写给年轻人的新年信：去做那份脏活累活吧

本文信息来源：siliconcontinent

我经常被学生和其他年轻人咨询职业规划方面的问题。过去，我的回答通常基于我从本特·霍尔姆斯特伦（Bengt Holmstrom）那里得到的一条建议：“犹豫不决时，选择能让你学到更多东西的工作。” 近几年，我们需要考虑一个新的因素：人工智能是否有可能自动化你工作的全部或大部分内容。鉴于此，如今的学生应该如何选择？以下答案的灵感来源于我目前与李瑾（Jin Li）和吴彦辉（Yanhui Wu）合著的一本关于人工智能和工作组织方面的书。

一种理解方式是，所有知识型工作都沿着一个重要的谱系变化：复杂程度。一端是需要执行的单一明确任务，例如帮助客户报税。你通过电子邮件收到费用和工资单，按照一些规则将它们填写到表格中，然后获得回复。随着时间的推移，你越来越擅长这项任务，薪水也会更高。谱系的另一端则是一系列复杂的任务。经营一家工厂或一个家庭，涉及许多难以事先具体说明的复杂任务。

单一任务型工作模式的风险在于，人工智能擅长单一任务。由于许多领域的错误率仍然过高，无法实现无监督人工智能，因此人类仍然经常参与其中。但错误率正在迅速下降。

可以肯定的是，不同领域对错误的容忍度各不相同。某些简单的任务，例如内容审核，风险容忍度很高：科技公司乐于“先行动，后问责”。但许多其他领域，从诊断到企业沟通，则需要客户极度规避风险。

只要还需要人来审核输出结果，人工智能就具有一定的价值。如果人工智能起草了一份合同，由律师审核、签署并承担责任，那么律师仍然是法律服务的提供者。

但这些模型在单一任务上的表现却在不断提升。如果没有法律要求必须让人类参与其中，即使是风险规避型领域最终也会转向无监督人工智能。当人工智能无需人工干预就能为简单的任务生成完整的代码时，曾经提供这些工作的初级开发人员将与几乎免费提供这些工作的系统展开竞争。编程服务的供给不再受人类时间的限制，服务的价格也将降至零。

结果是，从事简单任务的员工将不断提高生产力（并获得更多收入），直到他们的工作变得毫无价值。正如Brynjolfsson、Li 和 Ramond (2025) 最近的论文所述，初级客服人员在人工智能的辅助下，不断学习资深客服人员积累的知识，效率也会越来越高，直到人工智能足够强大，可以取代她。

请注意，自主性的门槛并非仅仅由技术决定。企业和政府在这方面拥有巨大的话语权，他们可以选择阻止技术的普及。采用更先进技术的压力固然很大，但也不要过分夸大。别忘了，尽管优步（Uber）相比传统的出租车垄断模式极大地改善了人们的生活质量，但许多欧洲国家实际上仍然禁止优步（千万别让我的朋友尼古拉斯·佩蒂特（Nicolas Petit）提起在佛罗伦萨打车的种种不便！）。此外，公证并非当前技术的必要条件，而是一种法律限制，其强大的游说团体将始终在欧洲大陆的法律体系中维护这一限制。即使是职责最单一的公务员，也能保住饭碗很长时间。

下班了？没那么快。

另一种选择是去做一项比较繁琐的工作，其成果是许多不同任务的产物，而这些任务之间又相互影响。

我熟知的一家制造厂的工程主管必须决定招聘哪些员工、购买哪些机器、如何在工厂内布置这些机器、与工人和高层协商解决方案，并调动资源来实施这些方案。这项任务极难实现自动化。人工智能可以将编码化的知识商品化：教科书、证明、语法。但它无法以有意义的方式与本地知识互动，而本地知识恰恰创造了许多复杂工作的价值。即使人工智能能够出色地完成构成她工作的大部分单项任务，它也无法走进工厂车间，说服经理重新设计生产流程。

如果一位管理顾问的工作仅仅是制作幻灯片，那么她的弱点就暴露无遗。而一位顾问如果能将一半的时间用于观察环境、建立客户关系以及应对组织内部的政治斗争，那么她所积累的经验是人工智能无法复制的。

2016年，人工智能明星研究员杰弗里·辛顿(Geoffrey Hinton)的研究方向从自动化阅片扩展到整个放射科医生工作的自动化，并建议停止培训放射科医生。¹但即使是像放射学这样表面上看似简单的领域，也可能相当复杂。2013年的一项小型研究（本文引用了该研究）发现，放射科医生只有36%的时间用于查看扫描图像。其余时间都花在了与患者沟通、培训其他医生以及与负责治疗患者的护士和医生交流上。

放射科医生的工作内容非常广泛。即使可以实现扫描结果的自动化判读，仍然需要放射科医生。问题不在于人工智能能否完成你工作的一部分，而在于其余部分能否协调一致，从而使人工智能继续发挥作用。

在我看来，这些“棘手工作”的关键在于执行。执行之所以困难，是因为它要面对现实世界的种种摩擦。以建筑工地上的总承包商为例。人工智能可以在几秒钟内绘制蓝图并计算承重要求。这是已编码的知识。但承包商必须处理迟到的木材、泥泞不堪无法浇筑混凝土的地面，或是电工和水管工之间的争吵。

或者想想公司里负责并购后整合的经理。算法固然可以分析财务协同效应并重新绘制组织架构图，但它缺乏融合两种截然不同的企业文化所需的“经验”，也缺乏防止人员流失的技巧。

公司法越来越容易受到自动化的影响，因为合同本质上就是代码，但我认为诉讼律师仍然会存在。

人工智能的实施本身可能是一项极其棘手的任务。改进需要彻底改变现有的工作流程，而这一过程会受到内部政治、恐惧和传统商业模式的阻碍。例如，律师事务所一直以来都依赖“计费工时”向客户收费，但在人工智能时代，这种概念将不再适用。然而，这种组织惯性也是一种优势：转型过程将比预期更加复杂和漫长，需要大量的顾问、管理人员和员工，他们不仅要精通人工智能的功能，还要具备足够的领域知识，知道如何运用人工智能以及如何重新定义流程。

在极端情况下，人们所担忧的人工智能变革可能不会发生。那些需要同理心、关怀和实时判断的工作将成为经济中的“奢侈品”。在这些领域，人工智能不是你的竞争对手；它创造财富（并降低商品和服务的成本），从而为你提供更高的工资。

更大的杠杆作用

通常来说，更优秀的公司并非通过改造旧公司而诞生，而是通过创建新公司而诞生。创办公司是世界上最棘手的工作，而人工智能则为你提供了更多与大型公司正面竞争的机会。

一个世纪以来，大型组织一直占据主导地位，因为只有它们才能承担专业化职能的固定成本。如果你需要工程和市场营销，就必须扩大规模才能证明这些开支的合理性。人工智能降低了这种专业化的固定成本和可变成本。如今，一名专业人员可以将辅助性任务交给人工智能，从而能够胜任通才的角色。在人力资源和财务等领域的单一任务都已实现自动化的世界里，一个好的想法完全可以推广到大型企业。

在我们的新书中，我们介绍了Base44 ，一个基于人工智能的应用构建器。这家公司由 31 岁的以色列程序员 Maor Shlomo 创立，最初只是他的一个业余项目。他投入了大约 1.5 万美元的自有资金。他没有雇佣任何员工，而是使用 Claude 编写了 90% 的前端代码，并每天推送更新，完全避免了传统工程中常见的繁琐工作。

短短六个月内，Base44 就吸引了超过 25 万用户，每月盈利 18.9 万美元，并与多家大型公司建立了合作关系。Wix 以 8000 万美元的价格收购了它。

Shlomo公司没有销售团队，没有市场营销部门，也没有人力资源部门。曾经需要专业人员完成的任务都被技术取代了。

结论

综上所述，如果你想从事知识密集型工作（而不是像美发、管道工、钢琴演奏或厨师等许多工艺和行业，这些工作很可能在很长一段时间内都不会受到冲击），那么一些投资似乎就显得很重要：

首先，你需要在你所在的领域建立深厚的专业知识。随着模型的不断改进，能够真正发挥作用的人类将越来越少。人工智能可以以94%的概率预测扫描结果显示存在肿瘤。但是，病人应该接受手术、放疗，还是等待观察呢？这个决定取决于各种权衡，而算法无法权衡其中的一些因素。要想有效地运用这种判断，你必须对某个领域有深入的了解。

深厚的领域知识也能让你擅长人工智能的实施。能够改变一家公司的流程以充分利用新技术，很可能会为大量员工提供长期就业机会。

其次，对新体验的开放态度和快速学习新事物的能力将变得比以往任何时候都更加重要。选择一份能让你学到最多东西的工作，同时也要选择一份能让你学会如何学习的工作。你将在人生中不断重塑自我。我们将看到一些我们甚至从未想象过的新工作出现。如果知识是我们面临的最大制约因素，那么廉价知识将改变一切，从医学、法律到所有研究领域。你今天学到的特定知识贬值的速度将比以往任何时候都快。重要的是你的学习曲线的斜率和你的适应能力。例如，在早期创业者或第一位员工这样的工作中，你没有固定的角色；你面对的是一系列问题。你必须在下午之前掌握足够的法律或销售知识才能生存下去，并从纷繁的信息中分辨出关键信号。或者，作为一名管理顾问，你进入一个每个人都比你懂得多的团队，因此你必须在几天内吸收一个新行业的逻辑，从而构建出模糊问题的框架。在科技行业，产品经理的角色就像是工程师和销售人员之间的翻译。

第三，寻求杠杆效应。过去，你的产出受限于时间——厨师一次只能为有限的人做饭。人工智能打破了这一限制。它使单个作家、程序员或企业家无需庞大的支持团队即可服务全球市场。限制因素不再是你的生产能力，而是你驾驭机器的能力。现在是开展创业项目的最佳时机。

第四，如果你想完成一项模型能够胜任的任务，那么地理位置比以往任何时候都更加重要。几乎所有从事人工智能研究和工作的人都聚集在少数几个城市，例如旧金山、巴黎、伦敦和纽约。前往这些城市，或者尽可能选择与它们最接近的城市，不仅是为了解决这些问题，更是为了了解未来可能出现的各种可能性。

第五，安装推特。推特非常耗时，但所有进步都发生在那里，而且是公开透明的。你会比几乎所有未使用该平台的人都更有优势，因为他们能更清楚地了解正在发生的事情。

第六，学会监督机器。这项至关重要的新技能是元认知：识别人工智能何时出现幻觉，引导它解决正确的问题，并验证其输出结果。

最后，如果所有这些工作性质的改变真的发生，我们将拥有更多的休闲时间。贝齐·史蒂文森在最近的一篇论文中提到了日本的“ ikigai” （生き甲斐），即“使生命值得活下去的东西”。从工作以外的来源获得意义的能力本身就是一种人力资本。试着养成阅读小说的习惯。尽量减少观看视频和其他电视节目的时间。培养一些爱好：我最推荐的爱好是开一个博客！

新年快乐，感谢您阅读硅洲大陆！