AI如浪潮,谁是船上人!

1 评论 3641 浏览 4 收藏 14 分钟

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!

专栏作家

琢磨事,微信公众号:琢磨事,人人都是产品经理专栏作家。声智科技副总裁。著有《终极复制:人工智能将如何推动社会巨变》、《完美软件开发:方法与逻辑》、《互联网+时代的7个引爆点》等书。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 除了chatgpt,国内那几个玩意儿就像个笑话一样!

    来自辽宁 回复