即刻App年轻人的同好社区
下载
看了一期吴恩达的播客，非常精彩。而且这次他的观点很激进，说每个人都应该成为 Builder，借助 AI，往生产端走。
别只拿 AI 问问题，而是要开始真正动手创造，做网站、做 App、做小工具，把自己的想法直接变成产品。
包括他们公司说现在面试候选人，会直接问候选人到底 Build 过什么。
如果候选人之前拿 AI 做过一个网站、App、Skill，或者任何解决自己实际问题的小工具，这种经历都会非常有说服力。
因为这考验的已经不只是会不会用 AI。
现在会用 ChatGPT 问问题，或者 Codex 做个 PPT、数据分析，门槛已经很低了。更进一步的能力是你能不能发现一个问题，把它抽象出来，再借助 AI 把解决方案真的 Build 出来。
这里面其实同时考验了一个人对 AI 的使用能力、抽象能力和创造力。
我最近跟很多朋友聊天，也发现大家招聘时越来越喜欢问一个问题，你的作品是什么？你到底拿 AI Build 过什么？
我觉得所有人确实都应该认真想想这个问题。
以前 Coding 基本还是程序员的专业能力。一个市场人员、招聘人员或者财务人员碰到一个软件需求，正常的处理方式都是提需求，然后找工程师。
但现在这个门槛已经降得非常低了。
一个人拿着 Codex、ChatGPT 这些工具，只要问题足够明确，做一个自己工作里用的小工具，已经没有以前那么难了。
这个变化有点像 Excel 出现之后。
以前很多数据处理工作可能需要程序员参与，后来财务、市场自己打开 Excel 就可以分析数据了。AI Coding 也在发生类似的事情，它正在把过去属于软件工程师的一部分能力，逐渐变成知识工作者的基本能力。
吴恩达说他们团队成员已经在给自己不断的造工具了。
有个运营同事，为了写文章，自己做了一个 Mac 桌面 App。准备写一个选题时，这个 App 会自动爬取网页，寻找相关资料，把相关文章整理出来。然后他可以直接和整个资料库聊天，了解自己正在写的内容和已有资料之间有什么关系。
你看，这已经完全超出了会不会用 ChatGPT。
还有他们的财务团队以前每周要花几个小时打开各种文件、复制数字、检查数据。后来团队自己开始开发自动化程序，可以定期打开文件、读取数据、检查一致性，有异常再提醒相关的人处理。
这背后的逻辑其实非常简单。
以前开发软件太贵了，所以工程师必须集中在专门的工程部门。每个业务部门内部当然都有一堆问题，也都有很多想做的小工具，但一个需求如果只能帮三五个人节省一点时间，根本排不上工程师的开发计划。
现在 Build 的成本降下来之后，这些过去不值得开发的东西突然都可以开发了。
而且最了解这个问题的人，本来就在业务部门。
做招聘的人最知道招聘哪里麻烦，做市场的人最知道自己每天有哪些重复工作，做财务的人也最清楚哪些数据天天需要人工核对。
现在他们第一次有能力自己把这些问题做成工具。
所以我觉得未来每个人在某种程度上都可以成为一个工程师。你不需要成为一个专业程序员，但应该逐渐具备用软件解决自己业务问题的能力。
吴恩达说他们最近还分析了很多的招聘数据，发现越来越多职位描述中开始强调一个词：High Agency，高主动性。
简单说，就是一个人发现问题以后，会自己想办法往前推进，而不是等老板把每一步都拆好，再告诉他接下来干什么。
按部就班的工作，价值感只会越来越低。
有了 AI 的帮助，一个 High Agency 很强的人，确实可以比过去创造更多东西，也可以自己解决更多问题。
优秀的员工会越来越像一个负责自己领域的小创业者。他知道自己的目标是什么，然后自己发现问题，做出判断，缺工具就 Build 工具，最后解决问题。
所以我现在越来越觉得，大家讨论 AI 会不会替代工作，有时候把问题想得太简单了。
吴恩达讲了一个我很认同的框架。
一份工作里面，可能已经有 30% 到 40% 的任务可以交给 AI，但剩下的 60% 到 70% 依然需要人来完成。所以绝大多数职业不会突然消失，真正发生变化的是一个岗位内部的工作内容会重新分配。
最后更现实的结果，还是人和人之间的竞争。
一个人可以把那 30% 到 40% 交给 AI，然后把自己的能力范围继续往外扩。另一个人还按照以前的方法工作，只负责自己原来那一小块，那公司最后更愿意留下谁，其实很好理解。
我一个朋友之前的公司里，Android 和 iOS 加起来有三个人。后来公司觉得人员有些冗余，最后留下一个人，几个端都可以负责。
你说这是不是 AI 导致的？当然和 AI 有关系。
但落实到职场里，它最后呈现出来的还是人与人之间能力范围的差距。一个人借助 AI 可以覆盖过去几个人的工作，另外一个人的工作方式没有变化，公司自然会重新计算这笔账。
我今天还在群里跟大家聊，以前总有人说前端已死，但好像最近已经没人讨论这个问题了。群里有朋友开玩笑说，死人当然不会说话。
我还真去翻了一些前端工程师的简历，发现一个很明显的变化，很多人已经不再把自己局限在纯前端了，而是突出全栈的能力。
吴恩达在播客里也提到了这个现象。过去前端、后端的分工很细，但有了 AI 以后，越来越多开发者开始变成全栈工程师。因为 AI 把跨领域学习和执行的成本降低了，一个人能够覆盖的工作范围自然会扩大。
而且这件事肯定不只发生在程序员身上。
以前一个做营销的人，可能只负责投放。现在借助 AI，他能不能从选题、研究、内容生产，一直做到投放和后面的数据分析？
一个人在组织里的能力半径会越来越大。
想起之前纳瓦尔说的一句话：成为一名创造者，你将不必担心工作、职业和 AI。
是的，什么时候都尽力去创造，去解决问题。别给自己留所谓的垃圾时间。
www.youtube.com
别只拿 AI 问问题，而是要开始真正动手创造，做网站、做 App、做小工具，把自己的想法直接变成产品。
包括他们公司说现在面试候选人，会直接问候选人到底 Build 过什么。
如果候选人之前拿 AI 做过一个网站、App、Skill，或者任何解决自己实际问题的小工具，这种经历都会非常有说服力。
因为这考验的已经不只是会不会用 AI。
现在会用 ChatGPT 问问题，或者 Codex 做个 PPT、数据分析，门槛已经很低了。更进一步的能力是你能不能发现一个问题，把它抽象出来，再借助 AI 把解决方案真的 Build 出来。
这里面其实同时考验了一个人对 AI 的使用能力、抽象能力和创造力。
我最近跟很多朋友聊天，也发现大家招聘时越来越喜欢问一个问题，你的作品是什么？你到底拿 AI Build 过什么？
我觉得所有人确实都应该认真想想这个问题。
以前 Coding 基本还是程序员的专业能力。一个市场人员、招聘人员或者财务人员碰到一个软件需求，正常的处理方式都是提需求，然后找工程师。
但现在这个门槛已经降得非常低了。
一个人拿着 Codex、ChatGPT 这些工具，只要问题足够明确，做一个自己工作里用的小工具，已经没有以前那么难了。
这个变化有点像 Excel 出现之后。
以前很多数据处理工作可能需要程序员参与，后来财务、市场自己打开 Excel 就可以分析数据了。AI Coding 也在发生类似的事情，它正在把过去属于软件工程师的一部分能力，逐渐变成知识工作者的基本能力。
吴恩达说他们团队成员已经在给自己不断的造工具了。
有个运营同事，为了写文章，自己做了一个 Mac 桌面 App。准备写一个选题时，这个 App 会自动爬取网页，寻找相关资料，把相关文章整理出来。然后他可以直接和整个资料库聊天，了解自己正在写的内容和已有资料之间有什么关系。
你看，这已经完全超出了会不会用 ChatGPT。
还有他们的财务团队以前每周要花几个小时打开各种文件、复制数字、检查数据。后来团队自己开始开发自动化程序，可以定期打开文件、读取数据、检查一致性，有异常再提醒相关的人处理。
这背后的逻辑其实非常简单。
以前开发软件太贵了，所以工程师必须集中在专门的工程部门。每个业务部门内部当然都有一堆问题，也都有很多想做的小工具，但一个需求如果只能帮三五个人节省一点时间，根本排不上工程师的开发计划。
现在 Build 的成本降下来之后，这些过去不值得开发的东西突然都可以开发了。
而且最了解这个问题的人，本来就在业务部门。
做招聘的人最知道招聘哪里麻烦，做市场的人最知道自己每天有哪些重复工作，做财务的人也最清楚哪些数据天天需要人工核对。
现在他们第一次有能力自己把这些问题做成工具。
所以我觉得未来每个人在某种程度上都可以成为一个工程师。你不需要成为一个专业程序员，但应该逐渐具备用软件解决自己业务问题的能力。
吴恩达说他们最近还分析了很多的招聘数据，发现越来越多职位描述中开始强调一个词：High Agency，高主动性。
简单说，就是一个人发现问题以后，会自己想办法往前推进，而不是等老板把每一步都拆好，再告诉他接下来干什么。
按部就班的工作，价值感只会越来越低。
有了 AI 的帮助，一个 High Agency 很强的人，确实可以比过去创造更多东西，也可以自己解决更多问题。
优秀的员工会越来越像一个负责自己领域的小创业者。他知道自己的目标是什么，然后自己发现问题，做出判断，缺工具就 Build 工具，最后解决问题。
所以我现在越来越觉得，大家讨论 AI 会不会替代工作，有时候把问题想得太简单了。
吴恩达讲了一个我很认同的框架。
一份工作里面，可能已经有 30% 到 40% 的任务可以交给 AI，但剩下的 60% 到 70% 依然需要人来完成。所以绝大多数职业不会突然消失，真正发生变化的是一个岗位内部的工作内容会重新分配。
最后更现实的结果，还是人和人之间的竞争。
一个人可以把那 30% 到 40% 交给 AI，然后把自己的能力范围继续往外扩。另一个人还按照以前的方法工作，只负责自己原来那一小块，那公司最后更愿意留下谁，其实很好理解。
我一个朋友之前的公司里，Android 和 iOS 加起来有三个人。后来公司觉得人员有些冗余，最后留下一个人，几个端都可以负责。
你说这是不是 AI 导致的？当然和 AI 有关系。
但落实到职场里，它最后呈现出来的还是人与人之间能力范围的差距。一个人借助 AI 可以覆盖过去几个人的工作，另外一个人的工作方式没有变化，公司自然会重新计算这笔账。
我今天还在群里跟大家聊，以前总有人说前端已死，但好像最近已经没人讨论这个问题了。群里有朋友开玩笑说，死人当然不会说话。
我还真去翻了一些前端工程师的简历，发现一个很明显的变化，很多人已经不再把自己局限在纯前端了，而是突出全栈的能力。
吴恩达在播客里也提到了这个现象。过去前端、后端的分工很细，但有了 AI 以后，越来越多开发者开始变成全栈工程师。因为 AI 把跨领域学习和执行的成本降低了，一个人能够覆盖的工作范围自然会扩大。
而且这件事肯定不只发生在程序员身上。
以前一个做营销的人，可能只负责投放。现在借助 AI，他能不能从选题、研究、内容生产，一直做到投放和后面的数据分析？
一个人在组织里的能力半径会越来越大。
想起之前纳瓦尔说的一句话：成为一名创造者，你将不必担心工作、职业和 AI。
是的，什么时候都尽力去创造，去解决问题。别给自己留所谓的垃圾时间。
www.youtube.com
46 525
来自圈子
AI探索站
118397人已经加入