AI 咬走的那一刀 书架

第 14 章 / 共 15 章

第十四章 · 一张能自己用的判断表

前面十来章,我们一根一根画了五条线。现在把它们拧成一张你能亲手用的判断表——随便拎出一件事,戴上这副眼镜,你自己就能估它会被咬掉几成,不用等谁发「高危职业排行榜」。

先说一句决定这张表准不准的用法:表是给「任务」打分的,不是给「职业」打分的。回到第二章那个颗粒度——一个岗位是一大捆任务,机器一次只咬得动其中几条。正确姿势是:先把岗位拆成一条条具体任务(「录发票」是一条,「跟税务局解释一笔奇怪支出」是另一条),再拿每条逐一过五问。别指望给整个「会计」打一个分。

五个问题:把五条线变成你能自问的话

下面五问,就是全书那五条线,翻成你能对着一件任务直接问出口的句子。

  1. 这件事,能不能被大量「这样输入→那样输出」的例子描述清楚?(第一条线:可数据化)
    把它做过的一万次整理成「碰到这种情况就这么做」的配对喂给机器,它能不能靠模仿学会?越能,越危。翻译、抄写、给图片归类,正是刀最先落下的地方。反过来,那些你会做却说不清、写不进例子的默会知识(手上那把劲、临场那点感觉),喂不进数据,留得住。

  2. 它有没有一个说得清对错、而且马上能验的信号?(第二条线:反馈信号)
    做完有没有一个干净利落的「对/错」判据,立刻告诉机器它做得好不好?代码能不能跑、这步棋输赢、这数算得对不对——信号又快又干净。信号越干净,越危,因为机器就靠它一遍遍自己纠错、疯狂练出来。反过来,「这封安慰信暖不暖」「战略三年后对不对」信号又慢又含糊,机器没法自己练,就黏在人手里。

  3. 做错了,代价大不大、可不可逆、要不要有人签字担责?(第三条线:担责)
    搞砸一次,是「重来一遍就好」,还是「有人受伤、有人赔钱、有人得签字背锅」?代价越大、越不可逆、越要有人担责,越安全。注意这条线方向跟前两条反过来了:前两问是「越怎样越危」,这条是「越怎样越安全」。出了人命、赔了大钱的事,社会需要一个能被追责的签字,机器再准也顶不了。写错一句诗没人受伤(危),开错一刀要人命(安全)。

  4. 它要不要真身在场——现场动手,或者一个人对着另一个人?(第四条线:物理/关系在场)
    它离不离得开一双真的手在现场应付图纸上没画的意外?或者本质上是「一个人对另一个人」、需要真脸真信任的关系?越要真身在场,越安全。上门修疑难水电、把老人扶到轮椅上、当着家属的面讲坏消息,死死地要一具真身,机器隔着屏幕顶不上。纯在屏幕里就能干完的事,这道护栏就没了。

  5. 它主要是「把给定的问题解出来」,还是「判断该解哪个问题」?(第五条线:执行 vs 判断)
    题目是别人出好的、我只管做对(执行)?还是难的部分恰恰是决定该做哪道题、什么才算「做好了」(判断/定义问题)?越偏执行越危,越偏判断和重新定义问题越安全。「照这份需求把功能写出来」是执行(危);「先想清楚这产品到底该解决哪个真问题」是判断(安全)。机器极擅长把一道出好的题解得又快又漂亮,但「该出哪道题」它接不住。

怎么把五个答案合成一个直觉

你可能想问:这五个答案怎么加起来算个总分?别把它做成一个打分器。真做成「每问 20 分、加起来 100 分」,看着精确,其实是拿假小数点糊弄你——五条线权重根本不一样,还随任务在变。这张表是加权直觉(帮你看清结构的眼镜,不是吐分数的计算器)。

但有一个直觉分工,比记任何公式都管用:

前两问,管的是「多快被咬」;后三问,管的是「就算能被咬,这一刀是不是还得留给人」。

一件事「能被海量例子描述 + 信号又干净又快」,技术上迟早会被学会。但就算学会了,如果它错了要命、要人签字、要真身在场、还得靠判断而不是照做,社会也未必敢整个交给机器——它会留在人手里,或变成「机器打草稿、人拍板签字」。

两个极端就清楚了。一件任务高度可数据化 + 信号干净 + 低责任 + 不需真身 + 纯执行——五问全落「危」侧——几乎必被吃掉。反过来样样落在后一侧,它最稳。但记住第二章那句话:多数任务落在中间,会被部分咬掉。取代的从来不是整个人,是他手里那捆任务里的几条。

实际走一遍:拿两对任务打分给你看

第一对:写营销邮件初稿 vs 跟谈崩了的大客户续约

「写一封营销邮件的初稿」——可数据化?(危)。信号?,打开率当场能测(危)。担责?不大,重写一封就好(危)。真身在场?不要(危)。执行还是判断?执行(危)。
结论:这一刀会掉。

「跟一个已经谈崩、扬言不续约的大客户重新谈成」——可数据化?很难,每个客户崩的原因都不一样(安全)。信号?没有,全靠揣摩(安全)。担责?,丢大客户是真金白银(安全)。真身在场?,靠脸、靠信任、靠临场读脸色(安全)。执行还是判断?判断,难在摸清「他到底为什么不爽」(安全)。
结论:这一刀留下。机器顶多帮你查历史、拟话,谈判得人去。

第二对:给 X 光片做初步标注 vs 把坏消息告诉病人家属

「给一张 X 光片做初步标注,圈出可疑阴影」——可数据化?极能,几十万张标好的片子(危)。信号?干净,后续能对上(危)。担责?留神——标注常被切成「机器初筛、医生拍板」:标注本身低责任(危),但最终签字那一步高责任(留给人)。真身在场?不要(危)。执行还是判断?执行(危)。
结论:标注这一刀会掉,签字那一刀留下——一个岗位被部分咬掉。

「把『是恶性的』这个坏消息,当面告诉病人家属」——可数据化?不能,每家的承受力、关系、情绪都不同(安全)。信号?,「讲得好不好」没有当场对错(安全)。担责?极重,是人对人的道义之重(安全)。真身在场?死死地要(安全)。判断还是执行?全是判断(安全)。
结论:这一刀,怎么都留下。

同一个「放射科医生」岗位,拆开之后读片标注暴露在刀口下,告知、拍板、担责稳稳留下。给岗位打一个分毫无意义,给拆出的每条任务打分才有意义。

三个别踩的坑

你现在有了一副能自己戴的眼镜

到这儿,全书的工具就交到你手上了。你不再需要背「高危职业排行榜」——那种清单三个月就过期,还让你变蠢。这副眼镜不会过期,因为它看的是结构

随便拎出一件事——你工作里的某个动作、你正犹豫要不要学的某项技能——拆成任务,逐条过五问,你就能看清哪几刀会掉、哪几刀留下,以及为什么。这就是本书的全部。

可看清了刀落在哪儿,还剩最后一个、也最要紧的问题:那你自己,该往哪儿站?该把力气往哪条线的哪一侧挪,才能站在刀留下的那一边,甚至站到那把刀的握柄上去?这是最后一章的事,下一章见。

AI 咬走的那一刀 · holly
面向对世界有好奇心的人 · 费曼式写法 · 由多个 AI 代理撰写与互相审校