共识机器
作者：Melody Koh | 来源：SandHill.io
几周前，一篇 Substack 帖子导致道琼斯指数暴跌 821 点。
Citrini Research 发表了《2028 年全球智能危机》——设想 AI 发展过快，导致全球经济在大规模失业下崩溃。《财富》杂志称之为 AI 恐慌成真的一周。Michael Bloch 发表了《2028 年全球智能繁荣》——同样的前提，同样的严谨，相反的结论。Will Manidis 写了《论花园》这篇疯传的文章，通过凡尔赛宫和 Lancelot Brown 的历史论证了整个框架都是错误的——经济不是发生在我们身上的风暴，而是一个由人们做出选择来照料的花园。
三个聪明人看着同样的数据，得出了完全不同的结论。Citrini 和 Bloch 都依赖于单变量外推——一个看失业率，另一个看成本通缩——这是定义了技术预测一个世纪的模式。Manidis 最接近结构性问题，他认为能动性很重要，我们不是技术变革的被动接受者。但结构性问题比“我们有选择”更具体。它关乎哪些选择，以及组织是否能足够快地做出这些选择。
这个问题在历史记录中有一个惊人清晰的答案。
共识金字塔
当我说“共识”时，我不是指意见一致。我指的是遵循既定模式的工作——可以从现有示例中学习并产生可预测输出的工作。
总结一份研究报告。筛选简历。将旅行行程与偏好匹配。按市价执行股票交易。撰写法律摘要的初稿。根据公开数据生成竞争分析。
这是大型语言模型（LLM）最可靠地生成的工作——这并非偶然。这是其基本机制。LLM 是模式补全引擎，训练数据是人类有史以来最大的产出语料库。主导该语料库的模式绝大多数是共识模式。一项任务越像以前做过的事情，模型的表现就越好。每个 LLM 的核心都是一台共识机器。
非共识工作则不同——在模棱两可情况下的判断力，区分好产品与平庸产品的品味，决定追求一个别人都放弃的交易。还有一些更难名状的东西：能够审视离散的信息片段，并将其合成为任何单个片段本身都不包含的东西。见林不见树。定义问题，而不仅仅是解决问题。
现在，把所有知识工作想象成一个金字塔——但不是人员金字塔，而是工作金字塔。
每个人的工作都是工作单元的集合。有些是共识性的：回复常规邮件，提取标准报告，遵循既定流程。有些是非共识性的：做出判断，连接不同信息，决定优先事项。没有人的工作是 100% 的一种或另一种。
在金字塔的底部，人们的日常工作主要由共识单元组成——紧密堆积、遵循模式、可程序化。在中间，混合更加均匀，这也是最有趣的地方：协调、项目管理、将战略转化为执行。在顶部，工作主要是非共识性的——战略、综合，以及将离散信息单元连接成连贯方向的结缔组织。
共识层和非共识层之间有一条线，这条线一直存在。新的是，AI 正在自动化共识单元——不是取代整个人，而是改变每个人工作的构成。共识单元由机器处理。剩下的是非共识的剩余部分。
而且这种构成不是固定的。随着共识被自动化，“非共识”的定义也在变化。写一封结构良好的电子邮件曾经需要判断力。现在它只是一个提示（prompt）。前沿在移动。
问题归结为：
共识单元被自动化的速度，与人类吸收更多非共识工作的能力，哪个更快？
如果自动化超过吸收，你就会得到 Citrini 的危机。如果吸收超过自动化，你就会得到 Bloch 的繁荣。历史证据对此惊人地清晰。而且它比任何一个阵营愿意承认的都更加微妙。
模式：三次浪潮
我们以前见过这种情况。至少三次。
电气化（1880年代-1920年代）
1899 年，电力仅为美国制造业不到 5% 提供动力。到 1929 年，它为大约 75% 提供动力。它所取代的共识工作是集中式动力系统——围绕单个蒸汽机组织的皮带传动工厂，其中每台机器的位置都由与动力源的距离决定。
但这是 Paul David 在他 1990 年的里程碑式论文《发电机与计算机》中记录的内容：电气化与可衡量的生产力提升之间存在 40 年的滞后。技术并不慢——慢的是工厂主。他们最初只是将电动机 bolted 到蒸汽时代的布局上。他们自动化了共识操作，却没有重新设计系统。
生产力激增仅在 1920 年代出现，当时新一代制造商围绕“单元驱动”从零开始建造工厂——每台机器都有独立的马达，布局为工作流程而设计，而不是为动力接近性。非共识工作不是操作新技术，而是围绕它重新构想整个系统。
经济不仅吸收了这种颠覆——它还催生了消费电器、电气工程、工业研究和工厂设计等以前不存在的全新产业。
计算（1960年代-1990年代）
计算浪潮更具启发性，因为它自动化了认知共识工作——与 AI 目标相同的类别。
在 1950 年代和 60 年代，国会听证会和总统委员会警告自动化将导致大规模失业。1964 年，一群杰出知识分子——包括 Linus Pauling 和 Gunnar Myrdal——向约翰逊总统提交了一份备忘录，认为“控制论”（cybernation）将创造一个“几乎无限生产能力的系统”，同时使大多数人类劳动变得不必要。实际发生的是：文书就业从 1910 年的大约 200 万增长到 1980 年的近 1900 万，这是由不断扩张的企业复杂性驱动的。当计算机到来时，它们最初加剧了这种扩张，然后最终将其自动化。转折点——文书工作岗位达到顶峰并开始下降——直到 1980 年才出现。
根据麦肯锡的数据，自 1980 年以来，个人电脑和互联网摧毁了大约 350 万个工作岗位，并创造了超过 1900 万个。这是一个超过 5:1 的创造与毁灭比率。出现的非共识前沿——分析、战略、软件开发、知识工作——是如此广阔，以至于它印证了 Peter Drucker 在 1959 年创造“知识工作者”一词时已经预见到的未来。
但转型并非没有痛苦。从中等技能文书岗位上被取代的工人，大部分没有成为软件工程师。他们的孩子成了。转型是代际的，而不是个人的。中等技能工作的“空心化”造成了持续至今的工资两极分化。
Robert Solow 在 1987 年抓住了这种延迟：“你可以在任何地方看到计算机时代，除了在生产力统计数据中。”又过了十年，生产力繁荣才得以实现。
互联网（1990年代-2010年代）
互联网最清晰的案例研究是股票经纪人。在在线交易之前，执行股票交易是共识工作：接受订单，在交易所下单，确认成交。单笔交易的成本在 1975 年至 2000 年间下降了 90%。
但股票经纪人并没有消失。角色分裂了。共识部分（交易执行）被自动化了。非共识部分（财务咨询、投资组合策略、客户关系）被提升了。只能执行交易的经纪人被取代了。能够提供判断力的经纪人变得更有价值。
旅行社是每个人都引用的被取代案例——就业人数从 2000 年的峰值下降了一半以上。但即便如此，幸存者也转向了复杂的、高判断力的旅行：豪华、企业、多目的地行程，这些都需要 AI 仍然难以掌握的品味和解决问题的能力。
互联网在大约 10-15 年内从利基市场变得无处不在——比电气化 40 年的漫长过程快得多。失业与前沿创造之间的“痛苦差距”更短了。但它仍然是痛苦的。
加速的模式
当你把这三次浪潮叠加起来看时，它们告诉我们以下几点：
所有三次浪潮都存在三个共同模式：
麻省理工学院经济学家 David Autor 的任务型劳动经济学框架是本分析大部分内容的基础，他这样说：计算机自动化了常规任务（一个与我所说的共识密切相关的概念），并补充了非常规任务（非共识）。经济创造新非常规工作的速度比自动化常规工作的速度要快。金字塔变高的速度比那条线上移的速度要快。
那么为什么 AI 可能不同？
Autor 在 2024 年更新了他的框架，其发现挑战了他自己模型的局限性。以前的技术——电力、计算机、互联网——无法自动化非常规的认知工作。它们可以自动化计算，但无法进行判断。存在一个经济学家称之为波兰尼悖论（Polanyi’s Paradox）的硬性障碍：我们知道的比我们能言传的要多，如果我们无法明确规则，我们就无法自动化任务。
AI 跨越了那个障碍。“如果一个传统的计算机程序类似于一位古典演奏家，只演奏乐谱上的音符，”Autor 写道，“那么 AI 更像一位爵士音乐家——在现有旋律上即兴演奏，进行即兴独奏，并哼唱新曲调。”
这意味着 AI 不仅仅自动化金字塔的底部。它可以起草战略备忘录和生成可用的研究假设——不是专家级别，但足够可信，以至于 AI 输出与人类判断之间的差距比一年前更窄了。
共识与非共识之间的清晰界线开始双向移动——AI 从下方向上推动它，同时从共识侧跨越它。
但是——这也是 Citrini 危机情景崩溃的地方——这条线一直在移动。昨天的非共识工作变成了今天的共识工作。写一封语法正确的电子邮件曾经需要判断力。操作电子表格曾经是专业知识。建立一个网站曾经是工程学。
问题从来不是“这条线会移动吗？”而一直是“金字塔变高的速度是否足以吸收被这条线推出的人？”
横跨三次浪潮和 140 年的历史答案是：是的，但不是立即，也不是没有痛苦。
共识机器错过了什么
Citrini 的危机和 Bloch 的繁荣犯了同样的错误：他们将未来视为从共识层进行的单变量外推。
Citrini 的模型：AI 颠覆白领工作 → 消费者支出崩溃 → 通缩螺旋形成。该机制比简单的失业数学更复杂，但基本假设是相同的：如果 AI 能做这项工作，工人就会输。它忽略了每个人都是共识和非共识工作的混合体。自动化共识单元并不一定会淘汰这个人——它改变了他们花费时间的方式。
Bloch 的模型：AI 降低了服务成本 → 购买力上升 → 繁荣扩散。这是生产力增长的直线外推。它忽略了分配问题——繁荣为谁，以及何时？——以及失业和吸收之间的痛苦差距。
两者都将未来视为一个单变量的数学问题。实际答案有两个变量：
速度 1：AI 自动化共识工作的速度有多快？快。
速度 2：非共识前沿扩张的速度有多快？从历史上看，它总是在扩张——但不可预测。竞争动态迫使差异化。新市场创造了新的判断类别。新工作的构成与数量同样重要。
这两种速度之间的差距就是故事上演的地方。而这个差距不是一个技术问题。这是一个组织问题。
重组瓶颈
Paul David 关于电气化的洞见是整个研究中最重要的发现：40 年的生产力滞后不是技术滞后，而是重组滞后。工厂拥有了电动机，但他们没有围绕它们进行重新设计的组织想象力。
这种模式今天仍在重演。许多大公司仍处于增量模式——自动化遗留任务，而不是使用 AI 完全重新构想工作流程。
在计算机与数学职业中，理论上的 AI 能力达到 94%——但实际部署率约为 33%。这个差距就是重组瓶颈。
技术不是瓶颈。重组才是——就像电动机那时一样。重新设计本质上是非共识工作——它需要对新系统应该是什么样子有判断力，对什么重要有品味，以及有勇气放弃那些运行得还算不错的东西。
这就是我在自己的工作中看到的。在 NextView，我们构建了一个代理来系统地发现和评估我们现有网络之外的潜在投资对象——那些传统关系驱动的 sourcing 方式会错过的公司。
代理处理的是扫描的共识工作：消化大量数据集，根据标准评分，浮现值得仔细研究的公司。但这是一个重要的设计选择——我们有意校准一个宽泛的网络。我们宁愿有假阳性（边缘公司通过了，由合伙人来评估）也不愿有假阴性（非明显的潜在投资对象因为不符合模式而被过滤掉）。代理执行共识级别的扫描劳动。非共识的判断——包括决定某件事看起来足够奇怪以至于有趣——仍然由合伙人负责。
在我们这样没有初级投资团队成员的公司，没有代理的权衡很明确：要么我们根本不看我们网络之外的潜在投资对象，要么我们雇佣一个初级团队，要么合伙人把时间花在扫描上，而这些时间本可以更好地用于只有他们能做的工作——评估创始人的判断力，对市场假设进行压力测试，连接整个投资组合中任何单个交易备忘录都不包含的模式。
一个合伙人节省下来的三个小时并没有消失——它们被重新导向了公司中最不可替代的工作。
但并非这个故事的每个版本都以同样的方式展开。同样的动态根据你在金字塔中的位置而看起来不同——这就是它比任何单一预测所捕捉到的都要复杂的地方。
金字塔中的三个故事
“AI 会抢走我的工作吗？”这个问题假设有一个适用于所有人的答案。工作构成视角揭示了至少三个同时发生的不同故事。
底部：取代与解放
对于那些日常工作几乎完全由共识单元组成的人——数据录入、常规处理、标准报告生成——AI 自动化确实是一个取代的故事。不是因为这些人没有价值，而是因为他们被雇来做的工作正是机器被设计来生产的。历史上的相似之处是精确的：并非每个从皮带传动生产线上被取代的工厂工人都成了工厂设计师。许多人没有。计算浪潮从文书工作到知识工作的转型是代际的——被取代工人的孩子成了软件工程师，而不是工人自己。
但危机叙事完全忽略了底部的第二个故事。有些人被困在共识工作中，不是因为这是他们的上限，而是因为它消耗了他们所有的带宽。那个被数据清理淹没而从未能进行分析的分析师。那个生成 pitch book 而从未能评估交易的助理。那个花数小时在图表上而从未能专注于患者判断的护士。
当 AI 解除了共识负担时，这些人不会被取代——他们被解放了。他们终于有时间去做他们一直有能力但从未有带宽去做的非共识工作。这就是 Autor 写道 AI 可以“将人类专业知识的相关性、范围和价值扩展到更广泛的工人”时的意思——不是通过让每个人都成为专家，而是通过移除那个阻止有能力的人达到他们上限的共识地板。
分界线在于，某人是否拥有被共识工作掩盖的综合能力，还是共识工作就是他们所拥有的一切。这是一个难题，诚实的答案是，对于底部的许多人来说，这确实是一个取代的故事。
中间：翻译问题
金字塔的中间是最有趣也是最少被讨论的。这些人一天的工作中真正混合了共识和非共识单元——项目经理、团队负责人、部门主管，以及广义上的中层管理人员。他们的非共识技能通常是协调：综合来自多个人的输入，将战略转化为执行，就优先事项和资源分配做出判断。
当 AI 自动化了他们下属的共识单元时，协调挑战就转变了。管理一个从事共识工作的人类团队，与指导执行同样工作的 AI 系统，是两种不同的技能——判断是相似的（我们应该优先考虑什么？质量是什么样的？），但执行层是全新的。
这是一个翻译问题，而不是淘汰问题。那些能够重新引导其协调本能的中层人员——那些能够用他们过去管理人类团队的同样判断力来管理 AI 工作流程的人——将变得极具生产力。那些无法完成这种翻译的人，将面临与底层人员相同的被取代的命运，只是起点更高。
顶部：不断提高的门槛
对于金字塔顶部的人来说，AI 并不威胁取代。它提高了竞争的门槛。
当你下面的共识单元被自动化时，你可以做得更深入。你过去在会议和审查之间挤出来做的战略工作，现在有了喘息的空间。你过去在狭窄信息范围内进行的模式识别，现在可以跨越更广阔的领域，因为 AI 处理了过去吞噬你时间的收集和总结工作。
但顶部的其他所有人也获得了同样的优势。去年还具有差异化优势的战略，今年就成了基本要求。在信息稀缺时让你有价值的综合能力，在信息丰富时就成了意料之中的事。非共识的门槛不断提高——不是因为工作在绝对意义上变得更难，而是因为基线在不断攀升。
为什么前沿不断扩张
是竞争动态，而不是乐观主义，推动了前沿的扩张。当每个人都能生产出相同的共识产出时，该产出就被商品化了。获取价值的唯一方法是做机器还做不到的事情——找到差异化的角度、综合能力、别人没有提供的东西。
这就是之前每一次浪潮的真实面貌。电气化商品化了集中式动力，所以价值转移到了工厂设计上。计算商品化了计算，一个全新的知识工作类别出现了。互联网商品化了信息分发，所以价值转移到了策展和战略上。每一次，共识层都变得更便宜，而非共识前沿变得更有价值——因为稀缺性是驱动回报的因素，而非共识工作是稀缺的。
1920 年代围绕单元驱动重新设计的工厂主，抓住了接下来五十年的工业增长。那些将电动机 bolted 到蒸汽时代布局上的人，被收购或破产了。将他们区分开来的不是技术——而是重组的意愿。
这就是此刻向个人、公司和整个行业提出的问题。共识单元正在被自动化。问题是，你是否在围绕剩下的东西进行重组——判断力、综合能力、以及审视十个独立数据点并看到连接它们的那个模式的能力。
在底部，这意味着诚实地问自己是被取代还是被解放。在中间，这意味着弄清楚你的协调技能是否能转化为一种新的媒介。在顶部，这意味着问自己是在深入发展还是在即将被抬高的门槛上滑行。
你工作中的哪一部分在五年前感觉像是判断，而现在感觉像是模式匹配？
