瓶颈从来不是机器.

AI 会拿走这些岗位——不是辅助它们，而是拿走它们。这不是人人都在提防的那种末日，而是科技行业里最老的一套剧本：每一次升级，都用少数几类新人，换掉一大群普通打工者。

旧岗位消失。补上来的新岗位少得多，剩下的也都在更高的位置。这个判断，我不是站在局外下的；我就在自己公司里，亲眼看着它发生。

执行岗位

在 Thunderbit，红人触达从头到尾都交给一个 AI——给”谁值得联系”打分、写第一封邮件、回复对方、谈判、谁没了动静就去跟进。客服也是一样的路子。我们不是拿一个大而全的 AI 包打天下，而是给每一类情形单独搭一个 agent。

过去要一整个团队才能干的事，现在只要一台机器加一个人——由这个人来做 agent 做不了的那一个判断。这个红人值不值得合作？这笔退款该不该批？是，还是否。自动化的是沟通，不是判断。

说得好听点，AI”把人托举到更有价值的工作上”。这套我不信。执行的位置不会被托举，只会被吸收掉。不是”总有一天”会消失——是已经消失了。上一波浪潮就是这么对旅行社下手的，从峰值跌了约 60%；对新闻编辑室的岗位也一样，直接砍掉一半多。这些位置不会被升级，只会一个接一个地空掉。

每一次升级都用更少的人

这种事以前就发生过，套路从来没变——不只是人越来越少，更是门槛一次比一次高。

一个世纪前，约 40% 的美国人靠种地为生；今天这个数字不到 2%，可他们种出的粮食比历史上任何时候都多。零售业也上演了同一出戏。它过去靠的是成群成群、只有高中学历的店员；后来电商——说白了就是互联网加零售——让亚马逊这样的公司用少得多的人手就吃下了更大的市场，而这批人里大多是受过大学教育的工程师。

市场更大了，物流更便宜了，可人头数还是缩了水，学历门槛反倒一路往上爬。随着计算机普及，大学学历的工资溢价差不多翻了一番，从 39% 涨到 79%。通用汽车鼎盛时雇了超过 600,000 人；英伟达只用其中的零头，就成了全球首家四万亿美元的公司。

AI 就是再往上的一级阶梯，又一次把前沿往上顶。工程师的黄金十年正在收尾；新的精英是研究员——那寥寥几个能亲手撼动模型本身的人，拿着任何工程师都不曾拿过的报酬。店员、工程师、研究员：每一级阶梯，都是用更少的人、更高的学历门槛，创造出更多的价值。这座金字塔不只是在变高。它在收窄。

谁能登上更窄的台阶

那么，谁能站上这新的、更窄的一级阶梯？是那些既守住了判断力、又学会了指挥机器的人。

我给每个员工都配了一支麦克风，让所有人都用上各自的语音工具——口述转写、会议记录，一整套都配齐了——因为今天真正的本事，是把你想要什么清清楚楚地说给 agent 听，然后把它搭出来，而不是自己动手去做。我团队里做市场的同事，现在再也不会为了一个小工具去提工单了。只要一描述，agent 就把它搭了出来。

这也改变了我招什么样的人。做业务的，我只要那种手痒、忍不住想动手搭东西的；做工程的，我只要那种真心在乎业务的。纯粹的专才进不来。就连造这些工具的人都会告诉你，如今的界面是大白话，而不是语法——所以护城河不是写代码，而是判断力、品味，以及知道该要什么。假装旧岗位还能活下来，一个也救不回来。

唯一的变量是时间

这一切都不会一夜之间发生。它走的是人的节奏，而不是算力的节奏——我老实猜，五到十年。机器已经准备好了。我们还没有。

就连用这些工具的人，也会看走眼。在一项对照试验里，跟 AI 搭档的资深开发者，自我感觉快了约 20%——实测却慢了 19%。能力早就到位了，没跟上的是人的适应。这道鸿沟就是整个故事，而它合拢得有多快，全看人改变得有多快。

但有疑问的只是快慢，不是方向。传统岗位正在消失；新岗位会更少，也更靠上。瓶颈从来都不是机器干不干得了这活——它干得了，就在今天，就在我的公司里。瓶颈在于人能动得有多快。所以问题不在于 AI 会不会拿走这些岗位。它会。问题在于，你会不会站在那仅剩的一级阶梯上。