AI会先替代哪些工作?一个直观的判断方法:“描述-执行差距”

“我的工作会被AI取代吗?”

这可能是当下每个人心中或多或少都思考过的问题。我们每天都能看到AI惊人的进步,它会画画,会写代码,甚至会做视频。焦虑感也油然而生:我们所珍视的技能,在强大的AI面前还有价值吗?

知名AI研究员Jason Wei(没错,就是提出了COT的那位)提出了一个有趣的思维框架来协助做这个判断,叫做“描述-执行差距”(Description-Execution Gap),它的核心思想非常简单:

一项任务,“描述它怎么做”比“亲手去做”要简单多少?这个“简单”的程度,就决定了它被AI自动化的可能性。

差距越大,越容易被AI取代

当一项任务的“描述-执行差距”很大时,意味着用语言下达指令非常简单,但实际执行起来却非常繁琐、耗时。这类工作,正是AI能去自动化的绝佳目标。

因为给AI下达一个清晰的指令(也就是“描述”)相对容易,这意味着我们可以轻松地为AI创造大量的“训练数据”。而AI的价值,恰恰在于能高效完成那些对人类来说重复、枯燥、技术性强的“执行”部分。

例如这些场景:

  • 修改文章中的语法错误: 你只需要对AI说一句:“帮我把这篇文章里的语法和错别字都改掉。” 这个“描述”简单明了。但“执行”起来,你需要逐字逐句地阅读、检查、修改,这对于人类来说是件乏味的工作,但对于AI来说却轻而易举;
  • 提交报销发票: 你只需要把一堆发票扔给AI,然后说:“帮我把这些都提交报销。” 这个“描述”也很简单。但“执行”过程却包括识别发票上的公司名、日期、金额,然后登录系统,填写一张张复杂的表格。这个过程规则清晰、高度重复,非常适合AI来做;
  • 编写一个功能明确的App: 你可以告诉AI:“帮我写一个App,需要有用户登录、信息展示和设置三个页面。” 这个“描述”并不复杂。但“执行”起来,背后是成千上万行代码的编写、调试和部署。这正是AI大显身手的地方;

在这些例子中,我们用几句话就能说清楚要做什么,但自己动手却要花上数小时甚至数天。这种巨大的“描述-执行差距”,为AI创造了巨大的价值,因此它们会成为第一批被高度自动化的工作。

差距越小,人类的价值越凸显

反过来,当一项任务的“描述-执行差距”很小时,情况就完全不同了。这意味着 “把任务需求描述清楚”这件事本身,几乎和“自己动手做”一样复杂,甚至更麻烦 **。

这类工作,在短期内AI很难取代。因为它们通常充满了高度个性化、需要丰富背景知识和主观判断的细节。

这里有两个我们每个人都可能经历过的例子:

1. 预订一个完美的假期

让AI为你预订假期听起来很美妙,但实际操作起来却困难重重:

  • “描述”的挑战: 你无法简单地对AI说“给我订个假期的机票酒店”。你需要告诉它:你的预算是多少?但如果有个特别好的酒店,预算可以超多少?你喜欢热闹的海滩还是安静的山区?你对航班时间有什么偏好,是红眼航班还是白天的航班?你对酒店的“氛围”有什么要求?你想住连锁品牌还是特色民宿?……
  • “执行”的挑战: 把所有这些偏好、需求和潜在的取舍关系都描述清楚,这个过程本身就极其耗费心力。你花在“教”AI如何为你做决策上的时间,可能比自己打开几个旅游App比较一下还要长。更不用说,一旦AI订错了,比如订错了航班日期,造成的损失会非常大;

在这个场景下,“描述”的复杂性几乎追上了“执行”的复杂性,因此“描述-执行差距”非常小。

2. 帮我妈妈购买她要的食材

假如你让AI(或者一个不熟悉情况的朋友)去帮你妈妈买菜,你可能会面临这样的对话:

你:“帮我妈买点菜。”
AI:“好的,买什么?”
你:“买一把上海青,一块老豆腐,还要一点姜。”
AI:“好的。上海青要多大一把?豆腐要哪个牌子的?姜要多大一块?”
你:“上海青就……就那么大吧(用手比划)。豆腐就要菜场那家王阿姨的,她家的卤水味正。姜嘛,大概能用三四次就行。”

“一把”、“一点”、“那个牌子”、“那个味道”,这些都是充满了个人经验和隐性知识的描述。你很难用精确的语言去定义“如何挑选最新鲜的水果”、“什么样的鱼才算好”,而这些恰恰是你妈妈自己去菜场时,看一眼、摸一下就能做出的判断。

让她把所有这些选购标准、品牌偏好、份量感觉都清晰地描述出来,难度远远大于她自己去一趟菜场。这也是一个典型的“描述-执行差距”极小的例子。

同样,像“用一种特定的风格剪辑视频”、“在一个高度复杂的代码库里做一项特定的优化实验”等任务,都属于这一类。描述清楚“怎么做”的难度,几乎不亚于自己动手。

如何评估你的工作被AI取代的可能性?

当你想评估自己的工作是否容易被AI取代时,可以用这个简单的框架来判断:

描述难度测试:向一个完全不了解你工作的人解释你的日常任务,需要多长时间?是否可以用几句清晰的指令概括?

执行复杂度评估:完成这些任务实际需要多少步骤?涉及多少技术细节和重复性操作?

上下文依赖程度:你的工作需要多少特定领域的背景知识?这些知识容易传递给别人吗?

个性化判断比重:你的工作有多大程度上依赖个人经验、直觉和主观判断?

风险承受能力:如果AI犯错,后果有多严重?是否容易纠正?

如果你发现自己的工作”描述简单、执行复杂”,那么确实需要开始考虑转型。但如果你的工作”描述复杂、执行也复杂”,或者充满了难以言传的个人判断,那么在相当长的时间内,你的价值都是不可替代的。

结语和启示

Jason Wei提出的“描述-执行差距”这个简单的思维模型带来的启示是:

未来,人类的核心竞争力,将更多地体现在那些难以被清晰描述的、依赖于深度背景知识、个人体验和主观判断能力的工作上。

AI擅长执行有明确规则和目标的任务,而人类的价值在于处理模糊、复杂和充满个性的需求。与其担心自己的工作是否会被替代,不如思考一下,你的工作中,有多少价值是体现在难以言传的“描述”和“判断”里的?

努力成为那个能为复杂问题定义方向、能理解他人隐性需求、能做出创造性判断的人。专注于那些需要深度上下文理解、创造性思维和复杂判断的工作,这些正是人类相比AI的独特优势所在。

因为这些,正是AI在很长一段时间内,都难以逾越的鸿沟。