AI 到底取代了多少工作?能核实的每一个数字
没有一个单一的数字。诚实的理由不是数据缺失,而是几乎每一个被公布的数字,数的都不是「工作」这个东西。下面是我们能逐条核实的每一个,以及它们各自到底在数什么。
读全文 →职业页是参考书:你去查一件事。这里是另一种东西 —— 一篇横切我们手上全部已核实记录的论述,回答一个人们真的会问的问题。
有一条规则让这里区别于一个观点页面,而它由测试强制、不靠自觉:每一节都必须引用一条已核实记录或一条任务判断。没有引用的一节会让构建失败。引用印在每一节下面,直接链到那条记录 —— 连同它的来源、适用范围和核实人。
没有一个单一的数字。诚实的理由不是数据缺失,而是几乎每一个被公布的数字,数的都不是「工作」这个东西。下面是我们能逐条核实的每一个,以及它们各自到底在数什么。
读全文 →不是这件事有多难,也不是它薪水多高。真正预测「这项任务动没动」的性质是:有没有一个人以外的东西能说出「这不对,再来一次」—— 而且能整夜说上一千遍而不累。
读全文 →把十几个技术职业并排放在一起,同一个形状就浮现出来。机器接走的,是工作里「产出材料」的那部分 —— 照片、草稿、脚本、例行变更 —— 而且做得很快。它们没有接走的,是「这些材料是对的」那个决定;而在这些工作的大多数里,法律规定这个决定属于一个具名、合格、为之签字的人。
读全文 →我们拒绝用一个数字回答这个问题,而这个拒绝是由一条会让构建失败的测试强制的。这一篇是它背后的论证:一个年数估计所需要的每一样材料,要么没有被测量,要么可逆,要么取决于某个还没做决定的人。
读全文 →大多数关于 AI 与工作的文字,描述的是技术到来、工作随后改变。而在已核实的记录里,最常见的顺序是反的:一条规则创造出一项职责,这项职责落到一个具名的岗位上,于是在任何东西被部署之前,某个人的岗位说明书先长出了一段。
读全文 →采用比报道听起来的要窄得多,而且总是落在同样的三个地方。有意思的问题不是「哪个职能买了这件工具」,而是「哪个岗位继承了这件工具造出来的活」—— 因为在已核实的记录里,那个岗位几乎从来不是做出选择的那一个。
读全文 →五项任务里有两项几乎完全消失,而且是最先消失的 —— 因为它们最容易被写清楚。没消失的那两项反而变贵了,因为产线会把你对它的判断力成倍放大。第五项不是被自动化,是被删掉了 —— 连同那个原本来提需求的人一起。
读全文 →变的是敲代码这一段,这份工作没有消失。在唯一一次公开了数字的大规模代理迁移里,人发出的消息主要用在审查、测试与 CI,挑战设计决定,以及把活推到做完。它周围的记录说明了这部分工作为什么不会缩水:产出更快不等于产出正确,而用得越多,对产出的信任反而越低。变化最大的是入行的那道门,而不是门里面的这份工作。
读全文 →