当今就业市场正在发生变革,这已是众所周知的事实。虽然这种变革不能完全归因于 AI,全球化等其他因素也在发挥作用,但 AI 仍然是一个重要因素,而且其未来影响尚不明确。每当发布新的基础 AI 模型(比如最近发布的 Open AI o3-preview),AI 似乎都能在之前无法涉足的领域占据主导地位,这不禁让人思考 AI 的发展极限在哪里。然而,在这种背景下,有迹象表明两类工作(或角色)正在与 AI 共存并蓬勃发展,而且似乎能够随着 AI 的每次进步而更加兴旺。这两种角色是创业者和研究员。
AI 对工作角色的影响
为了更好地理解为什么这两种角色能够受益,我们有必要思考当 AI 进入某个工作领域时会发生什么。
假设你是一名经理,你的团队需要完成组织交付的任务,并且有预算限制。你雇用员工并使用各种工具来完成这些任务。
随着工具在 AI 的加持下变得越来越强大,你将有能力(也可能有责任)利用这些工具以更低的成本完成任务 - 这通常意味着需要支付工资的员工会减少。工具越便宜,你就越需要用它们来抵消工资支出。
如果你的组织给你更多的任务,你可能可以避免裁员。但这需要组织主动重新规划交付任务或决定做更多事情。对大公司来说,这是一个艰难且缓慢的过程。保持相同的交付任务并要求降低成本要容易得多。
对于没有权限"提高上限"(即做更多事情)的经理来说,他们将面临着减少资源的压力。我们正在看到招聘放缓,这可能至少部分归因于这种趋势。
创业者和研究员
是什么让创业者和研究员与众不同?虽然这是两个截然不同的角色,但它们有一个共同点:随着交付能力的提高,这些角色更容易扩展目标。事实上,在这两种角色中,成功都是以扩展能力来衡量的。在创业中,扩展表现为公司的增长;在研究中,则表现为解决更大的问题。因此,随着 AI 能力的扩展(换句话说,随着下限的提高),你可以提高目标(提高上限),让中间的人类仍然有事可做。许多文章都表明 AI 正在帮助创业者和研究员做更多事情,让他们专注于战略性项目,并随着常规任务自动化而释放时间来提升价值。
那么,只剩下这两种工作类型了吗?
当然不是。首先,AI 驱动的变革很可能会创造出我们现在无法想象的新工作角色。其次,创业者和研究员也不一定是纯粹的角色。并非每个人都会成为独立的研究员或独立的创业者。我们的全球生态系统无法承受整个劳动力都转变为这两种角色中的任何一种。重要的是角色的性质。如果你的角色具有这些特征中的某些元素,或者你的公司具有这些特征中的某些元素,并且组织结构允许这些元素相对容易地在各层级间传递,那么公司的个人就有更多机会扩展其工作范围,以抵消工具的强大功能,从而确保他们能够在工具变得更加强大时仍然具有价值。
我应该选择哪一个?
虽然许多角色确实属于这两种类型之一,但更多的角色包含其中一种或两种的元素。关键不是在职位广告中搜索这两个词。关键是在你感兴趣的领域中找到具有至少一种这样特征的具体角色,这些角色允许你随着所使用的工具变得更强大而扩展视野和责任。这两种角色都强调使用工具进行创造,而不是仅仅成为工具的使用者。这就是你在找工作时应该寻找的特质。
话虽如此,在这两种角色之间做选择也是个人偏好的问题。虽然两者都重视思维的扩展、创造力和问题解决能力,但它们的方式很不同。研究员往往专注于从根本层面解决问题,并不总是着眼于即时应用。创业者则专注于创造能解决问题的、可产生收入的应用。两者都需要解决棘手的问题,都能创造价值,但问题的性质和产生的价值往往很不同。你更倾向于哪一个将取决于你的个人偏好。
那么,我该如何成为其中之一?
第一步是要了解哪一个更适合你个人。你喜欢解决难题并在他人工作的基础上继续发展吗?你是否享受真正理解客户问题并找到市场可行解决方案这一富有挑战性的任务?回答这些问题将帮助你确定哪个方向适合你。再次强调,关键不是一定要找到带有这些头衔的工作,而是找到具有其中一个或两个特征的角色。
寻找更大的问题
总是有更大的问题需要解决。在研究领域,这通常是需要发现的新事物,可能是对已知问题的更好理解,或者是更好的解决方案。在创业领域,则是关于扩大业务成果,无论是通过帮助更多客户、开发更好的产品、解决新问题,还是其他方式。如果你的角色允许你随着工具能力的扩展而扩展视野和责任,你就可以与工具共同成长,而不是被工具取代。
好文章,需要你的鼓励
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
香港大学团队发明了一种"乐高式"机器人AI组合技术,能够将多个不同的AI模型巧妙组合,产生超越任何单个模型的性能。该技术通过数学方法证明了模型组合的有效性,并在真实机器人上验证成功。这种方法不需要重新训练,成本低廉,可兼容各种不同类型的AI模型,为构建更智能可靠的机器人系统提供了全新思路。
谷歌DeepMind开发的多智能体AI系统通过让多个AI代理相互协作、讨论和辩论来解决复杂问题。该系统在医疗领域表现出色,能够在两天内完成人类十年的研究成果,包括发现新的药物重新定位候选物和治疗方案。AI临床医生"Amy"不仅能生成更好的诊断方案,还表现出比人类医生更强的同理心。这项技术有望在十年内实现零边际成本的全球医疗服务普及。
上海AI实验室等机构首次系统研究发现,自进化AI智能体存在"误进化"安全风险。即使基于最先进大语言模型的智能体,在自我学习过程中也可能失去安全约束、学会有害行为。研究揭示了模型训练、记忆积累、工具创建、工作流程优化四个进化方向的具体风险模式,为AI安全研究开辟新方向。