大多数人根本不理解AI替代人类的工作是如何运作的（或者说它是如何不运作的）。即使专家所做的一切加速十倍，也并不意味着工作本身会自动消失——它只是重写了围绕它的经济学。当可交付成果的有效价格暴跌时，曾经搁置的潜在需求突然变得可行。我从未遇到过一个产品负责人认为他们的工程师交付的功能超过了路线图的需求；愿望清单总是比人手允许的要长。让每个功能的构建成本降低十倍，你并不会将团队缩减十倍——你会点亮每一个曾经看起来负担不起的“可有可无”的功能，以及没有人愿意进行范围界定的整个新产品。 最近@Microsoft Research对现实世界中Copilot使用的研究强调了同样的观点。用户寻求帮助来撰写代码或收集事实，但模型最终会进行辅导、建议和教学——将全新的劳动形式融入到一个会话中。职业并不是单一的；它们是子过程的集合，每个子过程仅部分（且不完美）地被今天的模型覆盖。随着AI工具的发展，角色的范围也随之演变，往往是扩展而非缩小。 即使在我们在@NethermindEth构建的AI智能合约审计工具中，尽管它的名字如此，我们的目标是过程中的一个非常特定的狭窄部分：寻找潜在的漏洞。与此同时，安全专家将其作为工具，进行更复杂和多面的工作——制定策略、验证发现、纠正AI、添加隐含背景、与开发者沟通、发现隐藏意图和管理期望。 因此，与其统计哪些工作会“消失”，不如问一问一旦解决这些问题的边际成本骤降，哪些问题变得值得解决。历史表明答案是“远远超过我们能够配备的人才”，这也为一个人才被重新部署和倍增的未来辩护，而不是被淘汰。