普通人的工作方式会被AI改写：Ethan Mollick 最新判断，讲清了AI时代真正该补的能力
Ethan Mollick 这篇新文章，我觉得很值得认真读一遍。
最近很多人在讨论 AI，注意力大多放在模型参数、榜单排名、哪个产品又更新了。
但这篇文章抓住了更底层的变化。
AI 开始改写的，已经不只是工具层。更早被重写的，是工作怎么被拆开、分配、检查和交付。
Mollick 是沃顿商学院教授，也是过去两年少数能把 AI 讲得既清楚又不缥缈的人。
这次他在 One Useful Thing 里提了一个判断，我看完印象很深：
AI 正从“人和模型一起做事”，走向“人开始管理一组 AI”。
这句话和普通人的关系，其实比很多人想得更大。
因为一旦变化落到“管理 AI”这一层，受影响的就不只是工程师，也不只是 AI 创业公司。
内容、运营、产品、设计、销售、研究、客服，都会被卷进来。
Ethan Mollick：《The Shape of the Thing》
原文链接：www.oneusefulthing.org/p/the-shape-of-the-thing
要点速览
- AI 的变化，已经从提效工具往工作组织方式推进
- 人和 AI 来回对话的阶段还在，但新的主流能力正在变成“给 AI 分工”
- 真正稀缺的能力，开始从“会不会问”转向“会不会拆任务、定约束、做验收”
- 最近很多新闻看起来分散，其实都在指向同一件事
- 对普通人来说，越早进入实操区，越容易吃到这一波红利
变化先发生在工作组织层
过去两年，很多人理解 AI，主要还是停留在“帮忙写一点、查一点、改一点”。
这种用法当然还有效，但它更像副驾驶模式。
人坐在主驾驶位上，AI 负责辅助。
Mollick 说，现在有一批 agent 工具已经把事情往前推了一步。
Claude Code、Codex、OpenClaw 这一类系统，已经能接住一整段工作。
有些原来要人类花几个小时完成的任务，现在可以直接交给 AI，几分钟后拿回一个可用结果。
这件事的意义，不只是效率更高。
更大的变化是，人开始从执行者的一部分，变成任务分配者、约束制定者、结果验收者。
很多岗位今后最值钱的部分，可能都在这里。
谁能把任务讲清楚，谁能定义好边界，谁能迅速判断结果能不能上线，谁就更容易站到新工作流的前面。
这篇文章最值得看的，是 StrongDM 那个例子
Mollick 文里提到一个很有代表性的案例。
一家做安全软件的公司 StrongDM，有一个 3 人团队，搭了一个他们叫 Software Factory 的工作方式。
简单说，人负责写 roadmap、场景、约束和目标。
接着，coding agents 去写，testing agents 去测，系统在模拟用户环境里反复跑，直到结果收敛，再进入最后交付。
这件事最值得注意的地方，不是“AI 会写代码”这个老话题。
而是整个软件生产链条里，很多以前默认必须由人盯住的环节，已经开始被重新安排。
换句话说，AI 吃掉的第一口，往往不是一个完整职业。
更常见的情况，是它先把一串标准化、可定义、可验收的流程接过去。
这对普通人特别重要。
因为普通人的工作，很多时候恰好就是这些环节拼出来的。
写初稿、查资料、整理信息、做首轮分类、跑第一版分析、生成多个候选、回填格式、补标准答案。
只要一项工作能被拆成“任务说明 + 约束条件 + 交付标准”，AI 就有机会接进来。
这也是为什么最近几类新闻会同时出现
这几天中文互联网里，能看到几种情绪混在一起。
一边是关于网易外包调整的讨论。
虽然“用 AI 清退全部外包”的说法已经被网易回应为不实，但这件事能迅速发酵，本身就说明大家对“AI 会不会直接撞上岗位结构”这件事非常敏感。
另一边，是很多公司已经不再把 AI 当成可选加分项。
Shopify 去年公开过一份内部 memo，里面写得很直接，AI usage is now a baseline expectation。
这句话真正传递的意思，是会不会用 AI，正在慢慢变成组织里的基础要求。
再看产品侧，OpenAI 这周确认要把 ChatGPT、Codex 和浏览器往一个桌面 superapp 里收。
前一天又宣布收购 Astral，继续往 Codex 这条线加码。
把这些动作连起来看，会更清楚：
大公司已经不满足于“给一个聊天入口”，它们在推的是更完整的执行入口。
这些消息表面上分散。
放在一起看，方向很一致。
AI 正从一个额外工具，变成组织默认能力。
我不太认同一种说法：普通人学 AI 学得慢，就不用学了
最近还能看到另一种论调：
普通人反正追不上，学 AI 学得慢，索性别学了。
我不太认同。
慢一点当然可以。
谁都不可能把每个新模型、每个新 agent、每条更新都追完。
问题不在速度本身，问题在于一直停留在围观状态。
因为这一波变化最残酷的地方在于，它不会等到所有人都准备好再开始。
工作流一旦改了，组织对人的要求也会跟着改。
以前一个岗位可能更看重手工执行能力。
接下来更受欢迎的，可能会变成：
- 能不能把任务拆清楚
- 能不能把 AI 用进日常流程
- 能不能判断结果质量
- 能不能把一个人，变成一个小团队的产出密度
也就是说，普通人现在学 AI，核心不在“跟上最前沿”。
更实际的目标，是先让自己进入新分工体系。
普通人现在最值得做的，是先把这四件事做起来
- 先固定一个主战场
不要上来就学所有工具。
先选一段和当前工作最贴近的链路。
比如内容人先做“选题 → 提纲 → 初稿 → 改写 → 分发”。
运营先做“信息收集 → 分类 → 回复 → 复盘”。
产品先做“需求拆解 → PRD 草稿 → 竞品对比 → 测试用例”。
销售先做“客户研究 → 话术草稿 → 跟进节奏 → 异议处理”。
先把一条链路打通，比到处看 demo 有用得多。
- 练会“交付型提问”
以后更值钱的，不只是会聊天。
更值钱的是会下任务。
一句好指令，至少要包含四样东西：
目标、上下文、约束、交付格式。
能把这四样说清楚，AI 的可用度会立刻上来。
很多人觉得 AI 不稳定，问题往往出在任务定义太虚。
- 把验收能力练出来
AI 越强，验收越重要。
以后真正拉开差距的人，不一定是打字最快的人。
更可能是判断最准的人。
能不能一眼看出结论靠不靠谱，逻辑有没有跳步，数据有没有偷换，风格有没有跑偏，这些都会越来越值钱。
- 尽快积累自己的工作资产
模板、流程、提示词、案例库、知识库、复盘文档，这些东西都会越来越重要。
因为 AI 最擅长接手的，是已有规则、已有样本、已有标准的任务。
一个人手里可复用的资产越多，AI 能放大的部分就越多。
这也是为什么同样一个工具，有的人用起来像玩具，有的人用起来像搭了一个小团队。
最后想说的
我觉得 Ethan Mollick 这篇文章最有价值的地方，是它没有把 AI 讲成一个遥远的未来概念。
它讲的是已经发生的工作方式变化。
很多人还在争论 AI 会不会替代岗位。
这个问题当然重要。
但更早发生的，常常是另一件事：
岗位还在，做事的方法先变了。
而一个人能不能抓住这一波，很多时候也不取决于会不会写代码，或者是不是技术出身。
更关键的是，愿不愿意早点进入实操，愿不愿意把 AI 真正接进日常工作，愿不愿意从“自己做所有事”慢慢转到“自己定义任务，让 AI 接住一部分执行”。
对普通人来说，这一轮机会还在。
窗口也确实已经打开了。
再往后看，越来越多工作会像 Mollick 说的那样，进入“管理 AI”的阶段。
到那时，真正有积累的人，手里拿着的就不只是工具熟练度。
更像是一套新的工作方式，一种更高密度的个人生产系统。
