“The only people that know how to deploy these tools are going to have a job another three or five years.”“未来3到5年只有懂得部署这些AI工具的人才会有工作。”欧亚集团创始人Ian Bremmer参加了一个访谈。他把人与AI之间正在拉开的差距压缩成了一个词deploy。紧接着Ian给出了他的判断未来3到5年懂得部署AI工具的人才更有机会保住工作。Ian关心的并不是哪个模型跑分更高而是企业把AI接进真实工作以后人会被放到什么位置。备注Ian Bremmer是政治学者现任欧亚集团和GZERO Media创始人、总裁。2023年至2024年他曾担任联合国人工智能高级别咨询员会问AI问题的人已经很多。能把Agent接进真实系统并让它稳定、可控地干活的人仍然很少。以下为访谈内容我们进行了翻译与整理。人正在记录自己怎样被AI替代访谈里有一段画面让人很难忘。主持人提到印度一些工人戴着头部摄像机工作。摄像机会记录他们的手怎样移动、工具怎样使用、一道工序怎样完成。企业收集这些数据是为了训练未来的AI和机器人。人还坐在工位上自己的动作已经变成了训练数据。主持人“record themselves doing it.”“让工人把自己完成工作的过程录下来。”工人的操作过程被转成训练数据代码仓库里同样留着大量“工作过程”Issue怎样拆Pull Request怎样改测试为什么失败事故发生后查了哪些日志。过去这些记录主要留给团队协作Agent开始进入开发流程后它们也成了模型学习项目规则、模仿工程师判断的材料。问题随之变得具体公司能不能拿员工的开发记录训练内部Agent离职工程师留下的提交记录属于谁第三方模型读过私有仓库以后代码和日志会保存多久团队在接入Agent之前至少要把数据范围说清楚。哪些仓库可以读哪些日志需要脱敏哪些会话能够留存供应商能否将这些内容用于训练都应该写进配置和合同不能只藏在工具默认项里。会聊天的人很多会部署AI的人很少Ian把未来3到5年的就业门槛放在了“deploy”上。假设Agent接到一个任务修复支付系统的重复扣款。它可以搜索代码、定位相关函数再补上一段幂等判断。但要把改动推到线上团队还得提供复现用例确认历史订单怎样处理限制它访问生产数据库让它跑完回归测试并准备好灰度和回滚。这些工作缺一块Agent都有可能把“修好一个Bug”变成另一场事故。图片Ian谈未来3到5年的AI部署能力会用AI是能把任务交给模型。会部署AI还要解决五件事上下文从哪里来Agent能调用什么工具结果用什么验收权限怎样收紧失败以后怎样撤回。这也是普通开发者最该补的部分。Prompt技巧更新很快今天流行的写法下个月可能已经过时。代码库入口、测试命令、权限规则、日志和回滚方案一旦搭好换一个模型仍然能继续用。智能开始像水电一样计费访谈中主持人引用了Sam Altman的一个判断未来人们会像购买水、电一样购买智能。Ian把它概括为“intelligence as a commodity”也就是智能正在变成一种可以计量、交易的商品。两人讨论智能成为按量计费的资源开发者其实已经提前遇到了这个未来。一个Agent任务的成本不只取决于最后生成了多少行代码。它读了多大的仓库重试了几轮调用了多少次搜索和终端工具中间有没有压缩上下文都会落进账单。同样是修一个Bug有的任务一次完成有的任务会在错误方向上跑半小时。模型回答都叫“完成”成本可能差一个数量级。所以部署Agent时预算也要进入工程设计。以后查看Agent运行记录除了成功率和耗时还得多看一列每次成功到底花了多少钱。同一个Agent既会补漏洞也会利用漏洞Ian在访谈里谈到模型发现软件漏洞的能力。他连续用了两个动作。Ian Bremmer“find these bugs.”“先找到这些漏洞。”Ian Bremmer“patch them.”“再赶在其他人拿到同类工具之前完成修补。”他担心的情况很现实模型先找出缺陷防守方还没来得及修补攻击者已经拿到了同样的工具。Ian谈模型发现漏洞后的时间差对开发团队来说Agent能力越强权限越不能全放开。代码仓库、CI、云控制台和生产数据库不该共用一套权限。读文件、改代码、执行测试、发布生产要分层授权密钥只在任务执行期间临时下发删除数据、修改权限和上线发布保留人工确认。Agent运行时还要留下完整记录。它读了哪些文件调用过什么命令为什么改动这几个模块测试失败后怎样重试都应该能够追查。出了问题只看到最终Diff远远不够。团队需要知道它一路是怎么走到这里的。企业买了AI还得买回培训时间Ian给企业提了一个很不讨巧的建议把原来的五天工作周改成四天甚至三天工资不变。Ian Bremmer“additional day.”“每周额外留出一天。”Ian建议企业为AI训练留出固定时间几秒后他又明确了这一天的用途。Ian Bremmer“AI training.”“这一天专门用于AI训练。”如果AI会改掉大量工作流程公司就得在工作周里专门留出训练时间。不能买完账号、发一份使用手册第二天便要求所有人提高30%的产出。开发团队可以从一项真实任务开始练。第一周选一个边界清楚、能够回滚的维护任务比如依赖升级或补复现测试。第二周把验收条件写成能直接运行的测试。第三周接上CI、权限和日志。第四周再看成功率、人工返工时间和单次成本。这四周的价值不在于做出一场漂亮演示。团队会亲手碰到上下文缺失、测试不稳、权限过大和成本失控随后把这些问题修进流程。培训如果只教员工怎样写Prompt很快就会过期。让人跟着一项任务走完“分配、执行、验收、上线、复盘”学到的才是部署能力。网友争论会部署AI真的就不会失业吗评论区里有人把问题指向知识所有权。他认为知识过去装在人脑里现在正被搬进数据中心。印刷术让知识传播得更分散AI基础设施却可能把知识重新集中到少数平台手中。网友评论知识从人脑迁往数据中心谁拥有数据和算力谁就掌握议价权也有人对这类预测明显不耐烦只留下一句“这些末日式节目让人疲惫。”这条评论拿到了21个赞。YouTube网友评论网友评论对反复渲染AI危机的内容感到厌倦两种反应都不难理解。“未来3到5年只有会部署AI的人才能留下”足够刺耳却不是经过验证的就业预测。谈到短期就业时Ian其实给出了一个更缓和的判断。Ian Bremmer“I dont agree.”“我不认同明年美国就会出现大规模失业。”紧接着Ian又补了一句。Ian Bremmer“more friction.”“这个过程会遇到更多阻力。”企业不会无缘无故大规模裁员组织惯性、监管和经济周期都会拖慢变化。可另一边Agent已经在接手测试补齐、依赖迁移、日志排查和批量重构。岗位没有一夜消失岗位里的任务正在换人。写在最后AI把门槛从Prompt推到了工程系统只会用AI不等于明天就会失业。只会写Prompt也很难成为团队里不可替代的人。模型进入真实开发之后决定结果的是整套系统代码库有没有清楚的入口测试能不能给出可靠反馈权限会不会越界日志能不能追溯预算会不会跑穿失败后能不能回滚。这些事情过去分散在开发、测试、运维和安全团队手里。Agent把它们压到了同一条任务链上。把Ian那句话放回开发现场意思就清楚了。模型能力会继续更新开发者要负责把它变成稳定、可验收、付得起的生产力。Prompt只是开门。门后面的工程系统才是未来3到5年需要补的功课。资料展示下面是我整理的AI大模型学习资料和工具包预览适合收藏后按主题逐步学习