大多數人根本不理解 AI 替代人類的運作方式（或它是如何不運作的）。即使專家所做的一切加速十倍，也不會自動消除工作本身——它只是重寫了圍繞它的經濟學。當可交付成果的有效價格暴跌時，曾經擱置的潛在需求突然變得可行。我從未遇到過一位產品負責人認為他們的工程師交付的功能超過了路線圖的需求；願望清單總是比人數所能允許的要長。讓每個功能的建造成本降低十倍，你不會將團隊削減十倍——你會點亮每一個曾經看起來無法承擔的「可有可無」功能，以及整個沒有人去範疇的全新產品。 最近 @Microsoft Research 對現實世界 Copilot 使用情況的研究強調了同樣的觀點。用戶來尋求幫助撰寫代碼或收集事實，但模型最終卻成為教練、顧問和教師——將全新的勞動類型融入到一次會話中。職業並不是單一的；它們是子過程的集合，每個過程僅部分（且不完美）地被當前的模型覆蓋。隨著 AI 工具的發展，角色的範疇也隨之演變，往往是擴大而非縮小。 即使在我們在 @NethermindEth 建立的 AI 智能合約審計器中，儘管它的名字如此，我們的目標是過程中非常特定的狹窄部分：尋找潛在的漏洞。與此同時，安全專家將其作為工具，進行更複雜和多面向的工作——制定策略、驗證發現、修正 AI、添加隱含上下文、與開發人員溝通、發現隱藏的意圖和管理期望。 因此，與其統計哪些工作會「消失」，不如問問一旦解決問題的邊際成本驟降，哪些問題變得值得解決。歷史表明答案是「遠比我們能夠配備的要多」，這預示著一個未來，人才被重新部署和倍增，而不是被淘汰。