。

随着我越来越深入地使用 Claude Code,我意识到——比我预期的更快——AI代理能够接管我大部分软件开发工作的时刻已经到来。这件事突然降临,让我踉跄了好几天。我经历了一场存在主义危机。

然后我开始行动。我找到了如何将它作为伙伴而非替代品来使用,我发现它给了我超能力——不仅仅是在软件开发方面,而是作为各种专业和个人任务的通用代理。它给我带来的杠杆效应真的令人惊讶。

然后我写了那篇关于自动化我的PM职位的文章。我经历了第二次存在主义危机,因为这次范围更大。我不再是在看着AI入侵某一个功能。我在看一种模式。


这是很难开口说的事情,因为听起来像个末日论者:模型甚至不需要变得更好就能产生变革性影响。

今天已有的技术,更好地加以利用,就足以自动化大多数企业所做的大量工作。我遇到的唯一限制是时间和计算成本——而不是能力。从我们现在所处的位置到某个业务功能的完全自动化,不是一场马拉松。而是百米冲刺。

本周发布的 Anthropic 劳动力市场影响研究 用数据支持了这种直觉。下面的图表描述了AI在真实工作中的当前状态。我们仍然处于曲线的起点附近。

Anthropic labor market impact graph

这场颠覆不会逐渐到来。热度会突然被调高。而大多数人不会做好准备。


为什么?两个原因。

第一个是复杂性的虚假安慰——认为因为你的角色很重要或需要大量背景知识,AI就无法触及它。我对自己的工作也持有这种信念。我错了。复杂性不是盾牌;它是延迟,而且比你想象的要短。

第二个是认知差距。 大多数"使用AI"的人仍然把ChatGPT当作更智能的Google来用。这有真实价值,但那不是前沿所在。前沿是代理工作流(agent workflows)——AI不只是回答问题,而是执行任务、管理流程、协调系统。大多数人认为AI能做什么与它实际能做什么之间的差距是巨大的,而且这个差距正在以大多数人没有意识到的速度缩小。

这不是预测。我不是算命的。我描述的是我在自己工作中实时观察到的轨迹。


反驳论点

AI将创造新的工作

这是我在开始面对这个现实时习惯援引的一个反驳论点。每一波自动化浪潮——工业化、机械化农业、计算机、互联网——都被预测会导致大规模失业。从未如此。新产业出现了,新工作被创造出来,生活水平提高了。这个模式足够一致,几乎成了一条准定律:技术摧毁工作类别,而不是整体上减少工作。经济学家把这种恐惧称为"固定劳动量谬误"(lump of labour fallacy)。历史站在乐观主义者一边。

但以下是我认为这次不同的原因。

速度。 过去的转变历经数十年甚至数代人——足够长,让教育系统、劳动力市场和社会机构来适应。这次以年为单位。问题不是新工作是否最终会出现。而是过渡期对于身陷其中的人来说是否能够熬过去。

广度。 以往的自动化替代的是特定的体力劳动或常规认知任务——织机、装配线、电子表格。它没有触及广泛的知识工作类别。AI正在同时冲击所有这些:写作、分析、编程、法律、医疗、管理。在你重新培训期间没有可以撤退的安全港。

新工作假设这次是循环论证。 历史上的乐观主义依赖一个前提:人类总能在某个地方保有比较优势。以往的自动化创造了仍然需要人类来运营的新行业。工厂取代了手工织布者——但你仍然需要人类来操作工厂。AI没有这个限制。它也可以做那些新工作。

复杂性是真实的障碍

AI在真正复杂的任务上仍然举步维艰——尤其是尚未数字化的机构知识,或塑造组织内部决策的内部政治。这是一个合理的观点。

但这和我对自己软件开发工作所持的论点一样,而我那时也错了。作为开发者,我很早就学会了将复杂问题分解为更小、更专注、更易管理的任务。同样的方法在这里适用。在宏观层面看似不可逾越的复杂性,当你一步步、在更小的范围内处理它时就会消解。AI在这方面很擅长。真正的限制不是复杂性——而是背景信息是否可以数字化。而大多数机构知识,在时间和合适工具的帮助下,是可以的。


说清楚一点:我不认为每个人都会在一夜之间失去工作。即使在欧盟,AI法案也要求在重大决策中有人类参与。但运营一家公司所需的人数将会缩减——显著地、戏剧性地——而且时间比任何人目前规划的都要短。

我写这篇文章也不是为了吓唬任何人。我已经经历过恐惧了。我在另一边发现的是:你可以准备、适应,找到与这一变化共存而非对抗的方式。但你无法适应你不去正视的东西。

那次午餐时的沉默表明,人们以为会有其他人在思考这个问题。或者认为它比实际情况更遥远。或者认为工作的复杂性会保护他们。

不会的。没有保护我的。

这就是盲点。


本文是 The Closing Window 系列的一部分。另请参阅:I Am No Longer NeededAI's Social Trap

Powered by Buttondown.