文章摘要(AI生成)
随着AI的迅速发展，尤其是具备多上下文处理能力的工具的出现，许多传统工作面临被取代的威胁。作者在公司实践中首次感受到AI在技术方案生成和代码实现方面的强大能力，感到震惊和不安。AI不仅能自动生成解决方案，还能从非结构化数据中提取和分析信息，取代了许多人过去花费大量时间进行的工作。尽管AI在数据整合和模式识别方面表现出色，但仍在想象力和价值判断上存在短板。未来人类的工作重心可能会转向数据采集、提示词工程以及对AI结果的评估与反馈等领域。作者呼吁人们主动适应这一变化，寻找与AI协作的新定位，共同迎接未来的挑战。
还记得Manus刚火起来的时候，我对这种“接管浏览器”的AI并没太大兴趣。作为一个每次下班前都要清空浏览记录的人，我很难信任一个能随意查看我网页历史的AI。
可最近，公司内部上线了一款具备MCP（Multi-Context Processing，多上下文处理）能力的AIGC工具，我第一次真切地感受到了“AI替代人类”的威胁。
这款工具接入了我们代码仓库，可以直接读取、分析项目当前的代码状态，并基于分析结果生成完整的技术方案和实现代码。也就是说，我还在思考“这个需求该怎么做”的时候，AI已经给出了解决路径和示例代码……我真的震惊了😨。
后来我才发现，现在的智能体已经有很多免费开源的了，比如suna, 我让其统计下国产操作系统的进展并分析，它可以很好地完成任务：
AI智能体时代以来，我们的大部分工作终将被取代！
从幻想到现实：AI已全面接管文书类工作
要知道，距离OpenAI爆红还不到三年。在2022年，这种“自动生成方案并写代码”的能力还只是幻想，如今却已在实际工作中落地应用。更可怕的是，AI不仅能处理结构化内容，还能从大量非结构化资料中提取背景、分析现状，给出清晰的建议。这正是我过去花大量时间在做的事情。
我开始认真思考：当AI已经能胜任我的工作后，我还能做什么？
AI不擅长的，可能就是人类的未来
目前来看，AI仍有两个明显短板：想象力 和 价值判断能力。它擅长的是资料整合与模式识别，而非创意与深度理解。因此，我认为未来人类的角色将聚焦于以下三个方向：
1. 数据采集师
负责为AI提供“可食用”的数据。这不仅包括数据的采集，还要对垃圾数据进行清理与结构化处理。AI再强，也得有人喂它“干净的饭”。
2. 提示词工程师（Prompt Engineer）
用自然语言引导AI得出更符合预期的答案。这需要理解AI的工作逻辑，也需要善于表达问题，是人类与AI之间的重要桥梁。
3. AI鼓励师
别笑，这是真需求。为了训练和优化奖励模型，人类需要对AI生成的结果进行评价，给予正反馈或纠正其错误。这不只是“点赞”那么简单，而是一种系统性训练的关键环节。
结语：拥抱变化，找准定位
AI正在以前所未有的速度接管“规则明确、逻辑清晰”的工作，而我们需要尽快找到自己的新定位。也许不是“与AI竞争”，而是“与AI协作”。
你准备好了吗？
如果你觉得这篇文章对你有所启发，欢迎点赞、转发，或留言说说你对AI冲击的感受。未来已来，我们一起适应。
评论区