AI 是「底线提升器」而非「天花板提升器」

重塑的学习曲线

在 AI 出现之前，学习者面临一个匹配问题：学习资源必须针对特定的目标受众而创建。这意味着作为消费者，学习资源对你来说通常不是最优的选择：

你是 $topic_of_interest 的新手，但在相关领域 $related_topic 有知识。但很难找到用 $related_topic 来教 $topic_of_interest 的学习资源。

要有效地学习 $topic_of_interest，你确实需要先学习前置技能 $prereq_skill。但作为初学者，你不知道应该在学习 $topic_of_interest 之前先学 $prereq_skill。

你已经掌握了 $topic_of_interest 的基础知识，但已经停滞不前，难以找到合适的资源来突破 $intermediate_sticking_point。

大致上，随着时间推移，掌握一项技能的过程看起来是这样的：

AI 学习之所以具有革命性，是因为它能够在你的技能水平上与你相遇。现在 AI 可以直接回答你理解水平上的问题，甚至可以为你做一些重复的工作。这改变了学习曲线：

掌握：仍然很难！

该领域的专家往往对 AI 持怀疑态度。来自 Hacker News 的观点：

[AI 很]浅薄。我深入得越多，它似乎就越没有用。我这边进展很快。而且，天哪，如果你在研究一个复杂且可能有争议的话题，并希望它找到有信誉的来源，特别是学术性的来源，那就更糟了。

考虑到 AI 的训练数据，这在直觉上是有意义的。如果 AI 的训练语料库在某个话题上有大量训练数据，这些数据基本上说的都是同一件事，那么它会很擅长将其综合成输出。如果话题太高深，模型的训练数据会少得多。如果话题有争议，训练数据会包含相互矛盾的例子。因此，掌握仍然很难。

OpenAI Study Mode 的推出暗示了一个问题：相比让 AI 教你，你可以直接问它要答案。这意味着作弊者会在 AI 能提供的水平上停滞不前：

长期来看，作弊者在这里不会成功！

改变的学习曲线的影响

技术变革会改变生态系统，产生赢家和输家，而这些影响分布并不均匀。对于 AI 来说，其影响程度取决于创造有竞争力产品所需的掌握程度：

编码：对管理层是福音，对大型代码库则没那么有帮助

在尝试编写代码时，工程管理人员经常遇到一个问题：他们懂得好软件的原则，知道坏软件长什么样，但不知道如何使用 $framework_foo。历来，这使得比如后端工程管理人员这样的人很难在业余时间开发 iPhone 应用。

有了 AI，他们能够快速学习基础知识，让简单的应用程序运行起来。然后他们可以利用现有知识将其打磨成可行的产品。AI 成了他们的产品是否存在的分水岭！

对于在大型、复杂代码库上工作的开发人员，热情就没那么高了。AI 缺乏对高度具体的需求和现有实现的上下文，帮助有限：

创意作品：不会很快在电影院上映

创意人士中存在相当大的焦虑：我们很快就会都读 AI 生成的小说，看 AI 生成的电影了吗？

这不太可能，因为创意领域竞争激烈，要在争夺注意力的竞争中获胜需要新颖性。虽然 AI 让生成图像、音频和文本变得容易了，但它（除个别例外）并没有增加眼球和耳朵的数量，所以创造有竞争力的产品的门槛仍然太高了：

新颖性是成功创意作品的硬性要求，因为人类非常善于发现他们看或读的东西是否是他们之前见过的东西的衍生品。这就是为什么，尽管吉卜力工作室风格的头像曾短暂占据互联网，但都没有撼动《霍尔的移动城堡》的文化地位。

你已在手机应用中做的事1：影响最小

一个尚未受到太大影响的领域是那些已经有专门应用程序的任务。我将重点关注两个具有丰富 MCP 实现的例子：电子邮件和食品配送。AI DoorDash 代理和 AI 电影制片人面临同样的挑战：新产品要产生影响，门槛已经相当高：

电子邮件似乎是容易被 AI 颠覆的领域。但现代电子邮件应用已经拥有多种过滤和组织工具，技术人员可以用它们创建复杂的、个性化的系统来高效地消费和整理收件箱。

总结虽然是 AI 的核心能力，但在这里用处不大：

垃圾邮件已经被悄悄地放进垃圾邮件文件夹。垃圾的摘要就是垃圾。

对于重要邮件，我不要摘要：AI 生成的信息不如发件人精心制作的具体，我不想冒漏掉重要细节的风险。

食品配送也类似：DoorDash 等应用的界面都经过精心设计，在价格、食材等信息和食物照片间巧妙平衡。AI 不太可能创建出速度更快或考虑更周密的界面。

未来已经来临——只是分布不均

AI 抬高了知识工作的下限，但这种变化并非对所有人都适用。这很大程度上解释了人们对 AI 反应的巨大差异。对于像我这样的工程管理人员来说，AI 对我与技术的关系产生了巨大影响。有人担心被取代，为此愤怒。还有人听到聪明人赞扬 AI，却找不到用处，觉得我一定是没理解。

AI 还没有取代我们所做的一切，但它是项强大的技术。虽然值得尝试，但如果它对你没意义，那它就没意义，不管你是谁。