现在AI的发展越来越快看起来越来越强大，也引发了很多人的担心。但其实，社会并不是只有一个子系统，我们需要在一种新的生态系统重寻找自己的位置。

一提到AI，很多人首先想到的都是会不会取代自己的工作。

那到底怎么看待AI对个人的影响更合适呢？

我们可以先打个比方：

AI就像马上要来的一场滔天洪水，会覆盖经济世界的每个角落。这时候经济世界里面的人会被迅速分化：一类找到了自己的方舟，然后水涨船高，可以尝试采摘更高处的果实；一类则保持了原来的状态，会很快被洪水所“淹没”。

当然这里的淹没和溺水死亡并不一个意思，而是需要某种“远征”，在一种新的生态系统重寻找自己的位置。

毕竟社会不是只有经济这一个子系统。

一、AI的智能程度

让AI做题确实能够度量智能的程度，但这种纯粹的智能高度和对经济岗位的冲击毕竟还隔了一层，看不那么清楚。

所以可以把这种纯粹的智能和岗位描述做个结合，然后就能比较清楚的看到那些事AI现在能做，那些下面它能做，又会产生什么样的影响。（这时候不要用AIGC到底能生成多少内容的视角，而是要用一种类似智商的纯粹的智能的视角）

假设一个公司有200个人，那大概会有财务、人事、IT、产品、销售、市场、研发、运维等岗位。基本处在小而全，但又没那么复杂的一个阶段，比较容易看清楚。我们拿这样一个公司来举例子。

我们可以随便选一个岗位，比如人事中的招聘做个工作内容的拆分，拆分后大概会是下面这样：

• 收集业务部门的招聘需求。不理解的确认。
• 筛选简历，和候选人沟通对岗位的初步意向
• 和招聘的业务部门确认候选人的匹配度
• 约面试，组织面试，记录面试结果
• 申请Offer，发Offer
• 办理入职
• 跟进后续表现

这里面那部分工作是当前的人工智能的智能程度所不能完成的呢？

答案会比较残酷：真的没有。

当我们把大模型不是看成一个内容生成的工具，而是看成一个可以做情况理解和逻辑判断的大脑，那就会发现只要提供足够充分的上下文，那上述各种岗位的职责它其实都能干。还不局限于招聘，分解别的岗位，结果也一样。

这就是为什么说AI是一场注定要来的洪水。

二、为什么现在还不行呢？

现在确实不行，但这种不行不是因为智能不够，而是因为一个个领域还没给智能腾出地方。

技术点的说法是数字化程度不好导致信息不充分，这和你告诉CEO一堆假的信息，然后让它做决策一样，再利害的CEO一样把公司干倒闭。

还是回到上面的例子，对于这200人的公司而言，第一关键的障碍是：它信息完整度很差。

想招聘的人不能准确的描述自己到底要什么人，所以负责招聘的同学就要反复沟通，并且在实践里打磨。

这属于有必要性，但没价值的工作，纯粹由于战略不清楚和信息不全导致的。

如果对工作的数字描述完整度够，比如出了多少问题，收敛时间怎么样等，那基于这些数据其实可以比较快速削减招聘过程里因为整体不清楚，局部增加的摸索的复杂度。

其次是牵涉物理空间的话，具身机器人不好用。

别看把候选人接回到公司，做面试这事看起来简单，真拿机器人做还就困难重重。

门禁、电梯、开门、联络对应的面试官、不在打电话、重新排时间等，都组合在一起，机器人还真就搞不定。勉强搞了，一旦有突发情况就挂了。

最后是观感略不好。毕竟真上机器人没那么亲切。

这些原因导致这事现在还不行，实际上需要运营思路、基础设施与角色中心式计算相适配。但这只影响洪水来的快慢，不影响来不来。影响来不来的智能绝对高度其实是够的，并且还在提高。

需要补充的是，上面这些难点不是模型能解决的，纯粹提高模型的水平没有用。

如果对角色中心式计算感兴趣，可以参照下面三篇文章：

角色中心式计算：AI大模型颠覆性的起点与终点

智能原生：AI蓝海世界的关键钥匙

AI的进展不是太快，而是太慢

三、个人的选择与进化

从个人角度看，选择也就没那么多。

本质上是需要钢铁侠化。

套壳不套壳对于托尼·史塔克来讲战斗力差异还不是1:100，个人也一样都需要找到属于自己的那套战甲。

这里有一个不太容易接受的现实：

越是成熟体系里面对知识的运用，面对AI越没价值。

什么叫成熟知识体系的运用呢？

这可以拿做题来类比。

有一套大纲，然后在这套知识体系里碰到各种题目，不停的解题。背后支撑的能力是记忆、逻辑、计算等。这部分能力的价值会贬值比较快，比如在记账层面的会计。

但不是整个领域会变没。

真实世界可以看成是一个流变且不可控的模型，这里面不清楚混沌的部分需要有人的介入才能变成信息输入，导入到那个确定体系里面去，比如今年确认收入多点好还是少点好，就取决于人在世界模型各种输入之上的判断，这不是个知识性的问题，基于单纯的财务知识没有答案。

所以各个现有的角色和分工会从下往上回卷，越是基础的，确定性强的依赖智能岗位越会被优化掉。（是过去常说的白领）同时负责处理世界模型中混沌信息的人需要变成钢铁侠，借助AI能够快速吞吐大量的信息（超人化）。

（执行层因为机器人不好使短期还没事，所以反倒是可能从中间开始冲击，最上层则需要超人化）

四、还有多久

真的不会太久。

这波AI浪潮到现在不过两年，很多新进的创业者们还在重踩之前的坑，尝试用AI做各种小的方案（很多估计被现金流逼的），真正强有力的产品还在打磨之中。

在这种折腾中很多人可能没注意Copilot是收入已经超过Windows的一半。（老宋发到琢磨事群里的一张图）

这还真是轻舟已过万重山。超过Windows的收入看起来也不过就是眼前的事。

Copilot这种生产力工具落地必然是容易的，它们的落地的同时也会带来一个后果：会让数字化的程度变得足够高，让整体性的生产关系工具成为可能。而一旦整体性生产关系工具形成（过去是ERP）那就会给智能提供足够充分的发展壮大的土壤。

步骤是这么个步骤，估计也不会特别快，但3~5年内肯定会出现类似的产品，随后怎么冲击到每个人可能比大家想的都会快。

大模型的进展以及后面的时间可以看成是一个聚势的过程，这里可以类比2000年之前的互联网。（孙子兵法：转圆石于千仞之山者，势也）

五、技能集的重置

在这个过程里，对个人最大的挑战其实是技能集的重置。

AI不太可能搞定的是把混沌转换为确定的能力（背后就是创造力），也不太可能取代感受（谁愿意看机器人做吃播呢！）文化是感受相关。

（黄色的部分是人会有优势的领域）

但很不幸，我们过去的教育主要培养的能力正是接下来用不上的。做题依赖于记忆和计算能力。

现实则要求我们要从更多使用逻辑、更像机械转向更多使用创造更关心感受、更像一个真正的人。

纯粹以方向而言，这不是坏的方向。

也许我们可以换个角度来看硅基的人工智能和我们人类。

硅无疑是更稳定的，而碳活性则更强，所以人的自留地可能在于和活性有关的部分。

六、新未来

有时候我们是很矛盾的，我们大多时候没那么喜欢工作，但真的感到可能会失去它的时候，又会恐慌。

多种价值坐标系的撕裂导致了这种结果。

如果把所谓的工作排在历史空间里面，那大概是这样的：

工业革命前的农业社会里，每个人更像《隐入尘烟》里马有铁，他的看得到自己产出，什么都会干。

养鸡养驴盖房子，不分工的。

不分工对生产率有妨碍，但对安定人心是有帮助的。（有恒产者有恒心）

工业革命除了动力革命，最关键的是大分工和流水线。工人其实根本不不知道自己在干啥。马克思管这个叫异化。好处是生产率，坏处是人生价值和工作价值分离。典型象征是摩登时代里的卓别林。（这个一直持续到现在）

AI带来的更可能是一次新的分工重整。

从分工角度，钢铁侠其实和马有铁差不多，他也自己啥都干，区别就是钢铁侠能调度的力量和层次在AI的助推下已经变的更高。

分工更可能是重新变的越来越综合。综合后的岗位才更需要创造力和感受。

如果每个人的生产力都和钢铁侠类似，那可能人类就能造戴森球了。

七、小结

前面写了很多和产品技术有关的文章，近来则发现大家对AI的隐约恐惧愈演愈甚。方向本身不是坏的方向，让人能更回归自身抛弃每个人心里不怎么喜欢的工作，不能说是坏的方向。关键是转折本身的风险太大，有可能超出对应主体的承重。逃是无处可逃的，还是需要正视并重新定位！