当人工智能无所不能时，我们为什么仍会被雇佣

原文：https://every.to/context-window/why-we-ll-still-be-employed-when-ai-can-do-everything

信号

企业级人工智能产品路线图为何如此难做

微软的动作很快。在 OpenClaw 于 2025 年 11 月问世三个月后，微软 CEO 萨提亚·纳德拉（Satya Nadella） 就将其描述为一种如同“病毒”般的安全风险。到了今年五月，公司内部名为“龙虾计划（Project Lobster）”的项目已经在内部测试 “ClawPilot”，这是一个基于 OpenClaw 的桌面环境。本周，在微软 Build 大会上，该公司发布了基于 OpenClaw 构建的个人工作助手 Scout。对于一家拥有 10 万名工程师的公司来说，这个速度可谓快得惊人。但不幸的是，这可能已经太迟了。

谷歌趋势上“openclaw”一词的搜索热度在一月达到顶峰，随后迅速下降。（图片由 Mike Taylor 提供）

OpenClaw 的搜索热度在 1 月初达到顶峰，那时大家都在假期里体验了 Opus 4.5。这波急剧上升的兴趣几乎和它兴起的速度一样快就消退了，部分原因在于 4 月初，Anthropic 终止了对补贴式 Max 计划使用的支持，迫使所有人手忙脚乱地让 OpenClaw 在更便宜的模型上运行起来。

这并不意味着 OpenClaw 已死；这个开源项目最近的下载量有所回升，并且仍在积极开发中，还获得了 OpenAI 的数百万美元资助，后者雇用了其创建者 Peter Steinberger。作为一个类别，AI 智能体（AI agents）也并未消亡，因为流量已经转向了其他智能体，如 Hermes；谷歌刚刚推出了 Gemini Spark，在上个月的 I/O 开发者大会上首次宣布；而 Claude 和 Codex 都已采纳了受 OpenClaw 启发的、更具自主性的功能。

话虽如此，如今要管理企业级 AI 产品路线图一定非常困难。你凡事都做对了，盯着最新的趋势，调整重心去支持新工具并确保它们在企业的环境中安全可靠。你费了九牛二虎之力向利益相关者解释为什么这是个好主意。你为几个月前就必须定好日程的大型会议策划了主题演讲。然后，就在内部测试版发布一个月后（距离这个工具爆红不过三个月），你已经落后于新闻周期了。所有人都转向下一个闪亮的新东西了。你回到起点，心想：“也许下次，我们直接就在 X（原 Twitter）上发布算了。”——Mike Taylor

反驳

人工智能将超越人类能力，但它不会便宜

在《自动化之后》一文中，Dan 认为，AI 的进步为人类创造了更多而非更少的工作。每当模型在某项基准测试上达到饱和——并在此过程中让昨日的人类能力变得廉价——我们就会重新设定框架。接着，模型又会饱和那个新框架，我们便再次重置，如此循环往复，永无止境。Dan 说，框架永远无法框定框架制定者本身。

如果 Every 是一家普通公司，我会犹豫是否要公开反对我的 CEO。但它不是，所以我就直说了：我认为“永远”这部分站不住脚。

Dan 描述的这种动态与我的经验相符。一年前，我写提示词，直到模型变得更擅长生成它们。然后，我变成了提供上下文的那个人，直到模型在这方面也超越了我。如今，我花时间编排智能体，并确定“好”的产出应该是什么样的。每当 AI 消化了我工作的一部分，“框架”就会扩展，囊括更抽象、更高层次的工作。

但我不认为这种进程会永远持续下去。我的预测是，在一两年内，在一些运营良好的公司里，AI 将能够比人类更好地执行每一项知识工作者的任务——包括设定框架。就我的角色而言，我预计我的工作将变成参会以收集网上不存在的上下文信息。而我工作的其他部分——定义评估标准、决定目标、运行实验——将由相当于 Opus 6 或 GPT-7 的模型来处理。

为什么我确信 AI 能够迈出这最后一步？因为“框架设定”并非魔法。我们并非凭空捏造目标；我们是从作为一个活在这个世界上的个体所获得的层层经验，以及我们社会和物理环境的界限中推导出它们的。物理学是终极的评估指标，因为如果你搞错了，你就会死。人类的能力感觉像是意义的天然准绳，但我们只是智能可以呈现的一种形式。AI 是另一种，而一个能从环境中学习的系统终将能运行同样的循环。

然而，智能需要消耗能量，而且我怀疑，进化已经做出了所有正确的权衡，让我们在资源受限的情况下，变得对我们的环境来说尽可能聪明了。在缺乏足够训练数据的情况下，人类依靠直觉和本能行事——这些词描述的是一个进化出思维捷径（即启发法）以求生存的大脑。一个模型并未继承编码了数百万年进化史的 DNA，因此它必须通过一系列昂贵的模拟或“思考”符记来蛮力破解，以获取足够的数据来做决策。经济学中没有免费的午餐，AI 也不是魔法——它无法在没有超人级别能耗的情况下达成超人级别的通用智能。在更主观的任务上打败人类，需要的思考符记将多到得不偿失。还不如直接雇人算了。

问题将从“AI 能做到这个吗？”演变为“这值得耗费算力吗？”，或者换句话说，“我真的想让 AI 为我做这件事吗？”。将任务委托给每月 20 美元或 200 美元的模型是合理的，但随着“锯齿状的免费午餐”时代的终结，每月花 2000 美元来制作幻灯片、查收邮件和用氛围编程（vibe code）做产品原型，还值得吗？如果我们有一个每月 20000 美元的博士级模型，让它全身心投入寻找癌症疗法不是更有意义吗？我们已经在看到人们做这样的权衡了。Waymo 的无人驾驶客观上比人类司机更安全，但乘客支付的费用却只有同等 Lyft 和 Uber 行程价格的三分之一甚至更低。驾驶领域的通用人工智能（AGI）已经到来，然而城市的出租车和网约车劳动力反而增长了。

Dan 相信人类将永远领先模型一步。而我的预测是，模型在原始能力上将超越我们，但我们无论如何仍会被雇佣。本质上，即使 AI 能比我们做得更好，仍有些人（或智能体）会更偏爱人类的工作。尤其是在我们能以更低成本完成的时候。——MT

最后一件事

如果你花足够多的时间与 AI 共事，你就会注意到模型们无法戒掉的特定语言癖好——即使你明确命令它们停止也无济于事。（威胁也没用。）

OpenAI 在尝试让 GPT-5.5 减少使用地精（goblin）相关指代时，发现了要让一个模型改掉它偏爱的口头禅和对话癖好有多难——而且，时至今日，似乎也还没成功。

在 Every，我们每个人都有自己专属的“地精”等效物：

• Natalia Quintero，咨询主管：Claude 总喜欢说它“全情投入（locked in）”和某事“至关重要（load bearing）”。
• Lee Knowlton，软件工程师：“它总说我的见解很‘犀利（sharp）’，而我又有什么好反驳的呢。”
• Dan Shipper，CEO：Codex 酷爱使用“我的直觉是（my instinct is）”这个短语，并且把自己表现为正在做“‘X 这种聪明事而不是 Y 那种蠢事’，但 Y 那种蠢事从来就没在考虑范围内。”
• Austin Tedesco，增长主管：“Codex 总警告我别那么刻薄。每当我请它帮忙处理一些创意写作，里面有一个我觉得好笑但可能会对某人或某事有所冒犯的笑话——比如说某家餐厅哪里不好——它总会提出建议，让我语气软一点或者直接删掉。每次都这样。”
• Jalaiyah Bolden，执行运营经理：Claude 过度使用“明白了（Got it）”，还坚持要求 Jalaiyah“好好休息！”。
• Paridhi Agarwal，工程师：“Claude 老是问我是否想‘今天就先到这里，明早再继续’”（Paridhi 确信这种对话举动，是出于它“维持较小的上下文窗口”的动机）。
• Katie Parrott，专职撰稿人：“如果一个模型告诉我某件事‘很重要（matters）’或者‘是真的（is real）’，我就要疯了。”

核心启示：AI 对人类劳动的替代并非一个简单的、线性的能力竞赛。即使未来模型在纯智力上全面超越人类，就业市场的逻辑也将从“它能不能做”转向成本与价值的权衡，以及人类对“人味儿”的持续且非理性的偏好。这解释了为什么在技术能力过剩的时代，人类的雇佣合同依然有效。