AI与人的角色互换思考
最近看到一个有趣的笑话。
也许你也笑了。但仔细想想，确实有道理。
为什么这个笑话能广泛传播呢？或许是因为我们都遇到过这样的人。说得更坦率一点，我们都曾扮演过这样的角色。
同时，这也意味着一种新的评判标准正在浮现：在评估一个人时，也开始采用评估模型的方法了。
一切都在变化。
从工业时代到如今的大模型时代，我们的教育系统和职业系统都在竭力把人塑造成合格的大模型，比如两个你熟悉的职位：
第一个，客服人员。
现在的客服只会做两件事：记录，致歉。
你说我要退货。他说很抱歉给您添麻烦，我帮您记录上报。
你说给我一个说法。他说很抱歉给您添麻烦，我帮您记录上报。
不管你说什么，他都无法答应你任何事情。因为公司根本没有给他答应任何事的权力，他也不能说错话，不能不客气，这个职位需要接待和判断，但就是什么都做不了。
第二个，软件工程师。
为什么很多程序员担心自己会丢掉工作？因为在大模型时代来临前，很多大公司的程序员只负责编写代码。
写什么？产品经理决定。怎么写？架构师决定。他像一个只开放了代码补全接口的模型。接口之外的能力，用不上，慢慢也就消失了。
当然这只是两个很典型的职位。用大模型的专业术语说，这些职位的强化训练做得"太出色"了。
太出色会出问题的：一种叫出域失能：出了训练领域就只能胡编乱造。一种叫长任务跑偏：说了后面忘了前面。
开头那个笑话，讽刺的就是这两种问题。
最讽刺的地方来了。我们为什么喜欢跟顶级的通用大模型合作？恰恰因为它没被训窄。指哪打哪，好像一个再大的任务都接得住。
一个通用模型，比一个被职位训练了十年的人，更像一个完整的人。
现在，写作十分钟不用 AI，很多人就觉得不顺手。可打客服电话时，十分钟还没转到人工，很多人就已经开始崩溃。
这两个现象看起来很矛盾：
一边，我们越来越离不开 AI； 另一边，我们又拼命想绕过 AI，找到真人。
于是很多人会说： 你看，AI 再厉害，也总有替代不了人的地方。 但我想说，这个判断错了。
你想想，你按0转人工的时候，真的在乎接电话的是碳基还是硅基吗？
你在乎的是：能解决我的问题吗？
我们要找的是权力，真人只是权力的载体。客服电话是普通人的诉求进入大公司体系最开放的通道，差不多也是唯一的通道。假如你能直接打给部门负责人，你一秒钟都不会留在客服热线里。
所以或许现象没错，AI客服确实比人工客服没用多了。但根本原因在于缺少权限，跟它笨不笨一点关系都没有。
那为什么大公司不把AI放到更高的位置，相反几乎千篇一律的用来取代电话录音的按键语音菜单呢？两个原因。
第一，怕担责任。
2024年出过一个真实事件。加拿大航空官网的聊天机器人，向一位乘客错误承诺了丧亲票价可以事后退款。乘客索赔，加航辩称：AI说的话，公司不能负责。结果被判赔钱。
有一个先例，后来的公司就不再敢于尝试。甚至更是要限死能说的话。
第二，后端接不住。
想象一下放开前端会怎样。AI客服一天能生成十万条格式规范的工单，后端还是人在一条一条处理。放开前端，等于淹死后端。
于是理性的选择就是千万别让AI取代最前端。
注意，这两个原因，都跟AI的能力没关系。
假如AI拿到和人工客服一样的权限，它大概率干得更好。对客户而言它记得住所有上下文，不需要你一遍又一遍的重复你的需求。而对公司而言，它不烦躁，不下班。
假如它拿到更高的权限，再慢慢的完善其行为，一个AI彻底顶一个客服团队，并不远。
新引擎装旧厂房这种事，历史上完整发生过两次。
第一次是电力。
经济史学家保罗·大卫1990年写过一篇论文，《发电机与计算机》。讲的是工厂用上电以后，将近三十年，生产率没什么变化。
为什么？因为工厂主只是把电动机塞进了为蒸汽机设计的厂房。还是中央动力源，还是一根传动轴带动全厂。
直到1920年代，人们围绕"每台机器配一台电机"重新设计了厂房和流程，电力的红利才爆发出来。
第二次是计算机。
经济学家索洛1987年说过一句名言：计算机时代随处可见，唯独在生产率统计里看不见。大公司大批采购计算机，摆进为纸质流程设计的办公室，效率原地踏步。一直到组织流程被重新设计。
经济学管这类技术叫通用目的技术，General Purpose Technology（缩写也是GPT）。通用技术有个规律：技术到位以后，红利要等组织重构完成才兑现。
中间隔着一段低谷。低谷里，所有人都在说，新技术不过如此。
现在你再看今天的AI客服：它就是塞进蒸汽厂房的电动机。
今天说"AI也就那样"的人，就是1910年看着传动轴说"电也就那样"的工厂主。
分水岭的两侧是这样的。
过去这一侧，组织把人训练成AI：锁死权限，砍掉域外能力，让人只输出职位要求的那几个动作。
未来那一侧，AI会接过这些职位化的角色。道理很直接：一个职位既然被设计成了模型的形状，模型来做，只会做得更好。
真正的重构长什么样？把AI塞进客服的座位，算不上重构。重构是整条线一起改：后端也AI化，处理速度跟上生成速度；或者让前端直接拥有终结问题的权力，工单根本不用流到后端去。
太多人认不清自己站在分水岭上。他们拿旧厂房里的表现评价电动机，然后得出结论：电动机不行。
认清了分水岭，个人的策略是一个对偶。
对外，把每个人当AI。
商业、消费、工作，一切通过职位和流程打交道的场景，都适用。对面那个人能为你做什么，看的是职位权限，跟他的善意关系不大。
所以提诉求要对准权限：给足上下文，说清楚要什么，一次只提一个能执行的请求。
对方开始机械重复了？别恋战：升级，换部门，找有权的人。留在原地做情绪升级，一点用没有。
这样做对双方都是解脱。你不再要求一个权限被锁死的人表演人性，他也终于不用演了。
对内，把AI当人。
生活、学习、个人决策，一切用不到外部权力的场景，都适用。把AI当助理，当同事：交代背景，给反馈，允许它追问。做得好就沿用，做得差就指出来。
管理一个大模型的方法，和带一个聪明新人高度相似。"大模型管理学"这六个字，就是这么来的。
你在客服电话里一辈子得不到的耐心、记忆、全领域响应，在这里全都有。
当然，记住一条边界：AI没有权力。凡是要靠权力才能解决的事，退款，审批，维权，AI只能帮你把材料准备到最好，最后一步还是要接到有权者那里去。
这条边界今天是真的。按上一节的推演，它也正在移动。
今天，是一篇少有的，没有具体聊到哪个模型、哪个工具、哪项技术，却又如此硬核的内容。
作为观察者，我们走在时代的分水岭上，能在前后两个时代不停张望。
往后张望，是一套运转了上百年的旧体系。它把人训练成模型，锁死权限，考核指标，今天还在招人，还在运转。
往前张望，是一套刚刚发动的新体系。模型接过职位，组织围绕AI重新设计，只是厂房还没改完，红利还压在低谷底下。
张望的意义，在于知道自己的路在何方，路要怎么走。
本文发表于公众号【莫理】
▽▽▽