大多數人根本不明白人工智慧取代人類是如何工作的（或者它是如何不起作用的）。即使專家所做的每件事都加快十倍，也不會自動抹去工作本身——它只會改寫圍繞它的經濟學。當可交付物的有效價格暴跌時，過去擱置在貨架上的潛在需求突然變得可行。我從未遇到過一個產品負責人認為他們的工程師交付的功能比路線圖需要的要多;願望清單總是比人數允許的要長。讓每個功能的構建成本降低十倍，而且你不會將團隊削減十倍——你點亮了每一個曾經看起來負擔不起的“可有可無”，以及沒有人費心去考慮的整個綠地產品。 最近的一項 @Microsoft Research 關於實際 Copilot 使用方式的研究強調了同樣的觀點。用戶前來尋求起草代碼或收集事實的説明，但該模型最終只是指導、建議和教學——將全新的勞動類型合併到一個會話中。職業不是鐵板一塊;它們是子進程的捆綁，每個子進程都僅部分（且不完美）被當今的模型覆蓋。隨著人工智慧工具的發展，角色的範圍也隨之發展，通常會擴大而不是縮小。 即使在我們在 @NethermindEth 構建的 AI 智慧合約審計器中，儘管它的名字是，我們針對的是流程中一個非常具體的狹窄部分：發現潛在的漏洞。同時，安全專家將其用作工具，並完成更複雜和多方面的工作——制定策略、驗證調查結果、糾正 AI、添加隱式上下文、與開發人員溝通、發現隱藏的意圖和管理期望。 因此，與其統計哪些工作將“消失”，不如詢問一旦解決這些問題的邊際成本從懸崖上下降，哪些問題變得值得解決。歷史表明，答案“遠遠超出了我們所能配備的人員”，這表明未來人才將被重新部署和倍增，而不是過時。