做個小測試，看看你的工作是否會被AI取代

關注公眾號，記憶承載3，方能閱讀正文《戰爭陰霾下的新世界》

那天我寫戰爭陰霾下的新世界時，有不少讀者留言說自己的工作岌岌可危。

還不是因為安全成本的抬升，所謂密切的交流頻率下降而導致的。

單單AI的沖擊，自己可能就過不去這個坎兒了，甚至有悲觀的讀者表示，今年可能就會被數字員工替換掉。

我們來看這些問題。

作為老板，我每天琢磨的都是怎么讓更少的人去完成昔日更多人才能完成的工作，以及怎么讓數字員工取代剩下的更少的人。

如果我不琢磨這些，我早就被市場干掉了。

所以我是你們非常好的對手盤，如果我愿意開源公布我的想法，你可以參考參考。

看看對手的底牌，終歸對你打牌是有益處的。

七年前我從傳統紙媒挖了個助理，他給我當首席安全官，并幫我處理郵件，處理一些安排日常工作的雜事。

我當年給了他五倍的薪水，一直有讀者好奇，我怎么不干掉他？以期降本增效。

其實我每天都在琢磨如何干掉他，尤其23年，AI技術突破之后，更是加速了這個嘗試的過程。

每一個職場里的員工，都有一個我們通常稱為backup的存在。

06年，我剛做碼農的時候，我的工作就是backup，正式工程師屁股后面的backup。

我的價值體現在如果對方突然離職，那么我就可以無縫銜接，使得公司不受影響。

那么等我工作一兩年后，我的身后也有了backup。

用我們那個年代的笑話講，長江后浪推前浪，前浪被后浪拍死在沙灘上。

你主動離職，backup頂上，你干不動了，或者性價比降低了，backup頂上。

這是企業里的常態。

除非你不重要，你是掃地阿姨，整個勞務市場都是你的backup，否則，你身后一定會被老板設立backup。

我的助理，他的身后就有backup，這個backup是數字員工。

數字員工的意思是說，你每日做的那些工作，全都有工具在背后做同一份。

后來有了AI，這些工具還可以被串成工作流。

包括他最重要的工作，也就是風控，肯定有backup。

他審過的內容，全都有軟件審過的，絕大部分時候，他們的判斷是一致的。

就像我請了一個司機的同時，我的車上裝了自動駕駛。絕大部分時候，自動駕駛和司機的判斷是一致的。

如果完全一致，他就被干掉了，俗稱被畢業，被輸送到社會上當人才，但到目前為止，都不完全一致。

每年總有那么幾次，我的數字風控官告訴我，這個題材沒問題，你發吧。

而我的助理告訴我，NO，你不能發。

第一天你會發現，誰錯了？

我的助理錯了。

很多人都在搶熱點，人家都寫了，啥事兒沒有。

三天過去了，誰錯了？

還是我的助理錯了。

我就有點后悔，是不是你不中用了，你的判斷還不如數字風控。

第四天，忽然出事兒了，此前蹭了熱點的那些人，被處罰了。

互聯網的這個追責機制是很奇怪的，你在絕大部分領域里都是無禁止即可為。

比如我看到一個交易平臺有BUG，只要他們不修復，不公布新規，你隨便鉆。

這期間的利潤都歸你，哪怕是要取消已經成交的單子，也得和你商量。

絕對不會講，等你賺了錢，事后跟你說不僅要還回去，還要被罰，沒這事兒，這么干，以后賭場里就沒有客人來玩了。

但互聯網不一樣。

哪怕是你3天前說出去的話，也是一口唾沫一口釘。

你說3天前還是允許的，我當時又不知道，現在你不允許了，我撤回總行了吧？

不行。

盡管是3天后才變的規矩，但你依然要為3天前說錯的話承擔責任。

而且更重要的是，那個申訴的途徑，只是理論上存在。

這種情況下，你說我的助理，他值不值這個價？

我覺得很值。

因為說到底，他提供的不是一種檢索信息，數據分析的標準化的風控服務，他提供的，是一種非標服務。

我的數字風控官，絕大部分時候都是準的，它是怎么做的？

它就是軟件的普通做法，大數據搜集，大數據分析，看看過去的一段時間內，誰被處罰了，誰沒有被處罰，然后就摸索出規則是什么。

依據曾經的數據，來告訴我，你這么說話，是行，還是不行。

你說一個數字風控，一個軟件，它有沒有辦法察覺標準三天后會改變？

它沒有。

它得等有人被罰了，它才知道。

人可以，因為人是混圈子的。

這事兒考過研的都知道。

考研的時候，有一門必考的文科，大部分人都是靠什么？靠復習？

NO，誰也不復習，都是靠報班。

二十年前就這樣了，大家都是花很貴的價錢去聽幾次千人級的大課。

能學到什么？

什么也學不到。

大家不是來學習的，是來聽老師押題的。

為什么人家總能押中，每年七道大題押中六道，我們就不展開了，考過研的都懂。

這活兒，或者說，這部分活兒，數字員工真干不了。

數字員工只能干公開的信息。

標書上寫了的，可以連夜燒掉無數token，分析八百遍，標書上都沒寫的，你讓數字員工怎么分析？

我起初對這個問題的理解，就是上面這樣。

至少三年前，我是這么看待我的助理和我的數字助理的。

因為十五年前，我也在甲方干過，我也像那個押題老師一樣被廠商們圍著。

他們里面不乏500強，他們是缺架構師還是缺產品經理？

都不缺。

如果是標準化的信息，他們自己都能解決，問題是，他們想要知道標書以外的那些事兒。

哪怕是聽我侃大山，隨便聊聊也好。

我起初的理解就到這里為止了，我覺得數字員工就像一個缺人脈的，一切只能查公開資料的應屆生。

而我的助理，就像十五年前在甲方任職時的我，是一個老油條。

老油條有老油條的渠道，所以他總是能在關鍵時刻拉我一把，讓我避開風險。

但日復一日，年復一年，我漸漸發現，這事兒遠沒有這么簡單。

因為我可不是只有助理這個領域里有一個數字員工，我做高頻交易的，我交易領域里的數字員工多了去。

我發現了什么呢？

我發現所有的數字員工，它們對風險的理解，都是基于已有數據下的概率分析。

我舉個例子。

比如我對一個數字交易員投喂數據，把我自己早年的撿烏龍指的數據喂它，看它怎么去理解。

當它看到我2010年起，連續260個星期都是盈利的，而且每個星期的盈利不僅是正的，范圍波動也很小。

它就認為，這個交易系統是非常可靠的，完美符合了低方差的正增長。

那么請問，它能夠預測第261個星期忽然出現虧損么？

它不能，它甚至不能理解。

其實當時的原因非常簡單，就是我敲錯了數字，我敲出了烏龍指，我自己把買和賣填反了。

作為數字交易員，它不能理解，你何以出這樣的低級錯誤？

如果你會填反，之前的260個星期里你手動打出過那么多單子，為什么一筆錯誤都沒有？

于是你就只能教它，你教它之后，它就會記錄一條，人類的出錯概率，但它也只是增加了一個變量，對已知錯誤的變量。

那一瞬間我就忽然看懂了AI，我發現，這東西沒有真正的風險意識。

你知不知道最可怕的根本不是偶爾敲錯單子，而是交易所的機房出事了，甚至，平臺跑路了。

這些極端事件，其實我并沒有經歷過，俗稱我沒有數據，可我作為人類，我憑想象也能覺察，可是AI，它不會這么想。

它不去分析數據以外的世界。

這就是我說的，它是對已有數據的概率推測，可生命中充滿了未知與不可測。

所以我后來想通了，AI這貨，它不知道死字怎么寫。

因為它不是人，它不可能跟你共擔風險。

那個人類司機出了車禍，他比我更先被撞；我要是被處罰了，按照我們事前的對賭合約，助理一起要倒霉；我手下的交易員要是出了問題，我虧他也得虧。

上面這一切，自動駕駛，AI助理，AI交易員，它不理解。

它不明白什么叫共擔風險，什么叫當好老板的防火墻。

而企業里面很多高級崗位，老板之所以像太子丹一樣好吃好喝待荊軻，不是白給的。

等老板哪天想吃魚了，荊軻真的得上演風蕭蕭兮易水寒的。

所以高級崗位需要的不僅僅是干活的，更是分擔風險的，是需要你幫著背鍋，沖前面擋槍的。

那個財務總監是要替老板簽字的，出了事兒，是要你這個財務，替老板去提籃橋進修幾年的。

而AI數字員工，它就像一個分析師，跟我說，你買吧你買吧，回頭它自己一分錢也不買。

所以，回到那天的戰爭陰霾下的新世界的話題，我還是那個觀點。

一切坐著不動的，和站著不動的工作，都會被干掉。

你不想被干掉，最好的方式是增加自己工作在多維度下的復雜性，你注意我的表述。

不是單一維度上的優秀，你數學特別好，完全有可能被AI干掉的，因為太單一。

多維度下，增加復雜性。

如果你實在做不到，比如我助理這樣，他的工作維度太單一了，而且沒法增加維度。

那你要么去混圈子，要么去共擔風險。

假如你的工作又單一，你還不用共擔風險，甚至都不用混圈子，就是你所提供的服務，全是基于公開信息。

那你想都不用想，被AI替代是無可避免的，耶穌來了，也救不了你。
關注公眾號，記憶承載3，方能閱讀正文《戰爭陰霾下的新世界》