还会剩下什么让我们去做？
AI 工具正在快速改变知识工作，但许多人认为，它们更多是在把人类角色从“执行”转向评估、判断和引导，而不是直接消灭工作。评论者对生产力提升给出褒贬不一的证据，并指出自动化在历史上往往会创造新的任务和需求（常见于审查、集成和清理），同时也在争论软件和其他白领岗位是否会分化成不同层级的专业度，而不是消失。其背后还隐藏着更深层的担忧：技术债、贫富不均、AI 基础设施的所有权，以及如果今天的大部分工作变得廉价或完全自动化，最终决定谁受益的将是社会和政治制度，而不是技术极限。
工作的性质转变
- 许多人认为，工作正从“构建/执行”转向对 AI 系统的“评估、判断和引导”。
- 有人认为“在 AI 让技能过时前先积累财富”与“培养技能/能动性/判断力”是个错误的二分法；毕竟，财富通常也需要这些技能。
- 也有人指出，这种分工其实早已存在：产品/PM/分析师角色 vs 更深层的工程工作。
AI 对工作的当前影响
- 几位发言者报告的是更多工作，而不是更少：AI 让他们能够处理过去“不值得做”的任务（例如技术债、小 bug、复现、小型自动化）。这里还提到了杰文斯悖论。
- 有人感觉工作重心已从编码转向需求、研究和审查。
- 也有人认为生产力提高了，但工时并没有减少；组织只是提高了预期。
- 还提到了一些具体的岗位缩减（例如翻译），以及更小团队完成更多工作的情况。
工具 vs 变革（编译器、低代码、LLM）
- 讨论焦点在于，AI 代码生成到底“只是另一种编译器”，还是由于非确定性、错误以及对判断力的需求而在性质上不同。
- 有人将其与过去的炒作周期比较（COBOL、低/无代码、PowerApps）：它们扩展了开发者能做的事，而不是消灭开发者。
- 一些人认为，现代代理让你不仅能外包实现，还能“外包思考”，这可能是与过去工具的真正断裂；也有人并不信服。
软件角色的未来
- 有一个类比：软件会像医学那样分层，少数“架构师/医生”，大量半技术性的“医护人员”，以及使用 AI/低代码的非技术“护士”。
- 批评者指出，这些层级其实早已存在（首席工程师、业务分析师、高级用户）。
- 也有人预见，基础编程会像读写能力一样：许多工作都默认要求具备，定制软件工作会缩减，但高端角色仍会保留。
社会、经济与伦理担忧
- 人们担心不平等与所有权：如果少数人拥有机器，非所有者的议价能力可能会很弱；把人和被拖拉机取代的马作比较的说法也屡屡出现。
- 也有人认为，民主制度和社会政策可以重新分配收益；过去的福利和劳动权利正是政治斗争的结果。
- 有些人担心 AI 赋能的“Elysium”式场景或底层经济；另一些人则预计会出现无休止的“造岗”以及新的问题领域。
代际与文化反应
- 有报告称，许多年轻人一方面大量使用 AI（例如在大学里），另一方面又公开敌视它；甚至有人会“破坏”公司的 AI 项目。
- 对 AI 的“疲劳感”和对 AI 生成或 AI 风格文本的怀疑正在上升；一些读者觉得如今很多文字都有同样平淡的 AI 口吻。
局限、风险与技术债
- 几位发言者预计，能力会进入平台期，或因监管而放缓；也有人认为指数级改进和新架构仍会继续。
- 人们担心 AI 生成的“垃圾内容”不断累积、系统脆弱且无人真正理解，以及未来的工作会变成清理 AI 造成的技术债。
- 一个大型公司的案例研究（仅内部）声称，全面工程生产力提升约为 7%，而有些团队因工具噪音过大而受到负面影响。