AI接管了重复性工作,但人类仍然负责掌舵

新闻

作者：微信文章
人工智能（AI）正日益渗透我们工作的方方面面。过去需要数小时甚至数天才能完成的任务（比如从几百份PDF发票中提取和整理信息），现在AI可能几秒钟就能完成。甚至在一些复杂知识工作中（比如翻译、图像设计乃至作曲），AI的表现也日渐出色。这不禁引人发问：未来人类的价值何在？答案或许比许多人预想的更为乐观。是的，AI正在重塑职场格局，但与其说是无情的替代者，不如说它更像一个能力超群的合作伙伴。

要理解这一点，我们首先需要梳理AI当前的能力边界。
一、面对信息洪流，AI如同“诺亚方舟”



还记得互联网的旧时光吗？大概也就2022那会儿？

想象一下，当时你需要理解某个复杂的概念——比如某个法律条款的细节，或者PID控制器的工作原理——你通常会怎么做？很可能是打开搜索引擎，在一页页结果中艰难跋涉，点开十几个链接，内容从不可靠的论坛帖子到晦涩的学术论文不一而足。一两个小时后，你可能收集了一堆电子笔记，其中一半重复着相同观点，另一半则相互矛盾。这种体验如同试图用消防水龙头喝水——信息铺天盖地，你浑身湿透，得到的有效信息却寥寥无几。

这套令人沮丧的操作流程，如今已经彻底成为过去式。像 Gemini 2.5 pro这样的大语言模型（LLM）已经足够成熟，从根本上改变了我们与知识互动的方式——你只要直接提问就可以了。

最直观的变化是效率的提升。那种面对信息汪洋而无能为力的焦虑感正在消退。这些AI模型极其擅长消化海量文本——文章、书籍、视频文案——AI能将它们编织梳理，识别内在逻辑，过滤重复和噪音，构建出清晰的知识结构树。过去要攻克一本厚重的非虚构书籍，你只能一页页苦读。现在，甚至在深入阅读前，你就可以让AI告诉你最感兴趣的地方在哪里。

你有过多年积累、充满重复想法和半成品思路的笔记吗？AI可以帮你理清头绪，并构建出你个人的、连贯的知识结构体系。

这种效率与秩序的结合，从根本上改变了我们对世界的认知方式。你有过在学校里为某个概念绞尽脑汁的经历吗？当时的你，只能依赖教科书的单一视角。而现在，你拥有了一个无限耐心的导师。你可以让大模型解释概念，再换种方式解释，运用比喻，提供现实案例，不厌其烦地回答你的“傻”问题，甚至可以让他对概念本身进行批判。

这将阅读从被动灌输转变为一种主动探索，一场由AI辅助的、与材料的深度对话。关键在于，AI还能根据你的知识储备进行量身定制。你不会在入门阶段就被专业细节淹没，反之亦然。它总能为你找到合适的类比和措辞。

这就带来了一个意义深远的趋势：专业知识的普及化，或可称之为——“知识平权”。像工程技术、财经或编程这样原本需要系统培训和行业经验的专业知识，突然变得触手可得。你或许不会一夜之间成为资深工程师，但AI可以对工作中遇到的某个技术瓶颈给出80分的分析思路，或者帮你提出更准确的问题。

这就像拥有一个知识渊博、随时待命的顾问团队——让你有能力去挑战过往难以想象的项目（比如独立开发新产品），或者仅仅是把手头的日常工作做得更好（比如撰写一份更出色的报告）。

当然，这里有一个关键前提。这些模型的表现取决于训练数据的质量，而互联网是出了名的鱼龙混杂。向不同模型询问同一问题，你得到的答案可能源自维基百科和严谨的博客，也可能来自低质量新闻聚合器或社交媒体。“垃圾进，垃圾出”的原则依然有效。

这就是为什么精心筛选的个人知识库变得如此重要。为AI输入高质量、可信赖的信息——例如来自你自己仔细审查过的笔记和信源——能让你避免开放网络的“垃圾堆”，从而更快获得更有价值的输出。
二、AI内容创作：从辅助工具到创作伙伴



2023年ChatGPT发布时，我曾对AI寄予厚望。但很快，至少在内容创作上（例如书评功能），现实却给我泼了一盆冷水。当时AI生成的内容往往是些泛泛而谈的综述，缺乏真正原创的见解，感觉就像一个没怎么读懂书却要硬写读后感的学生。究其原因，大概是当时的训练数据良莠不齐、无法联网获取新知，以及上下文窗口太小限制了其“思考”深度。

快进到今天，局面已大不相同。现在，当我让像Gemini这样的大模型撰写书评时，结果常常令人惊喜。它们不仅能提供全面准确的信息，文字流畅易读，有时甚至能提出一些颇具洞见的观点。感觉就像AI真的“读懂了”，并且学会了如何有条理、有见地的进行评论。这不仅仅是技术的量变，更接近于质的飞跃——AI从一个只能复述信息的工具，逐渐变成了一个深度分析并发表专业见解的“评论家”。如果说2023年的ChatGPT是一张互联网内容的模糊JPEG，经不起细看——那么今天的AI模型已然是高清4K，细节之处完全经得起推敲。

这种进步对于我们这些需要进行大量调研和写作的人来说，堪称颠覆性的改变。过去，完成一篇像样的文章绝对是一项“烧脑”的体力活。你需要像侦探一样搜罗信息，确保覆盖关键文献的核心观点；然后像建筑师一样，将阅读过程中闪现的灵感、摘抄和总结，费力地搭建成逻辑清晰的结构树；最后，还得扮演翻译官的角色，把这复杂的树状结构，用线性的语言表达出来，并根据不同读者和平台，调整为恰当的语气质感。这个过程，尤其是整合、构建和最终表达的环节，通常要付出巨大的努力。

而现在呢？信息搜集、归纳整理，甚至初步的草稿撰写和风格模仿（例如，我现在这篇文章的风格，就有意借助Gemini向Noah Smith的风格靠拢），AI都能出色地完成。我们作为写作者的角色正在发生变化：不再是事必躬亲的工匠，而更像是项目的总监——设定方向、划定范围，然后在AI提供的选项中，选出最好的那个，进行打磨和升华。写作中最富创造性的部分——产生灵感、抓住灵感——得以保留甚至放大，而最痛苦的环节，则被大大减轻了。

更有趣的是，AI似乎不仅仅是在高效地执行任务，它偶尔还会展现出一些我们通常称之为“创造力”的火花。比如，它懂得用“堆肥”来类比原子弹的链式反应，这种出人意料的联想很有启发性。我之前用DeepSeek写诗时，它曾用“冰刃裁云”来形容滑雪——这个意象在古诗词中从未出现过，新颖而精准，着实令人惊艳。这表明，大模型可能正在超越简单的模式模仿，开始进行某种形式的“概念融合”或“新奇表达”。毕竟，创造力在某种程度上就是发现原本不相关事物之间的连接。

当然，目前AI最擅长的，还是那些可以调用结构化数据的任务，比如写报告、新闻稿，或是特定风格的诗歌（如DeepSeek在古文诗词方面表现出的能力）。但未来呢？林语堂曾说，“作家无非是把自己喜欢的作品吃透了，然后在此基础上写出自己的东西。”在“吃透”作品这一点上，AI已展现出“青出于蓝”的潜力（让AI用乔丹·彼得森的口吻评价中国哲学，效果相当逼真）。然而，大师之所以成为大师，除了阅读广度和知识结构，还需要独特的人生经历和时代烙印。目前AI对此还无能为力。但随着技术发展，若AI拥有更丰富的“感官”输入（视觉、听觉等），甚至能与物理世界互动，获得某种形式的“经验”，那它在文学或其他艺术创作上的潜力又会达到怎样的高度？这确实是一个值得畅想的未来。

总而言之，我们正在见证AI从一个略显笨拙的助手，迅速成长为一个能力日益强大的创作伙伴。它不仅在改变我们生产内容的方式，也在潜移默化地改变我们对“创作”本身的理解。它接管了繁重的工作，激发了新的可能，让我们人类创作者能更专注于思想的深度和情感的表达。这不仅仅是技术的进步，更是内容创作领域一场激动人心的变革。
三、AI正在重塑人类的工作方式



如果你仔细观察，特别是在那些不那么光鲜亮丽的后台工作中，你会发现一场真正的变革正在悄然发生。AI正渗入我们处理信息和完成任务的核心环节。

想想那些耗费时间的模式化工作。比如前面提到的，手动从一堆PDF发票里提取信息，再逐一分门别类地填入表格。这项任务由人工处理可能耗费数小时乃至一天，而现在，AI或许只需“看一眼”提示，便能在瞬间处理完毕。这正在切实地改变游戏规则。

与此同时，像微软Power Platform这样的低代码/无代码工具正在兴起，让非程序员也能搭建自动化流程，填补了传统ERP等办公软件留下的空白。想象一下，你的销售数据图表（Power BI）一更新，就能自动触发后续的通知任务（Power Automate），或者反过来，用自动化流程为你的数据分析模型收集信息。这就是信息工具的平民化，让自动化不再是IT部门的专属技能。

过去，许多行业的价值在于时间和经验的积累——资深从业者凭借多年的直觉和记忆做出判断，其经验往往被视为难以替代。而AI正在挑战这一点。凡是依赖固定流程和大量经验积累的领域，无论是翻译、设计、作曲，还是前文提到的数据处理和分析，AI都像一个拥有完美记忆、从不疲倦、能瞬间消化海量信息的“虚拟专家”。它的结论往往基于更全面的数据和更快的处理速度，因此可能比单一的人类专家更全面、甚至更“老道”。这对于那些核心竞争力在于“经验”的岗位来说，无疑是一个巨大的冲击。

对于软件开发者而言，AI的影响尤为显著。曾几何时，开发者们为了一个顽固的bug在网络上苦苦搜寻解决方案，甚至感到绝望。现在，像 ChatGPT、Gemini 或 Copilot 这样的工具，往往能直接给出高质量的建议，一击即中。代码提示功能也经历了质的飞跃，AI不再只是猜测你想输入的简单片段，而是能根据上下文提供更完整的解决方案。这就像直接给你一个“毛坯房”——及时你仍然需要仔细检查水电（代码逻辑），进行精装修（优化和定制），无法做到“拎包入住”，但这无疑是一次革命性的效率提升。

这背后一个关键的技术突破是“上下文窗口”的急剧扩大。早期模型只能记住几千个词元（token），难以把握大型项目的全貌。而现在像 Gemini 2.5 Pro 这样的模型，其上下文窗口已达到百万级token。这意味着它们能“阅读”并理解更多的代码文件、文档和项目历史，从而在修改或添加功能时保持更好的一致性，理解跨文件的复杂依赖关系。这使得它们能更深入地参与到编码、测试、调试等多个环节。

从历史上看，编程语言的发展本身就是一个不断抽象化（封装底层工作）、降低门槛的过程，从打孔纸带到汇编，再到高级语言。AI正在将这个趋势推向新的高度，让更多人能够更有效地“指挥”计算机完成任务。

当然，AI并非万能。目前，出于安全和控制的考虑，大模型通常没有被赋予足够高的权限去自行编译、调试代码，或者进行完全自主的迭代修复。如果它们发现了一个问题，很多时候还不能“自己动手”解决。这个限制意味着，人类开发者在验证、部署和最终决策中仍然扮演着关键角色。

总而言之，AI正以惊人的速度进化。它不仅能出色完成重复性任务，而且已深入复杂知识工作的腹地。它并非要立即取代所有人，而是正在成为一个极其强大的生产力工具，重塑我们的工作方式，尤其是在依赖信息处理和经验积累的领域。未来已至，只是尚未均匀。
四、AI的能力边界

那么，让我们再次梳理AI现阶段的能力边界。

首先，AI擅长助人学习，尤其是快速入门新领域。当你需要迅速了解基本概念以推进工作，AI可以快速提供一个“80分”水平的概述。它还能高效地搜索和总结信息，将网上零散的知识点编织成结构清晰、重点明确的答案，让你免于在信息的海洋里苦苦挣扎，某种意义上实现了“听君一席话，胜读十年书”的效果。

此外，AI擅长模式化的创作，如撰写报告、生成简单的代码（如VBA脚本或数据可视化网页），且效率惊人。

AI就像一个不知疲倦的“超级实习生”，尤其擅长处理那些我们觉得枯燥乏味、重复性强的工作。

但是，AI并非万能。它能为你生成100个方案选项，但最终哪个方案最好、最有“品味”、最能抓住要点或打动人心，这个判断还得由人来做。这正是我们所说的关键“1%”——那些决定最终品质、依赖核心判断力和价值观的环节。AI可以提供选项，但辨别好坏、定义“什么是好”的能力，目前仍然牢牢掌握在人类手中。你需要为AI输出的结果负责，因此最终的把关还得靠人。



即使在金融交易这样高度自动化的领域，人类交易员的角色依然不可或缺。当然，他们不再是手动下单的主力，而更像是利用先进分析工具（如同驾驶舱）做出决策的“战斗机飞行员”。机器在高频交易等常规模式下得心应手，但当遇到像全球疫情、地缘政治冲突这类“黑天鹅”事件时，就需要人类运用逻辑、直觉和对宏观环境的理解来判断和应对。AI擅长处理已知的模式，而人类则负责应对未知的、异常的情况。

还有一些人类特质，AI似乎难以模仿。幽默感、讽刺、共情能力、提供情绪价值——这些微妙的品质很难被量化，更难编写成标准操作程序（SOP）。一个需要高度人际互动、理解他人情绪和需求的岗位，被AI取代的风险就相对较小。试想，你更愿意向一个聊天机器人倾诉烦恼，还是与一个有血有肉、能给予温暖回应的朋友交流？

那么，我们该如何自处？答案不是恐惧或抗拒，而是学习如何驾驭这个强大的新工具。AI正在某种程度上实现“知识平权”。它如同数位诺奖级的顾问随时待命，赋予你能力去挑战过往难以想象的项目，或者仅仅是把手头的日常工作做得更好。

关键在于认识到，AI的输出质量在很大程度上取决于输入质量。如果你想让AI帮你梳理知识，最好基于你自己建立的高质量知识库，而不是仅仅依赖充斥着矛盾与噪音的开放互联网。为AI输入高质量、可信赖的信息，能让你得到更快、更可靠的输出。

未来，人类的工作重心可能会更多地转向设定目标、矫正方向、做出最终决策，以及处理那些需要深刻理解力、创造力和人际智慧的任务。我们为AI提供数据和要求，然后运用我们的判断力来筛选、优化和应用它的输出。与其说是被替代，不如说是我们的工作内容正在升级。AI负责处理信息的“管道”，而我们则负责决定水流去往何方。这或许才是我们在AI时代真正的核心竞争力所在。

所以，与其说是“人工智能”将取代人类，不如说我们正在进入一个“增强智能”（Augmented Intelligence）的时代。AI就像给我们的大脑装上了一个强大的外挂，将我们从繁琐的重复性工作中解放出来，让我们能更专注于理解、判断、创造和人际互动。它是我们与汹涌信息海洋之间一个强大的新中间层，一位“思维的副驾驶”。而我们，才刚刚开始学习如何与它一同翱翔。