Hầu hết mọi người đều đánh giá thấp thời gian công việc kiến thức cao cấp sẽ tồn tại.

Họ thấy AI nghiền nát các nhiệm vụ trung cấp và cho rằng đường cong tiếp tục tăng đều đặn.

Sẽ không.

Bởi vì “nhiệm vụ khó hơn” không chỉ là những nhiệm vụ cần nhiều IQ hơn.

AI đã rất xuất sắc trong:

1. Phân tích mẫu
2. Truy xuất
3. Tổng hợp cấp một
4. Trôi chảy
5. Tốc độ

Điều này xóa sổ hàng loạt công việc cấp dưới và trung cấp.

Bất cứ thứ gì trông giống như “chuyển đổi đầu vào thành đầu ra” đều trở nên rẻ, nhanh và phong phú.

Nhưng công việc kiến thức cao cấp hoạt động trong một chế độ khác.

Nó không phải là “sản xuất câu trả lời.”
Mà là “quyết định bước tiếp theo.”

Ở cấp cao nhất, công việc không còn là thực thi nữa mà trở thành ra quyết định trong điều kiện không chắc chắn - mục tiêu không rõ ràng, dữ liệu không đầy đủ, vòng phản hồi chậm, và sai lầm thì đắt đỏ.

Những gì chúng ta gọi là “phán đoán” không phải là điều huyền bí.

Nó là một tập hợp các hoạt động cụ thể mà con người thực hiện, ngầm định, mà các hệ thống hiện tại vẫn gặp khó khăn để làm một cách đáng tin cậy mà không cần khung hỗ trợ nặng nề:

1. Xây dựng mục tiêu —
Biến các mục tiêu mơ hồ thành các mục tiêu có thể kiểm tra được (“chúng ta đang tối ưu hóa cho điều gì?”)

2. Mô hình nguyên nhân —
Phân biệt giữa tương quan và các công cụ
(“điều gì thay đổi điều gì?”)

3. Giá trị của thông tin —
Quyết định không học cái gì vì quá chậm hoặc quá đắt

4. Suy nghĩ về giới hạn sai số —
Hoạt động trên phạm vi, không phải dự đoán điểm
(“tôi có thể sai bao nhiêu?”)

5. Phân tích khả năng đảo ngược —
Chọn các hành động bạn có thể phục hồi nếu sai

6. Thực tế về động lực —
Mô hình cách mọi người và tổ chức phản ứng, chứ không phải cách họ nên phản ứng

7. Thời điểm và trình tự —
Chọn thứ tự các bước để không thu gọn khả năng lựa chọn quá sớm

8. Trách nhiệm giải trình —
Chịu trách nhiệm về hậu quả phía sau, không chỉ là đầu ra

Đây là lý do tại sao bạn có thể nhận được “kết quả tuyệt vời từ AI” nhưng vẫn thất bại trong thế giới thực.

Các mô hình vẫn có thể trôi chảy trong khi bỏ lỡ các ràng buộc ẩn.

Chúng có thể thuyết phục trong khi tối ưu hóa mục tiêu sai.

Chúng có thể tự tin trong khi tình hình đòi hỏi sự do dự có điều chỉnh.

Chắc chắn, công cụ giúp ích. Bộ nhớ giúp ích. Quy trình đa tác nhân giảm thiểu sai lầm ngớ ngẩn.

Nhưng chúng không giải quyết vấn đề cốt lõi: lấy một thế giới lộn xộn, chọn khung nhìn, và cam kết theo một con đường khi dữ liệu sẽ không bao giờ đầy đủ.

Vì vậy, kết quả không phải là thay thế hàng loạt trên toàn bộ thang đo.

Nó là thang đo bị gãy ở giữa.

> Phần dưới trở thành sản phẩm hàng hóa được hỗ trợ bởi AI.

> Phần giữa bị rỗng ruột vì chủ yếu là chuyển đổi và xử lý luồng.

> Phần trên trở nên có giá trị hơn vì nó đặt ra mục tiêu, quản lý rủi ro, và phân bổ sự chú ý trong điều kiện không chắc chắn.

AI sẽ không loại bỏ phán đoán cao cấp.

Nó sẽ làm mọi thứ xung quanh phán đoán rẻ hơn - vì vậy nút thắt cổ chai, và giá trị, sẽ tập trung hơn nữa tại điểm ra quyết định.