[加州] AI搶飯碗 硅谷大裁員!?壹線工程師戳破真相
“使用AI編程工具
實際工作效率反而下降19%”
NBD：AI的哪些價值最容易被高估？又有哪些成本被低估了？
Siddhant Khare：最普遍的高估，就是AI落地的速度和即時效率提升。很多企業都陷入了壹個誤區，覺得只要給員工配齊AI輔助工具，短短幾周就能看到生產力飛躍，可實際數據截然相反。
工程效率與開發者生產力分析平台DX曾做過壹項覆蓋450余家企業、12萬余名開發者的全面調研。數據顯示，即便有93%的開發者都在使用AI編程工具，實際工作效率提升僅停留在10%，而且後續很難再有突破。
模型評估與風險研究機構METR的對照試驗結果更殘酷，使用AI編程工具的開發者，實際工作效率反而下降了19%，只是主觀上感覺工作速度提升了24%。
而企業最容易低估的，首先是AI內容的人工審核成本，幾乎沒有企業會把這部分耗時、耗力的審核時間，納入整體工作成本規劃；其次是員工的職業認同感，當大部分工作都由AI完成，曾經依靠專業能力獲得成就感的員工，慢慢會覺得自己只是流水線上的質檢員。這種身份落差很難量化，卻會直接引發人才流失。
“審核AI，比自己做壹遍更累”
NBD：當下很多白領覺得自己使用AI，其實是在訓練AI取代自己，這種擔憂合理嗎？哪些崗位最容易被替代，哪些又很難被取代？
Siddhant Khare：絕大多數普通員工，並不是在直接訓練AI大模型。日常使用ChatGPT、Copilot這類工具時，個人輸入的內容並不會自動成為下壹代大模型的訓練數據，多數企業的用戶協議也明確禁止了這種行為。“我在訓練取代自己的AI”，這壹說法在技術上並不成立。
AI對職場的真正影響，不是大規模的人力替代，而是崗位的重新定義、工作強度的大幅提升以及核心工作內容的轉移。真正容易被AI替代的，是那些產出標准化、質量要求偏低、重復性高的崗位，比如初稿文案撰寫、基礎數據錄入、簡單代碼生成、模板化報表制作這類任務，只要求“夠用就行”，AI完全可以勝任。
而最難被AI替代的，是需要全局理解力、審美能力和獨立判斷力的崗位，比如系統架構設計、產品戰略制定、商務談判溝通、創意內容策劃等。這類工作的核心價值，從來不是“動手執行”。
其實絕大多數職場人都處於中間地帶。工作不會直接消失，但必須面臨轉型。
NBD：你認為，員工核心價值正在發生怎樣的轉變？
Siddhant Khare：轉變已經實實在在發生了，只是目前大部分企業的績效考核體系還沒有跟上。
未來，最優秀的工程師，不是寫代碼最快、產出最多的，而是能壹眼看穿AI方案是否適配整體系統、思路是否合理的人。這種判斷力依賴長期的行業經驗和全局系統認知，不是靠優化提示詞就能獲得的。
員工價值正在發生遷移，從看重產出數量，轉向看重判斷質量；從比拼執行速度，轉向比拼思考深度。未來最不可替代的員工，是能精准判斷對錯、並且能給出清晰合理依據的人，判斷力，就是核心價值。
“疲勞的根源，是AI充滿不確定性”
NBD：相比以往的自動化浪潮，為什麼AI更容易造成疲勞？
Siddhant Khare：核心原因是以往的自動化工具是確定性的，AI卻充滿不確定性。
以前的工具，相同指令、相同輸入，能得到相同輸出，出錯會直接報錯；但AI不壹樣，同樣的提示詞，可能生成完全不同的內容，即便出現錯誤，表述也格外逼真、極具迷惑性。AI的錯誤藏得極其隱蔽，代碼能正常運行、文案讀起來通順、報表格式規整，但可能在某壹頁暗藏事實錯誤，在某壹行有邏輯漏洞，再或者在某壹段出現個虛構的數據。
這種安靜的錯誤，要求人時刻專注，長期下來是非常耗費精力的。而且AI會高度模仿人類的表達風格。審核AI內容，需要付出和自主創作幾乎壹樣的認知成本。
NBD：如果AI的輸出無法完全信任，但又必須規模化使用，我們要如何彌補這種“信任缺口”？
Siddhant Khare：很遺憾，絕大多數公司采用的都是最糟糕的方式，即把人工審核當作唯壹的質量把控關口。
[物價飛漲的時候 這樣省錢購物很爽]
這條新聞還沒有人評論喔，等著您的高見呢
實際工作效率反而下降19%”
NBD：AI的哪些價值最容易被高估？又有哪些成本被低估了？
Siddhant Khare：最普遍的高估，就是AI落地的速度和即時效率提升。很多企業都陷入了壹個誤區，覺得只要給員工配齊AI輔助工具，短短幾周就能看到生產力飛躍，可實際數據截然相反。
工程效率與開發者生產力分析平台DX曾做過壹項覆蓋450余家企業、12萬余名開發者的全面調研。數據顯示，即便有93%的開發者都在使用AI編程工具，實際工作效率提升僅停留在10%，而且後續很難再有突破。
模型評估與風險研究機構METR的對照試驗結果更殘酷，使用AI編程工具的開發者，實際工作效率反而下降了19%，只是主觀上感覺工作速度提升了24%。
而企業最容易低估的，首先是AI內容的人工審核成本，幾乎沒有企業會把這部分耗時、耗力的審核時間，納入整體工作成本規劃；其次是員工的職業認同感，當大部分工作都由AI完成，曾經依靠專業能力獲得成就感的員工，慢慢會覺得自己只是流水線上的質檢員。這種身份落差很難量化，卻會直接引發人才流失。
“審核AI，比自己做壹遍更累”
NBD：當下很多白領覺得自己使用AI，其實是在訓練AI取代自己，這種擔憂合理嗎？哪些崗位最容易被替代，哪些又很難被取代？
Siddhant Khare：絕大多數普通員工，並不是在直接訓練AI大模型。日常使用ChatGPT、Copilot這類工具時，個人輸入的內容並不會自動成為下壹代大模型的訓練數據，多數企業的用戶協議也明確禁止了這種行為。“我在訓練取代自己的AI”，這壹說法在技術上並不成立。
AI對職場的真正影響，不是大規模的人力替代，而是崗位的重新定義、工作強度的大幅提升以及核心工作內容的轉移。真正容易被AI替代的，是那些產出標准化、質量要求偏低、重復性高的崗位，比如初稿文案撰寫、基礎數據錄入、簡單代碼生成、模板化報表制作這類任務，只要求“夠用就行”，AI完全可以勝任。
而最難被AI替代的，是需要全局理解力、審美能力和獨立判斷力的崗位，比如系統架構設計、產品戰略制定、商務談判溝通、創意內容策劃等。這類工作的核心價值，從來不是“動手執行”。
其實絕大多數職場人都處於中間地帶。工作不會直接消失，但必須面臨轉型。
NBD：你認為，員工核心價值正在發生怎樣的轉變？
Siddhant Khare：轉變已經實實在在發生了，只是目前大部分企業的績效考核體系還沒有跟上。
未來，最優秀的工程師，不是寫代碼最快、產出最多的，而是能壹眼看穿AI方案是否適配整體系統、思路是否合理的人。這種判斷力依賴長期的行業經驗和全局系統認知，不是靠優化提示詞就能獲得的。
員工價值正在發生遷移，從看重產出數量，轉向看重判斷質量；從比拼執行速度，轉向比拼思考深度。未來最不可替代的員工，是能精准判斷對錯、並且能給出清晰合理依據的人，判斷力，就是核心價值。
“疲勞的根源，是AI充滿不確定性”
NBD：相比以往的自動化浪潮，為什麼AI更容易造成疲勞？
Siddhant Khare：核心原因是以往的自動化工具是確定性的，AI卻充滿不確定性。
以前的工具，相同指令、相同輸入，能得到相同輸出，出錯會直接報錯；但AI不壹樣，同樣的提示詞，可能生成完全不同的內容，即便出現錯誤，表述也格外逼真、極具迷惑性。AI的錯誤藏得極其隱蔽，代碼能正常運行、文案讀起來通順、報表格式規整，但可能在某壹頁暗藏事實錯誤，在某壹行有邏輯漏洞，再或者在某壹段出現個虛構的數據。
這種安靜的錯誤，要求人時刻專注，長期下來是非常耗費精力的。而且AI會高度模仿人類的表達風格。審核AI內容，需要付出和自主創作幾乎壹樣的認知成本。
NBD：如果AI的輸出無法完全信任，但又必須規模化使用，我們要如何彌補這種“信任缺口”？
Siddhant Khare：很遺憾，絕大多數公司采用的都是最糟糕的方式，即把人工審核當作唯壹的質量把控關口。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: