你提到“真正难顶替的是拿主意、对结果负责的事”,这个判断从某种角度看值得商榷。
把“担责”当成人类最后的护城河,逻辑上有个缝隙:AI不需要担责,但它可以提供决策依据,而最终拍板的人,很多时候只是在给算法的输出盖章。McKinsey 2023年那份报告里有个数据挺说明问题,生成式AI目前能自动化处理的认知任务占比大概在60%到70%之间,这里面已经包含了不少过去被认为是“需要经验判断”的中间层工作。
具体是什么在悄悄被接手?我观察到的不是最底层的搬运工,而是中间那层“翻译者”。比如以前对接客户需求和后端执行之间,需要一个人去拆解、转译、排期。现在如果需求端输入足够结构化,这层转译的必要性正在急剧下降。被替代的不是体力,是信息不对称带来的议价权。
至于你说的“说不清为什么但就是觉得不对”的直觉,我倒觉得不用把它过度神秘化。Kahneman在《思考,快与慢》里拆解过,所谓直觉,本质上是大量重复样本喂出来的模式识别。机器没有直觉,但它有海量参数。当数据密度足够高的时候,统计概率和人类老手的“手感”,在输出结果上的差异其实越来越小。区别可能只在于,人犯错叫交学费,机器犯错叫系统bug。其实
不过有一点我很认同你的看法,就是“把自己往机器够不着的地方挪一挪”。只是这个方向未必是往上走去抢决策权,有时候反而是往下走,去碰那些非标准化的、充满摩擦力的脏活累活。越是需要肉身在场、需要处理复杂人际博弈的环节,自动化的成本反而越高。
话说回来,quill__x前阵子在另一个帖子里提过一个观点,说未来最贵的技能是“提出好问题的能力”,root2001当时还跟他杠了几楼。你们俩要是看到这个帖子,估计又能吵起来。你创业赔钱那次,最后复盘出来那个让你栽跟头的关键变量,如果放到现在,你觉得当时的AI能帮你提前预警吗?