最近我发现一个有趣的问题。
过去几年，所有人都在讨论：
AI会不会取代程序员？
但很少有人讨论另一个问题：
如果AI越来越贵，那么低价值工作到底谁来干？
这个问题看起来不起眼。
却可能决定未来十年的组织形态。
工业时代的重大发明
工业时代最重要的发明之一，并不是蒸汽机。
而是分工。
CEO负责决策。
管理层负责协调。
员工负责执行。
实习生负责杂务。
没有人会让年薪百万的高管去整理会议记录。
也没有人会让首席架构师去复制粘贴Excel。
原因很简单：
资源是有成本的。
进入AI时代之后。
很多人开始犯同样的错误。
- 写战略让AI做。
- 写代码让AI做。
- 改标题让AI做。
- 整理Markdown还是让AI做。
- 转JSON让AI做。
- 甚至连排版都让AI做。
于是出现了一个荒诞的现象：
最昂贵的智能资源，开始承担最廉价的劳动。
前段时间，我原本计划使用编程Agent帮助我完成 新系统 的上线工作。
后来我仔细算了一笔账。
突然发现不太对劲。
因为很多内容其实已经存在。
课程框架已经完成。
案例已经完成。
知识体系已经完成。
真正需要完成的工作，不过是：
- 调整结构
- 统一格式
- 内容归类
- 数据转换
这些事情当然可以让Agent完成。
问题是。
它们消耗的，却是最昂贵的推理资源。
这就像请一位顶级建筑师来帮你整理工具箱。
他当然能够整理得很好。
但这显然不是合理的资源配置方式。
那一刻我意识到。
问题从来不是AI太贵。
问题是：
我们还没有学会如何管理AI。
未来的竞争
很多人以为未来的竞争是：
谁拥有最强大的模型。
谁拥有最多的Agent。
谁拥有最长的上下文。
我越来越觉得不是。
未来真正的竞争优势，很可能来自另一种能力：
如何为不同的工作，匹配不同成本的智能资源。
工业时代讲究分工。
AI时代同样如此。
未来最有效率的人，并不是拥有最强AI的人。
而是最懂得分配工作的人。
AI时代的执行体系
我把AI时代的执行体系简单分成五层。
第一层：战略层
负责回答：
- 做什么？
- 为什么做？
- 是否值得做？
这一层属于人。
至少在可预见的未来如此。
因为战略本质上是价值判断。
而不是信息处理。
第二层：架构层
负责回答：
- 如何设计？
- 如何实现？
- 如何优化？
这一层适合最强大的AI。
因为这里最需要推理能力。
也是最容易创造巨大价值的地方。
第三层：执行层
负责：
- 分类
- 摘要
- 翻译
- 改写
- 提取信息
这里不需要顶级模型。
只需要足够好的模型。
第四层：流水线层
负责：
- Markdown转换
- JSON转换
- 文件处理
- 批量操作
这里甚至不需要AI。
脚本就足够了。
第五层：自动化层
负责：
- 自动同步
- 自动归档
- 自动发布
- 自动通知
这里属于系统。
而不是智能。
当我把工作拆开之后。
突然发现很多所谓的AI需求，其实根本不需要AI。
需要的只是自动化。
很多所谓的智能任务，其实也不需要最强模型。
需要的只是足够好的模型。
谁会被AI取代？
于是问题发生了变化。
过去我们问：
谁会被AI取代？
未来我们更应该问：
哪一层工作应该交给哪一种资源？
很多人期待着一种未来：
AI越来越贵。
企业最终发现还是雇人更划算。
于是大量岗位重新回归。
我并不认为事情会这样发展。
因为企业从来不会为了保留岗位而保留岗位。
企业只会寻找成本最低、效率最高的执行方式。
低价值工作不会消失
预测很简短：
低价值工作不会消失。
它只会不断向更便宜的执行层迁移。
从员工迁移到AI。
从AI迁移到脚本。
从脚本迁移到自动化系统。
工业时代最大的浪费，是让CEO去搬货。
AI时代最大的浪费，是让最昂贵的智能去做最廉价的工作。
很多人以为AI时代最大的挑战是技术。
我越来越觉得不是。
真正的挑战是组织。
因为未来的竞争，很可能不再是一个人对抗另一个人。
而是一个人带着一支AI团队，对抗另一个人带着一支AI团队。
而钢铁主权的本质，从来不是拥有最强大的AI。
而是拥有对整个智能生产体系的调度权。