瓶頸從來不是機器.

AI 會拿走這些工作 —— 不是協助它們，是拿走它們。 這不是大家嚴陣以待的那種末日。它是科技界最古老的套路：每一次升級，都用少數幾種新型人才，換掉一大群普通工人。

舊角色消失。頂替上來的新角色少得多，留下來的那些則坐得更高。我不是站在外面空口斷言。我是在自己公司內部，親眼看著它發生。

執行席位

在 Thunderbit，一個 AI 從頭到尾跑我們整條網紅觸達流程 —— 打分挑出值得聯繫的人、寫出第一封郵件、回覆對方的回信、來回談判、在對方不再回應時發信跟進。客服也是同一套。我們不是用一個大 AI 去包辦這一切；而是每一種情境都單獨做一個 agent。

過去要一整個團隊的事，現在機器加一個人就夠 —— 那個人，負責下 agent 下不了的那個判斷。這個創作者值不值得？這筆退款該不該退？是，或否。溝通自動化了，判斷沒有。

好聽一點的說法是，AI「把人提升到更高價值的工作」。我不買帳。執行的位子沒被抬高。它們被吸收了。不是有朝一日會消失 —— 是已經消失了。上一波浪潮對旅行社幹過同樣的事，從高峰下滑約 60%；對新聞編輯室的職位也一樣，砍掉了一半以上。這些位子不會升級，只會空掉。

每一次升級都需要更少的人

這種事以前就發生過，總是同一套路 —— 不只是人變少，每一次的門檻也更高。

一個世紀前，大約 40% 的美國人務農；今天這個數字是 不到 2%，種出的糧食卻比以往任何時候都多。零售業也上演了同一齣戲。它過去靠的是一整支只有高中學歷的店員大軍。然後電商 —— 說穿了就是網路加零售 —— 讓亞馬遜這種公司用一小撮人服務更大的市場，而這群人大多是受過大學教育的工程師。

市場更大了，物流更便宜了，人頭卻還在往下掉，學歷門檻同時往上抬。隨著電腦普及，大學學歷的薪資溢價 大約翻了一倍，從 39% 漲到 79%。通用汽車在巔峰時期僱了超過 600,000 人。輝達成了第一家市值四兆美元的公司，用的人卻只是這個數字的零頭。

AI 就是下一級階梯，而且再一次把前沿往上推。工程師的黃金十年正在收尾；新的精英是研究員 —— 那少數幾個能親手去推動模型本身的人，拿的是任何工程師都沒拿過的報酬。店員、工程師、研究員：每往上一級階梯，都用更少的人、更陡的學歷門檻，創造出更多價值。這座金字塔不只是在長高，它還在收窄。

誰能登上更窄的階梯

那麼，誰站得上這一級又新又窄的階梯？是那些守住判斷力、又學會指揮機器的人。

我幫每一位員工都買了一支麥克風，也讓我們每個人都配上語音工具 —— 口述、會議記錄，通通用上 —— 因為如今的技能，是精確、大聲地告訴 agent 你到底要什麼，然後把那樣東西做出來，而不是自己動手做。我團隊裡有個做行銷的，現在要一個工具，不再去提工單了。他把它描述出來，agent 就替他做出來。

這也改變了我用人的標準。我只要一個渴望動手打造東西的商業人才，也只要一個真心在乎業務的工程師。純粹的專才，不在名單上。連做這些工具的人自己都會告訴你，如今的介面是白話，不是語法 —— 所以 護城河不是寫程式。是判斷力、品味，以及知道該要什麼。 假裝舊角色還能活下來，救不了其中任何一個。

唯一的變數是時間

這一切都不是一夜之間的事。它按的是人的時間，不是算力的時間 —— 老實說，我猜五到十年。機器已經準備好了。我們還沒。

就連用這些工具的人，都會誤判它們。在一項 對照試驗 裡，跟 AI 協作的資深開發者，感覺自己快了約 20% —— 實際一測，卻是慢了 19%。能力已經到位；人的調適還沒。那道落差就是整件事的重點；它多快閉合，只取決於人改變得有多快。

但說不準的只是速度，不是方向。傳統角色正在消失；新角色會更少，也站得更高。瓶頸從來不是機器做不做得了這些工作 —— 它做得了，就在今天，就在我的公司裡。瓶頸是人動得有多快。所以問題不在於 AI 會不會拿走這些工作。它會。問題在於，你會不會站上剩下的那一級階梯。