AI时代的职业重构并非零和游戏

“ 幻觉是它的命门，生态才是护城河——AI卷走的只是流水线，而职业重构，从来不是零和游戏。”

01

—

这两天部署OpenClaw，火出圈的AI智能代理，能自己看网页、填表单、点按钮，能替你工作，能替你点外卖。

云厂家的攻略写得简单：貌似一键安装后，再加上浏览器的 Skill 技能就能工作。实际操作下来，让它联网查询一下某个信息，agent-browser提示没有安装chrome扩展。

按AI使用思路，直接问OpenClaw，它会思考一阵后，吐出一堆文字，里面给出解决方案。还是报错。

省心是不可能了，还是点上运维技能，打开服务终端，开始一点点排错，安装，测试，阅读状态日志，仔细分析问题所在，才最终搞定。

问题的解决就需要本身有比较丰富的编程和运维经验，才能让这个AI工具真正让普通人在工作生产环境用得顺手

说好的AI出来后，码农（运维...）会消失呢？

02

—

最开始大模型写代码，是在网页上开对话框：用 Python 写个排序函数。它一顿输出，复制下来放到项目代码里，就能跑。

后来可以满足复杂的一些需求了：完成某个功能模块，生成数据库model，相应的service 以及功能接口API，后端连数据库。

它写完，我自己跑一遍，报错了粘回去让它自己修复错误，大模型辅助微调排错。

再后来，国内国外的厂家都推出了功能齐全的AI编程工具，一个人就能干全栈的活：前端代码、后端接口、数据库脚本，甚至部署到服务器。

用它写了几个小项目，感觉一个人就能把之前产品、开发、数据库、运维的活全干了。

先把项目需求提示词让网页端的大模型优化一下，然后发给Trae，它就开始规划，先写项目文档：需求文档，技术设计文档，然后询问是否符合你的要求。

点击开始开发，它就一步一步的实现，直到打开一个浏览器，给你看按需求文档实现的系统。如果没问题，还可以一键部署到线上。

这东东，厉害！写代码比我快十倍不止，也不抱怨需求变更，还不闹情绪。

美国有家公司推出了一款纳税AI，能自动读取用户财务流水，做税务规划。美国报税出了名的复杂，普通人搞不定，每年都要花钱请会计师。

这款软件一出来，相关公司的股价应声下跌。

03

—

但是，也有AI也干不了的活。

一类是上面说的OpenClaw那种——环境差异、版本泥潭、跨项目经验迁移。当前的环境差异带来的问题，AI解决不了。

它需要人的介入，要么能明白问题所在，告诉它环境的差异在哪，要么人能直接解决。

一类是需要思想性、创新性的问题，AI解决不了。

从编程的角度看，AI是解决了低级的重复编码的工作。但是结构性的和架构上的一些设计是大模型所不具备的。

曾经让它设计过一些系统的架构，都不如看到的开源项目的架构精巧。

04

—

AI还有一个致命伤：幻觉。

虽然在目前技术迭代，工程优化层面上，让幻觉降到了最低，但是这个问题仍然是放在实际工作环境中最后的一道拦路虎。

AI就是分不清哪些是它编的、哪些是真的。你问一个它不确定的问题，它不会说“我不知道”，它会非常自信地编一个答案，语法完美，逻辑自洽。

会议记录、年终总结、工作汇报——不需要思想性，需要规范性。格式正确、措辞得体，AI擅长领域。

代码某种意义上也是“公文”。绝大部分业务代码不需要创意，只需要规范、可读、好维护，所以AI写代码才这么强。

05

—

AI的使用成本。

去年曾经看过一个观点，说目前的大模型发展方向可能错了：人脑思考消耗的能量，比大模型推理消耗的能（电）量相差几百倍，更不用说大模型训练所消耗的电量。

所以我们会看到OpenAI提出一个建电站，数据中心的庞大投资计划。

从这个角度看，大模型AI的效率其实很低。人脑跑一天20瓦，GPT-4训练一次的电够一户家庭用几百年。

现在是各家免费，降低使用门槛，在培养用户使用大模型的习惯，将来就会将成本摊在每一个用户身上。

用户最终就会算经济账本：雇佣一个人，还是雇佣一个数字员工。

06

—

就像电车的出现，确实分走了油车的市场，但是同时带来了充电站运维、电池回收、电控系统调试等等新的职位，繁荣了电车一系列上下游行业。

就像OpenClaw的出现，有人用它做了18岁的AI女友一夜爆红，有人用它炒数字货币赚钱。

我觉得，AI的价值，不是让人失业，是让人从“怎么干”里拔出来，去琢磨“干什么”和“为什么干”。

AI会颠覆行业现有的利益格局。

底层搬砖工作会消失，同时也给具备创造力的人提供新的机会。

往期热门文章推荐：

Qwen推出DeepPlanning Benchmark：Agent真正搞定购物和旅行规划了吗？

Seedance2.0 视频生成：战锤的世界背景，一名帝国精英从太空垂直降落在星球地面

我在云端搭了个“贾维斯”：Moltbot（Clawdbot）云端部署与初体验

拆解 Clawdbot（OpenClaw）：深入核心看多代理AI如何协调工作