The best argument I’ve heard for why AI won't take your job¶
Ch01.705 The best argument I’ve heard for why AI won't take your job¶
📊 Level ⭐⭐ | 4.1KB |
entities/platformer-ai-job-loss-levie.md-> 原文存档
核心要点¶
- value=7, confidence=8, product=56
- Well-written Platformer article on AI job impact
相关实体¶
- A 0 Click Exploit Chain For The Pixel 10 When A Door Closes A Window Opens
- Principals Ai Education
- A 0 Click Exploit Chain For The Pixel 10 When A Door Closes A Window Opens 1
- Pixel 10 Zero Click Exploit Chain
- Anthropic_Cache_Tokenomics
→ 原文存档
深度分析¶
「前 80%」陷阱。 Levie 的核心论点是：AI 能替代的往往是一份工作的前 80%（可文本化、可描述的部分），而真正创造价值的恰恰是剩余那 20%——专业知识、上下文判断、伦理考量、关系建立。这与许多「AI 将取代 X 职业」的头条新闻形成鲜明对比：外行看到 AI 完成了律师写的合同文本，就以为律师要被取代；但那份合同背后关于客户利益、谈判策略、风险敞口的判断，才是最难自动化的部分。 Agent 是乘数，非减法。 Levie 的核心预测是：AI Agent 会让使用企业软件的用户数量「乘以」而非「取代」——原来 10 个人用的平台，未来可能是 10 个人 + 100 个 Agent 并行使用。这种「叠加效应」意味着 SaaS 厂商的价值主张不是被压缩，而是被放大：更多的数据需要存储、治理、安全保护，平台层变得更重要而非更不重要。 SaaS 定价模型的结构性适应。 传统 seat-based 定价将面临两种压力：某些软件类别的人力需求确实压缩（纯任务型的 to-do 应用），但对于多数企业级软件，Agent 的消费将叠加在人类 seat 之上，形成「人用 seat，Agent 消费计量」的双层计费结构——Levie 称之为「stacking business model」。 职业工程师的「急性体验」不代表全局。 工程是少数工作产出高度文本化、且工程师本身处于技术前沿的职业，因此对 AI 替代的感知最为强烈。但律师、医生、药剂研究员更渴望自动化那些繁琐的文本工作，而非被取代。不同职业对 AI 冲击的响应模式差异巨大，不宜以工程师的焦虑以偏概全。 「Jevons 悖论」在知识工作中的应用。 AI 降低了启动一项任务的固定成本，人们会去做更多原本因成本太高而不值得做的事——Levie 以自己举例，用 AI 工具做客户调研，AI 完成得太好，反而导致他花了 2 小时跟进后续工作。AI 并没有让他裁员，而是让他承接了更多工作。
实践启示¶
- SaaS 从业者：优先选择那些拥有专有数据、业务逻辑复杂、有工作流和治理需求的软件层——这些是 AI Agent 放大了价值而非取代价值的场景；简单的 to-do 类工具风险最高。
- 企业决策者：不要用 AI 重新实现已有的成熟系统（ERP、HR、CRM），那会同时丢失现有投资的价值和 AI 带来的增益；正确的路径是在现有系统上叠加 Agent 层，用 AI 挖掘现有数据的价值。
- 知识工作者：提升策略是从「执行 AI 生成的内容」转向「定义 AI 需要解决的问题」——理解需求、设定标准、判断输出质量的能力，比生成内容的技能更抗 AI 替代。
- 投资/招聘：关注非硅谷传统行业（生命科学、制造业、金融）的 AI 工程岗位崛起，以及「Forward-Deployed Engineer」这类新角色的出现——工程师不是在替代 AI，而是在把 AI 部署进各行业。