球杆、石块与开始的速度
250 年的历史变迁，以及为何最安全的职业路径如今却成了风险最高的道路
有个古老的寓言，讲的是一位商人在码头遇见了一位渔夫。
那位商人告诉他应该更加努力工作，扩展业务规模，购置一批车辆，构建完善的企业基础设施，再将公司上市。
渔夫听他讲完，问道：“然后呢？”
“你退休时将会是个富人，”那位商人说道，“那这么多空闲时间你打算怎么打发？”
渔夫回答道：“坐在这码头上，每天去钓鱼。这不正是我此刻正在做的吗？”
我非常喜欢这个寓言，因为它揭示了在过去一百年里主导我们经济的那种思维模式——即“长短路径”理念所隐藏的代价。它看似通往目标的最直接路线，但若以真正重要的标准来衡量，绕行之路（也就是“短长路径”）其实更短。渔夫跳过了那些复杂的环节，直接抵达了目的地，这就是“短长路径”；而那个商人却希望他走那条“长短路径”。
经典的意象是：直接沿着悬崖面攀登才是技术上最短的路径。而那条蜿蜒曲折的绕行路线在地图上看距离更远，但实际上能更快到达顶峰，且更少让人感到疲惫。两者最终都能抵达山顶。但你最好清楚自己正走在哪条路上，并配备合适的装备。
在商业领域：有人会设定成为 CEO 的进球目标。第一种方式是立刻从零开始创办一家公司，这样就能实现该进球目标。但这真的符合他们的初衷吗？还是说这会带来诸多烦人的、充满风险的、令人疲惫的挑战，让他们偏离了设定目标的初衷？另一种方式则是加入一家公司，逐步晋升，必要时采取迂回策略，直到获得升职或被聘为 CEO。虽然最终达到的目的地相同，但前进的路径却截然不同。
在过去的一百年里，全球经济就像码头上的商人，不断驱使所有人沿着那条“长而短”的路径前进。我们设计了日益复杂的企业结构、管理层级以及工作流程，大多是为了解决自身复杂性所带来的问题。尽管我们真正需要的只是食物来果腹、只想安享生活，却还是建造了庞大且令人疲惫不堪的船队。
这就是为何这一现象在当下如此重要的原因：人工智能已经让这类团队的存在变得毫无必要。
那个在一个世纪以来看似稳妥的道路——通过构建技能、逐步晋升、扩大团队规模、积累声望——如今却已悄然变成了对几乎所有人而言那条漫长的“短路径”。而那些曾显得缓慢的道路——建立深厚的人际关系、运用判断力、培养审美能力、进行深思熟虑——现在反而成了真正的“长路径”。如果方法得当，我认为我们就能兼得两者的优势，更重要的是，还能掌控属于自己的独特发展道路。
这篇文章探讨了我们为何会走到今天这一步，为何规则正在此刻发生转变，以及我们应当如何应对。它讲述的是雇主与雇员之间长达 250 年的契约正在我们眼前被重新书写，相关的典型案例也已公之于众。同时，它也说明了为什么在当前这个十年里，最有价值且最简单的事情就是：脱下西装。
让我们一起来了解一下。
250 年的杠杆演变史
每个工作时代都可以用一个简单的问题来定义：员工能带来什么，而雇主又能掌控什么？
（这正是我在 2020 年的文章《杠杆框架》中所阐述的典型人力杠杆现象。）
这个问题的答案决定了谁掌握着杠杆。而在过去的 250 年里，这种杠杆力量已经发生了五次巨大的转变。
在这些不同的时代中，存在一种规律值得我们关注。每个时代都会给出表面的教训——“学会这个，做到这点，就没问题了”。但在每个时代，这些表面上的教训最终都会失灵。而学习这些内容后所产生的副作用——人们几乎在无意中掌握的次要技能或能力——才是真正能够延续下去的。历史虽不会重复，但会有相似之处，而这种相似之处就是所谓的副作用。回顾的时间越久远，这种副作用就越明显；而越接近当下，它则更像是一种可行的假设。
工业革命前（19 世纪之前）：制作与地方性信托关系。
员工拥有专业的体力技能——诸如制作技艺、农业技术以及与当地客户的良好关系。而雇主（实际上就是赞助人或行会首领）则负责提供生活保障、工具以及从事贸易的机会。如果你是一名技艺精湛的工匠，那么你就拥有极大的杠杆优势，因为这类技能十分稀缺，而且你的声誉与品牌价值就如同当地的货币一般重要。但如果你只是普通劳动者，那就一无所有。
其副作用在于：那些纯粹的制作用技能逐渐贬值——如今已没人需要铁匠了。但其中的核心逻辑——即在所在社群中拥有的声誉与品牌价值才是真正的资产——却从未消失。大规模生产曾让这一点显得无关紧要，但它始终是最根本的基础。而人工智能正让这一逻辑再度回归，形成完整的循环。
工业革命（19 世纪至 20 世纪中叶）：资本与音阶。
员工贡献的是他们的肌肉与时间，而雇主则拥有建造价值百万美元的工厂、建立供应商网络以及掌握客户名单所需的资金。正是在这里，权力关系变得极为残酷，结构性变革也最为剧烈。1900 年时，41%的美国人从事农业工作，而到 1970 年这一比例降到了 4%。短短 70 年间，一种完整的生活方式就被工厂所吞噬。雇主掌控着所有的生产资料——仅此而已。员工们必须组成工会才能获得任何形式的集体杠杆效应。他们的报酬只是按小时计算的现金，被视为单纯的产出单位。人们不过是机器中的齿轮，在那些有着易于衡量生产力指标的工厂里工作。
其副作用是：人们从中得到的教训就是“只要出勤、努力工作，肌肉劳动就能获得回报”。但实际上，能够获取那个时代更高工资的人，是那些了解机器运作原理的人——机械师、工头和工程师，而非仅仅操作机器的人。其规律在于：要了解整个系统，而不仅仅是表面现象。
美国企业时代（二战后至 20 世纪 90 年代初）：欢迎来到办公室。
办公室里摆满了课桌，与我们今天的办公环境颇为相似，但有一个显著的不同之处——没有电脑。人们那时使用计算尺来结账，手工查看笔记与合同，再根据口述内容打字拟写信件。那是一个高度发达的模拟世界。试想一下《广告狂人》中唐·德拉珀的办公室吧。秘书在当时扮演着连接各方沟通的重要角色，人们还会乘坐泛美航空的航班在全国各地奔波以完成重要交易。那时的沟通效率与联系紧密程度都是前所未有的。
其副作用在于：曾经的承诺是“公司就像一个大家庭，给他们 30 年的时间，他们就会照顾你”。但随着养老金制度的取消以及 80 年代的企业重组，这一承诺也消失了。不过，在那些办公室里建立起来的人际关系却比那些承诺更为持久。唐·德雷珀与罗杰·斯特林之间的友谊，其价值远超任何玩家头衔或福利待遇——玩家头衔不过是暂时的，而人际关系则会不断积累、愈发深厚。
技术 1.0 时代（20 世纪末至 2009 年）：知识与处理。
员工变成了“知识型劳动者”。他们的职责包括脑力劳动、专业技能的运用、中层管理以及信息传递工作。而雇主则负责提供软件基础设施、薪资、福利待遇以及早期的股票期权。尽管资本成本依然很高，但如果没有具备专业能力的人才，企业就无法实现发展。此时，杠杆开始向人才方面倾斜。每个人都能拥有笔记本电脑和手机，网络连接极为便捷，但办公室里的传统工作模式依然根深蒂固。专业化趋势依旧存在，只不过发展速度越来越快。
其副作用在于：当时的口号是“学会编程”和“学会使用 Excel”，但对那些真正参加这些课程的人来说，他们所学的其实是如何对问题进行结构化分解，以及如何处理海量数据——也就是将复杂的现实世界问题拆解成机器能够处理的若干部分。我们原以为自己是在学习语法，实际上却在学习如何与机器沟通，并以团队形式解决那些此前无法解决的问题。
技术 2.0 时代（2009–2020 年）：网络与敏捷性。
员工们凭借自身的专业技能、个人品牌以及人脉关系来提升自己的价值。而雇主则通过股权、平台访问权限以及灵活的工作模式作为回报。正是在这里，两种截然不同的状况首次出现：那些能够要求获得限制性股票单位并享受远程工作条件的“顶尖人才”拥有极大的杠杆优势，而被算法管理、完全被商品化的零工群体则几乎没有任何杠杆优势。如今，想要致富的新途径就是在一家 FAANG 公司工作 20 年——依托新的商业模式、更深入的技术应用以及即时互联能力。
随之出现的副作用（仍在显现中）是：人们得到的建议是“在 FAANG 公司找份工作，获得限制性股票单位，并完善自己的简历”。但实际上，这种做法的后果却是要在激烈的竞争中生存下来。用来区分优劣的机制变得极为残酷，一旦跟不上节奏就很难隐藏自己的不足。即便是出于意外，薪资核算上的错误也会让那些“数字整理员”失去工作。而影响力、受众群体以及思想领导力则能迅速传播并创造巨大价值——其价值甚至超过了 25 万美元的平均薪资。
人工智能时代（2020 年代至今）：判决与管弦乐团。
员工则具备抽象问题解决能力、个人人脉、战略眼光、同理心，以及指挥自主智能体的能力。雇主则提供计算资源、专有数据，还有我称之为“套装”的支持——具体内容稍后详述。于是，“百倍价值员工”的时代便到来了。
预期出现的副作用是：如今的流行口号是“学会给出恰当提示，掌握人工智能工具”。但如果以过去的五个时代作为参照，那仅仅只是些毫无实质意义的表面教训而已。真正重要的，其实是判决力、审美能力以及信托。不妨把赌注押在那些副作用上。
若将时间跨度拉长至 250 年，其发展脉络便十分清晰。人类工作的核心形式不断演变，从依靠肌肉力量，到运用脑力，再到通过机器来指挥协调，未来还将出现新的形式。而劳动者的报酬体系也同样在变化，从仅能维持基本生存，发展到按小时计薪，再变为固定工资，之后又出现了退休福利、股权分配，最终则演变成目前尚无明确定义的新的形式。
但有趣的是接下来发生的事情。
中层管理的衰落
在技术 1.0 和 2.0 时代，企业依赖庞大的中层管理团队。他们充当着人工路由器的作用：负责整合数据、在各部门之间协调项目进展、编写标准代码、整理演示文稿以及总结会议内容。他们是组织的连接纽带。虽然效率极低，但却依然能发挥重要作用（这种场景我们早已见过）。
AI 并非仅能瞬间完成这项工作，还能以近乎零的边际成本来实现它。
我记得第一次听到“产品经理”这个称谓时的情景。我们都知道，一个出色的产品经理能带来巨大差异，但大多数人都只是些文书工作员而已。他们就像《办公室》里的那种擅长协调客户与工程师之间需求的人。后来这类角色又开始出现——那些仅仅为了充当其他部门之间的接口而存在的岗位。效率极低。现在我们虽然会拿这当玩笑，但“我会让我的人去和你们的团队沟通并协调”确实曾经是现实，而在如今可以通过电话或短信安排会议的时代，这种做法早已没有必要了。
接下来我要让大家认真思考的一点是：我们其实以前已经看过完全相同的剧情。
虽然“仅负责传文件的产品经理”这一形象可能让一些人联想到类似的情况，但请记住，在 20 世纪的大部分时间里，美国规模最大的职业群体其实是办公室及行政支持类人员：打字员、秘书、文员、协调员、档案管理员——他们堪称各类机构的“纽带”。到了 20 世纪 90 年代初，当个人电脑开始普及到每间办公室时，这类人便成了美国企业的中坚力量。随后文字处理软件出现，管理者们开始自己动手撰写邮件，日历也变成了数字化的，电子表格则取代了记账文员。曾经在办公室工作中存在了 80 年的打字员群体，仅仅在一代人的时间内就彻底消失了。自那以后，美国劳工统计局一直监测着办公室及行政支持类岗位的就业人数持续下降的趋势，预计这一下降趋势至少会持续到 2034 年。
中层管理并未立刻消失，而是在一代人的时间里悄然缩减了一半，进而发生了转变。
我们如今正目睹同样的趋势在分析师群体、协调员群体以及综合处理人员群体中出现——虽然所属类别不同，但结构层面的变化规律却如出一辙。
其结果是，中层管理阶层正在结构上逐渐瓦解。这迫使知识型劳动者迅速且剧烈地分化为两条截然不同的发展路径。
中层岗位总是最先被裁减。基层工作显然是企业削减成本的对象，而高层职位则风险与回报并存（且并非人人都能胜任）。那些选择“稳扎稳打”的中层人员反而面临最大的风险。那些听父母说“只要干这份工作就能有份工作……毕竟每家公司都需要打字员、调度员、会计或律师”的人，他们所依赖的安稳路径早已成为过去。赢得昨天的比赛，意味着输掉今天的竞争。
这是微观经济学，随后是创新经济学：
所有行业都存在着一种日益增长的功能性需求。这类工作的薪资相当优厚，因此吸引大量人涌入，进而使其成为一项重大的成本负担。创新已无法再忽视这一问题，它便成了对经济的一种“税收”。在竞争的推动下，价格会不断下降，而一旦创新彻底取代原有模式，价格最终甚至会降为零。这就是资本主义的运作方式。
向下之路：喂食器。
如果你的工作可以被转化为标准操作流程，那么你的杠杆作用就会逐渐消失。你以往所从事的写作、基础分析、常规编码等工作如今都已实现自动化。你对雇主的剩余价值仅体现在能够生成人工智能目前还无法独立产生的边缘案例数据上。你需要佩戴传感器，参与强化学习人类反馈训练，还要负责拍摄视频与给图像标注标签——你已然变成了一种生物 API。而你的薪酬待遇将会很像 19 世纪的工厂工人：按件计酬、工资低廉，既没有股权也没有上升空间。而且这种情况很快就会消失——一旦这类岗位开始成为过重的成本负担，那些推动创新的力量就会将目标对准它，到那时不过是时间问题而已。这其实正是资本主义最出色的“作为”。
这并非理论上的设想。2023 年初，《时代》杂志报道称，OpenAI 通过一家名为 Sama 的外包公司，雇佣肯尼亚工人，以每小时 1.32 美元到 2 美元不等的工资，负责为 ChatGPT 标记那些需要被过滤掉的图片内容，比如儿童虐待、酷刑以及自残画面。多名工人表示因此遭受了长期的心理创伤。OpenAI 为这项工作支付的总费用约为 15 万美元。这就是新型的计件制工厂模式：充满痛苦、隐蔽无踪、工资低廉，而且完全处于那些如今能创造数十亿美元价值的产品生产流程的最初阶段。这些喂食器并非未来的风险，他们已经存在了。
上升之路：管弦乐团指挥。
这类人承担了中层管理者留下的杠杆作用。他们并不亲自执行工作，而是负责对工作进行指导——下属人数从 5 人减少到 0 人。他们负责明确问题所在、应对各种不确定性，并为人工智能的输出结果赋予战略层面的考量。这类“管弦乐团”成员的人数与产出比例在现代经济体系中是绝无仅有的。他们的薪酬也体现了这一点：丰厚的股权、利润分享、较高的基本工资，以及对其工作成果的实际所有权。
许多正在阅读这篇文章的人希望或认为自己属于这一群体，事实上你很可能确实如此。但请认真思考人工智能的线性发展趋势，并为自己为何重要找出理由。这比你想象的要困难得多。
但即便是地位最高的那些擅长协调 AI 工作的“指挥家”也需要休息时间。放慢节奏正逐渐变成一种重要的能力。虽然你可以让 20 个 AI 智能体同时为你处理任务，但如果无法掌握各项工作的进展以及它们的重要性，那么这一切就只会变成一团混乱的杂务。现在这种情况已经相当明显了；而再过一年呢？也许只有半数时候才会如此显而易见。如果不对实习生负责的工作进行持续监督，确保在各项任务中融入恰当的判断力，让他们为你干活其实是行不通的。
我成长过程中所信奉的职场理念是：尽可能获取最大的杠杆效应，然后夜以继日地工作从而致富。但我认为这种观念如今已经过时了。我在投资银行里就见过有人试图这么做：手下有一群副总裁、助理分析师，还能接触到全球的各种数据，力求发展尽可能多的客户，从价值数十亿美元的交易中抽取 1%到 2%的费用，在几乎所有方面都试图最大化杠杆效应。但如果你观察他们的表情与状态，并根据真正重要的标准来评判他们的工作表现，就会发现不一样的景象——满面愁容，财富水平一般，既没有健康的身体也没有足够的时间来享受这些财富。当然，也有一些传说中的银行家，他们每周只去办公室工作一天而已。其余时间他都在高尔夫球场上建立人脉关系。但同时他也在做另一件事：为自己营造出心理、情感和身体上的空间，以便思考工作中真正最重要的事情。以我曾经设计过的薪酬模型来看，可以肯定他的这种方式能带来更高的回报——他在最关键的地方掌握了杠杆优势。
最底层的劳动力早已消失，工业革命便导致了这一结果。最顶层的劳动力依然重要。但当前的关键在于中层。中层正在出现分裂，其中的每个人都要面临一个选择：要么晋升，要么被降职。
Klarna：一场实时上演的寓言
若想通过某个企业案例来了解这一论点，不妨看看 Klarna。
将亚历克斯·奥本海默的文章直接发送到您的邮箱中。
免费加入 Medium，即可获取这位作者的最新动态。
记住我，以便更快登录
2024 年 2 月，Klarna 宣布其由 OpenAI 开发的智能客服助手已能承担相当于 700 名全职客服人员的工作量。这一数据极为惊人：它处理了 230 万次客户咨询，实现了三分之二的客服对话自动化，问题解决时间从 11 分钟缩短至 2 分钟以内，预计仅一年内就能为公司带来 4000 万美元的利润增长。该公司暂停了客服岗位的招聘，同一时期内员工人数从 5500 人减少到了 3400 人。
这一现象曾一度被视为人工智能改变劳动力结构的典型例证。
18 个月后，Klarna 悄然收回了这一决定。
据彭博社 2025 年的报道，首席执行官塞巴斯蒂安·西米亚特科夫斯基公开承认：“我们过于注重效率与成本，结果导致产品质量下降，而这种模式是不可持续的。”
究竟发生了什么？人工智能在处理常规任务方面表现极为出色，至今仍负责处理三分之二的客户咨询，其问题解决分辨率也实现了 82%的下降。但在那些真正重要的案例中——比如纠纷、欺诈投诉、困境求助，以及任何需要同理心与判断力的情况——客户满意度却急剧下滑。人工智能无法承担相应的信托责任。Klarna 开始重新招聘人类员工，专门处理那些需要同理心、专业技能以及面对面交流的案例。该公司给出了新的定位：“在自动化盛行的世界里，没有什么比真正优质的人际互动更宝贵的了。”同时，他们所筛选的技能标准也发生了变化。技术在塑造工作岗位之后不久，工作岗位也会随之被技术所改变。最终起决定作用的还是功能性产出，这便是资本主义最基本的准则。
请仔细阅读那段历史脉络。这并非关于人工智能失败的故事，而是一个关于人工智能在处理常规性中等复杂度任务时大获成功，却在需要信任与同理心的层面遭遇瓶颈的故事。有记录以来最大规模的客户服务类人工智能应用，正在公开市场环境下，用真金白银实时验证着我所描述的这一模式——人工智能接管了中等复杂度的任务，而信任与同理心这类人类特有的能力则依然保留了下来。首席执行官也在公开场合承认了这一点。
有说服力与独特性
这正是大多数人和企业都误解的地方。
企业界陷入了恐慌。他们的本能反应是投入资金开展“AI 技能提升培训”，教员工如何编写提示词、连接 API 以及构建工作流程。目前，每一家《财富》500 强企业都在购买某种形式的 AI 培训课程。
这是个陷阱。而且是我们此前已经见过的那种特定类型的陷阱。
我于 2007 年至 2011 年就读于斯坦福大学。那段时间，计算机科学成了最受欢迎的专业，而 CS106a 课程则是选课人数最多的课程。人们告诉我们要“学会写代码”，还说“这样你就永远有工作可做”。在一段时间内，这确实是真的（尤其是对斯坦福的校友而言）。但到了 2025 年，Claude Code 的出现便夺走了所有“程序员”的生计。
不过有一个虽小却至关重要的前提：他们所说的“学会编程”，其实不过是“学会以工程师的思维方式来解决复杂问题”的委婉表达。那么什么是工程师呢？就是那些受过良好训练、具备创造力的谜题解决者。正因如此，这类人才才能保住工作。如果你真正上过相关课程，就会知道埃里克·罗伯茨所著的关于 Java 的书中强调的核心能力，就是运用计算机能够理解的语言来解决问题。如今，我们手边拥有人类历史上最出色的“翻译者”，但那些需要创造力去解决的真正难题——也就是最关键的那些谜题——依然存在。而事实证明，这恰恰才是一直以来最重要的所在。
AI 相关技能也是如此。技术层面的提示工程正在沦为一种不断向零趋近的普通商品。这些模型被刻意设计成无需使用者掌握与它们沟通的技巧。再过两年，懂得如何给 AI 发送提示，就会像如今懂得如何编写命令行代码来操作 iPhone 一样变得毫无用处。
我经常想起从帕特·格雷迪那里学到的一个概念：有吸引力与独一无二。那些有吸引力的技术很容易销售，市场需求旺盛，能带来实际收入和增长，这类公司会上市，备受追捧，属于真正的企业。但它们没有定价优势，因为任何人都能制造出相同的产品。而独一无二的技术则具备这一优势，虽然起初较难销售，但一旦证明其有效性，就能拥有定价权，因为没人能够复制它们。要想成为一家伟大的公司，就必须同时具备这两点。
在初期，极具吸引力与独树一帜的产品看似并无差别。两者都能实现增长，都有客户群体，也都让人觉得至关重要。差异直到后来才会显现：那些真正独树一帜的产品能保持优势，而仅具备吸引力的产品则会被竞争所吞噬。并非人工智能杀死了 SaaS，而是 SaaS 自己毁掉了自己。
简要回顾一下历史。没人会记得那些在 2010 年代中期通过帮助企业“迁移到云端”而发家的公司。那个时代的系统集成商极具吸引力，备受追捧，甚至成功上市。但随后它们的估值倍数就开始下降。云技术变成了基础设施，而集成服务也变成了普通商品。2014 年时备受瞩目的那些云迁移服务企业大多依然存在，只是不再享有高估值倍数，它们已经变成了基础性服务——虽然重要且不可或缺，却已不再受青睐。
如今，随着人工智能的广泛应用，同样的模式正在出现。那些从事人工智能整合工作的企业确实在做着很有价值的事——将人工智能融入企业的业务流程之中，这一点确实值得肯定。但这种模式真的独一无二吗？未来两年内就会出现十家竞争者，相关的整合模式也会逐渐标准化，而其估值倍数则会下降，就像以往每一波整合浪潮中所发生的那样。
以下正是每个创业者、每名从业者以及每位员工都应担忧的问题：事物的独特性正在以前所未有的速度消失。过去需要十年时间才能变成商品的东西，现在仅需 18 个月。所谓“独特性”的存续时间正在不断缩短。真正有吸引力的东西很难长久保持独特状态。这是资本主义的固有特征，而非缺陷，但它却改变了人们对于该将职业生涯押注在何处的思考方式。你今天正在学习的那些关键技能，等到你能因此获得报酬时，可能早已变成了普通商品。
卡尔·纽波特提出了一个我认为很有道理的观点：人们不必急于学习各种人工智能工具，而应该去研读相关文献，努力成为更加深刻、更有思考力的人，从而构建真正的判决能力。因为当这些工具变得普遍化之后，唯有这样的判断能力才能创造价值。
就在软件不再需要人类帮助的当下，企业仍在投入数十亿美元试图让员工像软件一样工作。这些钱被用在了错误的地方。
在金融和工程领域中，我们常用的一个例子就是“垃圾进，垃圾出”。这一原则适用于任何系统或模型，其含义是输出的质量由输入的质量决定。多年来，这指的是数据必须清晰、准确且格式规范；但现在它的含义已有所不同：数据中的信息才是关键，格式则不再重要。然而如今却有一种奇怪的观念，认为只要给人工智能输入的内容足够好，即便不输入任何东西，它也能神奇地产生优质输出。朋友们，这其实就是我们对人工智能幻觉的定义。你必须先给它提供一些输入，它才能开始工作。我之前说过：“如果人工智能能读懂你的想法，输出也不会更好……因为你的脑海里其实什么都没有。先自己把思路理清楚，然后再让人工智能来处理。”编写恰当的提示语确实是一项重要的技能，只不过它可能并非你想象中的那种技能。
那么，价值究竟存在于何处？
如果执行过程是无限且几乎无需成本的，那么企业中价值最高的资产还剩下什么？
那并非真正的协调工作。随着智能体在管理其他智能体方面的能力不断提升，就连这种协调行为也会被商品化。指挥人工智能的“技术性”技能将会变得日益简单，就像编程、像提示词设计一样。
剩下的，就是那些无法自动化、无法复制、也无法被压缩成模型权重的事物。
信托与判决。
人类的信任。真实的情感联系。人与人之间的互动力量。
那种能在千钧一发之际判明对错的判决力。并非要过分宗教化，而是那种让我们成为独特人类的神圣火花——既区别于动物，也彼此不同。
可以这样想：在一个每家公司的 AI 都能完美地向客户推介产品、撰写无懈可击的文案、构建精准的财务模型，并在几分钟内完成产品演示的世界里，客户究竟会向谁购买产品呢？
他们所信任的人。Klarna 通过公开方式，以首席执行官亲自出面表态的形式，大规模地验证了这一观点。
我们正在完成一个 250 年的循环。如今又回到了工业革命前的乡村模式——那时的个人价值完全取决于其声誉、人品以及人脉关系，而信托则是通过判决与判决过程来建立的。
我将其视为一种回归——回归到使用棍棒和石头的时代，回归到人与人直接搏斗的状态。回归到码头上的渔夫，他们从一开始就明白，船队从来都不是关键所在。再也没有轻松的退路可走，也再没有“只要学会这个就能获得相应回报”的道理了。
但那时与现在有一个巨大的差异。
我们的行动速度极快。
如今，维系人际关系的各种工具都已由超级计算机外骨骼提供动力，就像《钢铁侠》里描绘的那样。现在每个个体都能使用这样的装置，从而获得相当于整个部门的工作效率。据称，Midjourney 的年度营收约为 5 亿美元，员工人数则在 40 到 100 人之间，具体数字因不同机构的估算而有所差异。这家公司从未引入过任何外部资金，据说也不在营销上投入任何费用。即便按照最高的员工人数估算，其每名员工的营收也高达约 500 万美元——这样的比例在十年前的现代经济中是根本不存在的。而 Midjourney 并非个例，越来越多的原生人工智能企业正以在 2015 年看来从数学角度完全不可能实现的员工与营收比例运营着。
问题不在于你是否拥有那套行头，因为人人都会拥有。关键在于你如何运用它，以及是否具备做出判决的智慧，知道何时该穿上它，何时又该脱下它。
你应当做的就是停止试图在计算能力上超越机器。让人工智能系统负责各项任务的执行，从而加快你已熟悉的 workflow 的运转速度。这样你就能将全部精力投入到真正能够创造价值、维持价值的事物上：独特的人类思维以及人与人之间的联系。
反对观点
让我来为相反的观点辩护，因为这是对我刚才所写内容最有力的反驳。
最糟糕的情况是，人工智能代理最终将会大规模地拥有稳定的身份、持久的声誉以及长期稳定的关系，而我所称的“信托资本”——也就是那种能构成竞争壁垒的要素——也会像以往所有的壁垒一样被逐渐侵蚀。这些代理会记住你，了解你的偏好，积累业绩记录，从失败中恢复过来，进而成为值得信赖的实体。它们对你了解的程度甚至会超过你对自己的认知。
我认为这是最有力的反驳意见，值得被重视。
这就是我依然不认同这一观点的原因。人与人之间的信托并非仅仅基于过往的业绩记录，它还体现在彼此的付出、所带来的后果、相互间的脆弱性以及共同度过的时光之中。当人工智能系统让您失望时，您无法找人倾诉，也无法修复彼此的关系，更不会有任何会对相关方造成实质性影响的声誉损失。人工智能是可以被替代的、短暂的，但站在其背后的人却并非如此。只要经济交易至少涉及一方人类，人与人之间的信任纽带就依然具有价值。
一旦这一情况不再成立，整篇文章就都需要重写，其他大多数关于经济运作方式的文章也同样如此。
我能用来反驳这一观点的最佳例证就是加密货币——它承诺实现无需信任的交易方式。但人类终究需要信任。换言之，他们希望有人能打电话过来质问他们，或亲自核实他们的身份，才能批准他们用钱支付购房首付款。这种极端的模式行不通。（不过我仍在等待那种能够适用于各种情况的真正智能合约的出现。）
预测
我认为事情会朝着这个方向发展。
员工视角：
在下一个十年里取得成功的，不会是那些最擅长运用各种人工智能工具的人，而是那些建立了最为稳固的信托网络并拥有最敏锐判断力的人。他们会更多阅读、更深入思考、更透彻地理解他人，同时把人工智能当作纯粹的基础设施来使用，就如同我们如今使用电力一样。没人会夸耀自己精通电学，真正重要的是那些能够利用电力创造有意义价值的人。
雇主方：
企业未来的评判标准将不再取决于其员工数量，而在于员工的效能。看看那些 Midjourneys、Ramps 以及 Perplexity 这样的公司吧——它们都属于微型企业，仅有少量的“协调者”团队就能为数百万用户提供服务，并因此创造出极高的人均收益。这类企业将中层管理职能实现自动化，为高层员工配备最先进的工具，同时信任他们去推动业务成果而非仅仅完成既定任务。这便是成功的模式。（对于那些使用 LinkedIn Sales Navigator 的初级风险投资人士来说，很遗憾，员工人数增长或职位空缺数量已不能再作为衡量真正有价值增长的指标了。）
那些能够胜出的雇主，将是那些明白自己新的竞争优势并非软件、数据或组织架构的人。他们的真正优势在于最优秀员工的信任资本。他们的职责就是为这些员工提供所需的资源，为他们购置最好的装备，然后不再过多干预。今天在采访布莱恩·切斯基时，我听到了一句很棒的话：多花时间招聘，这样就能少花时间管理。
薪酬层面：
一百多年来，我们一直在试图将价值与薪酬挂钩，但众所周知这根本行不通。年度评估不过是一场作秀，薪资等级则充满政治因素，人们总想方设法钻制度的空子。而人工智能首次为我们提供了实时数据，让我们能够真正实现价值创造与经济回报的匹配。那些掌握这一方法的企业将会吸引到那些具备决策能力的人才，反之，则只能继续管理着一群只会输入数据的人，同时疑惑自己的优秀人才都去了哪里。这实在令人担忧——财富的增减速度可能会比以往任何时候都要快。
整体格局：
我们不再需要那支庞大的团队了。那种通过制造问题后再设立部门来解决问题的百年“猫鼠游戏”已经结束。渔夫从一开始就是对的。
镜头：脱下西装
现在我们可以把这个比喻再拉回到渔夫身上。那个商人希望渔夫穿上钢铁侠的战衣，而渔夫却在单纯的捕鱼活动中找到了人生的满足感。如今我们已经有工具可以准确解释二者的观点为何会存在如此大的分歧。其实二者并没有对错之分，关键在于要明白在特定情况下哪种方式才是最合适的。
这个时代最危险的错误，就在于那些一旦穿上工作服就再不愿脱下来的人。他们会将不断的协调工作误认为是持续创造价值。他们会同时使用 20 个自动化工具、三个 Slack 频道、两个 AI 会议总结程序、一个个性化新闻推送，却完全没有属于自己的安静时间。他们虽然效率很高，但却毫无实际意义。产出量或许巨大，但决策能力却已枯竭不堪。
未来十年的最核心竞争优势，将在于是否有勇气卸下职业装束。
坐下来，什么目标也不去想。散步时别戴耳机。吃饭时把手机放在外套里。阅读与工作毫无关联的书籍。与那些无法为你提供任何帮助的人交谈。静下心来，给自己的判断力足够的时间形成。不要再逃避自己的思绪，而是深入地去面对它们。
正是在那些时刻，信托得以建立，品味也在那些时刻形成。那些人工智能无法复制的判断力，那种让你独一无二的神圣特质，同样是在那些时刻孕育而成的。那些从不停止工作的协调者会变成拥有名字的路由层，而那些懂得何时该停止工作的协调者则变得无可替代。
这正是《钢铁侠》所传达的真正寓意。托尼·斯塔克之所以令人钦佩，并非因为他拥有那套战衣——在那个宇宙里，拥有战衣的人大有人在。他之所以出色，是因为身后的那个人，也因为他明白那个人才是最重要的。
球杆与石块。但速度却快如光速，更重要的是，还保持着人类的反应速度。
那就是工作的未来。
