如果我们用-AI-来完成我们的工作--那么我们的工作又是什么呢-

如果我们用 AI 来完成我们的工作——那么我们的工作又是什么呢？

原文：towardsdatascience.com/if-we-use-ai-to-do-our-work/

图像。文本。音频。 没有任何一种模式不是由 AI 处理的。AI 系统甚至走得更远，规划广告和营销活动，自动化社交媒体帖子……其中大部分在十年前还是不可想象的。

然而，最初由机器学习驱动的算法已经迈出了第一步：从研究实验室走向了最初的产品。它们开始在 YouTube 和社交媒体网站上编辑内容。它们开始在 Netflix 上推荐电影，在 Spotify 上推荐歌曲。它们提供了排名搜索结果。它们与人类进行战略游戏。AI 赋能的事物的普遍兴起是惊人的。

工作场所的 AI

工作场所对此并不免疫。作为一个本科生，我正在学习如何构建超平面、质心以及反向传播规则，在大多数学习期间，AI 主要被视为一个学术研究方向。自从我进入职场以来，这一切都发生了很大的变化。雇主和雇员都意识到了 AI 在工作中的潜力。在大多数（数字）工作场所，AI 正在迅速成为一个无形的同事。

许多专门的 AI 工具已经跃上我们的桌面：程序员使用 AI 辅助编码工具，数据分析师通过 AI 从单个样本文件准备管道，设计师使用 AI 生成的视觉元素来快速草绘。这些工具无疑使工作变得更简单。但它们也引发了一个更深层次的问题：

一个人工作的本质是什么？

我真正的工作是什么？我是否还需要与我的代码，与任何事物，真正地详细互动？

我们的工作流程越 AI 化，我们就越不需要与我们的工作材料互动。很可能会出现这样的情况：我们不再需要成为专家，拥有关于相当狭窄主题的深厚知识，而是成为浅尝辄止的冲浪者，在这里那里对 AI 进行一瞥。

换句话说，我们变成了 AI 完成工作的简单管理者。注意，在工作前面没有“我们”。

那是，那能令人满足吗？我们工作中不需要一些深度感吗？

我清楚地记得有一次我不得不处理多个并发项目。在那时，也就是在 AI 在办公室站稳脚跟之前，我每天通常要在这三个不同且大多无关的项目之间切换。加上半紧急的干扰，可以想象，没有太多时间可以花在单个主题上；在我能够足够深入地研究任何主题以取得实际进展之前，我就不得不切换。

现在，AI 系统通常充当代理，防止我们一开始就需要与项目互动。即使我们可能只在一个项目上工作，我们也会提示性地前进——这引发了一个问题：

如果我们用 AI 来完成我们的工作，那么我们的工作又是什么呢？

我们的工作仅仅是做更多的工作吗？AI 经常被赞扬为让我们可以做更多，这意味着，在相同的工作时间内，我们甚至需要更少地与材料互动。

这意味着，根据定义，我们无法在一个主题上获得深刻的经验。

这进一步意味着，原则上，我们可以做任何与我们技能相关足够紧密的工作。

最终，这意味着别人可以代替我们工作。

因此，一旦 AI 自动化扩展，我们就会变得可替代。

我们如何防止这种情况发生？

故意使用 AI：先思考，后提示

在我看来，唯一的方式*是：有选择地、故意地使用 AI。不要外包你的思考。不要让你的深度思考和批判性思维能力因为无意识的非使用而退化。

使用 AI 工具来完成那些真正无聊的任务——任何具备一定技能的人都能完成的任务——是完全没问题的一—甚至有时还很聪明。对于程序员来说，AI 的合理使用（在不会让我们变得更笨的意义上）包括：总结代码库、创建 README 文档、生成模板代码，或者加载数据并进行清理。

但当手头的任务需要人类的判断、解释或特定的设计选择和权衡时，这就是你应该抵制将任务外包的诱惑。这些正是你建立保持你不可替代的专业知识的时刻。

为了使这一点更具体，你可以在决定使用 AI 辅助时使用这个简单的经验法则：

1. 低风险、重复性、定义明确的任务→让 AI 帮忙。

   例如：格式化代码、生成测试桩、编写 SQL 查询。

2. 高风险、模糊或需要人类判断的任务→自己完成。例如：设计系统架构、解释实验结果、做出道德决策。

这个经验法则可以在自动化“无聊”任务的同时，保护那些真正构建你专业知识的工作。为了将启发式方法融入日常实践，你应该在任务开始前有意地暂停。问问自己：我是否想要/需要深入理解这个，或者只是完成它？

然后，如果目标是理解→开始手动操作。编写第一个草稿，自己调试，草图设计。一旦你深思熟虑，你就可以用 AI 系统的输出增强你的作品。

然而，如果目标是仅仅输出→让 AI 加速你。提示它，适应它，然后对下一个任务重复。

将其视为一个咒语：“先思考，后提示。”

然后，在一周工作结束时，你可以回顾一下：这周你将哪些任务外包给了 AI？你是否从那些任务中学习到了什么，或者只是完成了它们？你可以在哪里从更深入地参与中受益？

结尾思考

结果表明，随着 AI 在职场中越来越被广泛使用，我们的真正工作可能不是用 AI 产生更多的输出。相反，我们的工作是在关键时刻直接与材料互动——建立那种任何系统都无法替代的判断力、洞察力和深度。

因此，有意识地使用人工智能。是的，自动化那些无聊的部分，但保护那些让你成长的部分。这种平衡将使你的工作不仅有价值，而且令人满足。

---

• 对于大多数投入大量时间在数据科学领域建立职业生涯的机器学习人员来说，这不是一个替代方案：转行从事手动和离线工作。例如，建筑工作、理发、等待等。