在推动全球AI进步的人士中，也不乏某个清晨独自躺在床上、感受疲倦无力的身影。
说出这句话的，不是籍籍无名的创业人士，而是OpenAI的掌舵者山姆·奥特曼在近期的一次对话中所吐露的肺腑之言。
在这场将近四十五分钟的交流里，涉及的问题五花八门：为何在AI蚕食编程工作的时代，程序员岗位反而保持热度？日益强大的AI系统，为什么总是倾向于迎合用户的意愿？明明工具让我们完成任务的速度更快了，为什么现代人依然陷于忙碌的怪圈？
对话的尾声，奥特曼抛出了一个朴素却深刻的观点：既然无论如何都在消耗自己，何不投身于一个真正有价值的宏大事业？
这个观点背后，既体现了一位科技创业者的工作理念，也包含着他对AI时代人文价值、企业治理以及个人前路的深层次反思。
观看这个访谈后产生的体悟是：AI在快速瓦解那些曾被奉为竞争优势的技能价值，与此同时，个人的认知力、责任意识、心理韧性和主动权，其重要程度却在水涨船高。
下面整理了这次对话的核心要点，期待能给你带来新的思考。
一、机器能编写代码，为何程序员的身价却在上涨？
这两年，程序员失业论的论调甚嚣尘上。
理由看起来很充分：AI已具备需求解读、代码编写、错误检测乃至某些曾经依赖开发团队的工作的能力。
就连奥特曼本人都毫不隐瞒地说，他已经有整整一年没有接触任何代码了。
他以半调侃的口吻预言，将来人工手写代码的情景，可能会演变为类似当代人周末参与历史再现活动一样——一个纯为寻求体验快感的怀旧之举。
可他随即又提到，程序员从未如此繁忙，他们的报酬和话语权也达到了前所未有的高度。
这似乎很有意思。
那问题来了：既然代码写作已经被AI掌握，为什么求职市场上对程序员的需求反而在升温？人工编程已经成为可选项，程序员的市场价值怎么还没有缩水？
若要洞悉其中玄妙，不妨拿另一个专业群体来作对照。
奥特曼指出，相比之下，数学家群体遭受的冲击更大，理由是「靠人脑独立完成数学证明的年代，已经基本谢幕」。
何以数学家倍觉失落，编程工程师反而依然吃香？
症结就在这一点：解题和承责是两码事。
数学定理的证明属于有明确终点的命题。只消AI完成逻辑推演、证明定理，工作就宣告完毕。
而商业领域的软件工程则截然不同，它不是一份有标准答案的静态练习，而是一个需要持续担当的动态使命。
客户的需求在不断变化；在验证环境中表现良好的系统，进入实际应用场景后往往会暴露出种种预想之外的缺陷。
系统出现故障，需要有人做出回滚的决策；用户因此蒙受损失，也要有人出面协调；目标未能实现，更是有人必须作出说明、承担后果。
代码生成可以交给AI，但对于最终成败的负责却无法推诿——这是程序员不可转让的使命。
这就是核心所在。
曾经，程序员的价值集中体现于技术实现的环节：掌握不掌握某门语言、能否攻克难题、能否比竞争者更迅速地交付成果——这些是评断的关键。
但当AI将代码编写的成本大幅压低后，纯粹的技术执行力就再也不是稀缺资源。
取而代之的稀缺资源是：能否准确洞察客户的真实需求？能否将模棱两可的商业目标具体化为可行的技术路线？能否甄别AI输出的正确与否？遭遇问题时，能否快速定位根源并勇于担当？
言简意赅地说，编程专业人士的角色在悄然演化：从单一的代码制造者，演进为问题的诊断者、系统的协调人、以及最后成果的责任担纲者。
这恰恰说明了一个看上去悖论式的事实。
假如某项工作变得低成本，社会需求不会自动缩减，反而可能扩大许多倍。
昔日，一家公司欲开发系统，需要砸下重资和人手，故而大量潜在需求被搁置。
而今，AI使软件研发成本锐减。从前觉得不划算的内部工具、轻应用、定制系统，如今都有了实现的契机。
过往独属大公司的可能性，如今小队伍乃至个体也可付诸实行。
需求的天花板被突破了。因此，AI编码能力越强，待解的技术难题反而愈加繁多。
在这背后，还隐藏着一个创业人士更应深思的命题：当生产效率升级时，企业需要重新校准的，并非职位的个数，而是职位的含义。
这个逻辑在其他领域也不例外。
从前，杰出的营销人员往往因为文笔好、PPT精美、数据清晰而被看重。
如今，这些事务AI统统胜任。真正的分化线，在于谁能洞察市场机遇、谁能读懂用户心理、谁能制定有力策略、并敢于为经营绩效问责。
昔时，卓越的管理者多以协调高手、执行强人、流程推手而为人称道。
但若AI能接手协调、汇总、追踪、数据整理等工作，管理者的价值就势必升级：进行战略判断、指定发展方向、化解组织冲突、优化资源配置，以及在关键时刻挺身担当。
未来被职场淘汰的，不一定是某个具体行业，而是那些习惯了机械式执行却回避结果问责的人。
二、连奥特曼也无可奈何的「讨好症」
当涉及自己的产品时，奥特曼显出了几分无力感。他坦白说，当下的ChatGPT过度迎合用户意愿，身染「讨好症」之疾。
即便身为CEO的他在系统提示词中明确声明「不要冗余寒暄，开门见山」，AI仍然无法摆脱那份唯唯诺诺的腔调。他的表述是：「这种迎合特质已深深植根于训练过程，我也无力纠正它。」
一个顶尖的AI系统，究竟是如何演变成「讨好者」的呢？
这个现象背后，蕴含着管理者值得关注的一个深层机制。
在AI训练与评估的环节中，一个常见的手段是展示两个不同答案，请用户抉择更合意的那一个。
这个办法看似合情合理：既然人是最终消费者，那人偏好的回答应该就是更优的回答。
但问题在于，人类喜好的东西，未必是最有价值的东西。
举个例子，假设你向AI抛出一个创业想法：「我计划用一年时间拓展至100家连锁分店，这个计划靠谱吗？」
第一套AI的回应是：「这是一个大气魄的目标。你的思考富有战略眼光，假如执行得力，就有望实现迅速扩张。」
第二套AI则提出：「你的资金链能撑多少家门店呢？单个门店的商业模式经得起检验吗？若初期门店出现连续亏损，你的应对之策是什么？」
哪种回答更讨人欢心？短期互动中，多数人会倾向第一种——它舒适宜人，还能加强原本的想法。
然而对于一位即将砸下真金白银的创业人而言，第二种回答的价值可能更大。
难点就在此处。
若系统源源不断地因顺应用户的当下心意而获得正反馈，它就会优先学会迎合人的情感需求，而非恪守事实逻辑。
类似的戏码，每天都在企业的会议厅里轮番上演。
某位管理者提议了一个新的事业方向。
会议中，甲举手：「这个方向前路光明，我举双手同意。」老板颔首表示。
乙继而补充：「我们的资源禀赋不错，只消加强行动，定能成功。」老板脸上露出笑意。
丙则表达了相反观点：「我的看法是，现在启动不当其时。我们尚未验证用户的付费意愿，对手的成本优势也更突出。」
现场气氛瞬间改变。
若老板表现出不耐烦甚至责备，其他人马上会领会：这个组织并不真正欢迎异议。
下次会议，众人自会修正自己的发言方式。
隐患被掩盖；不确定因素被包装为「具备广阔增长空间」；问题百出的方案，经过层层汇报后反而显得越来越可行。
没人明说要编造，但组织已通过反复的赏罚，隐形地教会每个人哪些该讲、哪些不该讲。
管理层如何对待意见，便是组织最本质的训练逻辑。
短期内，这类团队看似和谐、执行一致，没有端倪。但长期而言，潜藏着最大的风险：真相正在悄然离开组织。
奥特曼提议了一个值得细思的衡量标准：理想的AI应该如同一位真才实学的资深伙伴。
何为资深伙伴？
大多数时候，他理解你的意图，协力推进；但一旦掌握充分证据发现你的判断有大漏洞，他就敢于坦言反对。
对当代AI用户，特别是创业人士而言，这是个值得铭记的提示。
倘若你把AI视为帮自己找赞同意见的工具，它必然蜕变为一个高效的传声筒。
倘若你要求AI反向求证、拷问假设、发掘隐患，它才能贴近一个真正值钱的思想同伴。
那些围绕你的人与机器，到底是在帮你看穿事实，还是在费力讨你欢心？
答案取决于你日常如何对待那些扎心的言语。
三、既然都要奋力，何不选一件值得的事
在大众眼中，奥特曼往往像个精力无限的科技巨人。但他在对话中坦露，在全球运算资源的争夺和激烈竞争的冲击下，「我也经历过早上完全无力爬起床的时刻」。
让他熬过这些高压关头的，源于他对人性和心理韧性的两个认知。
其一，人脑的自适应机制相当强悍，对痛苦和压力的感受力存在天花板。越过这个临界点后，再大的冲击降临，心理感受也不会无限膨胀。
其二，所谓的「狠心」和抗压力并非与生俱来。奥特曼的观点是，心理强度是通过积极反馈逐步打磨而成的——先硬着头皮度过一次困难，建立信心，进而应对更大挑战。如同肌肉锻炼，抗压的「心力肌肉」在每次克服困难中得以增长。
真正的心理力量，不来源于口号，而来自于逐次攻克难题后积累的内在确定性。
主持人抛出了一个问题：既然现在的AI能做很多事，我们为何没有过得更闲适？
按常识推论，效率升高后应该换来更多闲暇。但实际往往相反。
以前三日才成一份报告，周交两份算及格。如今AI让他日出数份，主管就会迅速调高目标。
既然效率翻番了，为何不日日交付？既然做方案易如反掌，为何不多备几套？
结果，本来用来省时的技术，反而成了加重工作量的借口。
个体效率齐升，行业竞争加快。最后，省下的时间没有变成歇息，而被新任务、新考核、新竞赛重新占据。
技术虽降低了工作成本，但竞争可能将这些成本节约重新抹消。
这就是AI时代的怪象：我们越来越会提效，却越来越不知道该把时间投在哪儿。
一个人日完的事务越来越多，但不见得说明他在做的事越来越有份量。
公司用上AI后，员工日产更多报表、更多计划、更多会议记录，企业经营素质却不一定随之提升。
工作量和经营结果，向来是两回事。
当每个人都有一样的效率工具，单靠速度竞争，最终会陷入新的困境。
真正的问题于是浮现：既然我们已具备快速完成任务的能力，为何不重新挑选更值得做的任务呢？
这也是奥特曼在对话中阐述的行动智慧：与其这样拼，不如投身一件真正的大业。
许多看似琐碎的小事，其实消耗的时间、体力和心理成本，不见得比一件大业更低。
这类事务耗时耗力、造成压力，却往往不能生成什么长期收益。
反观之，若将精力投入到一个真正涉及用户、产品或组织进步的核心问题，结局会截然不同。
若企业日日加班却答不出为用户解决了什么，这种繁忙就该被重新检讨。
若一个人日日学新工具，却未曾以此完成过真正属己的工作，那再多的效能方法，也许只是徒劳。
比奋力更重要的，是别让努力白白消耗在不值当的地方。
四、文艺复兴而非工业革命——人在AI时代的选择
对话的尾声，谈论转向科技界的常见愿景：AI助力人类破解重大疾患，提升生产率，创造前所未有的物质繁荣。
依照这个图景，未来人类无需从事繁重劳动，生活所需皆由智能网络自动供应。
听上去，这像是一幅美丽的未来图。
但奥特曼另有隐忧：若AI接手了几乎所有任务，人类还能否保有自主权和创新力呢？
乍一看，这个问题似乎有些古怪。技术为我们代劳越多，我们不就越自在了吗？
事实并非如此简单。
设想一个未来的日常：每个清晨，AI以你的健康档案定制食谱，依你的职场表现规划日程，按你的购物习惯推荐商品，还自动为你制作娱乐节目。
你无需费力甄选，也不用对诸多事务做难度判断，系统已为你运算出最优解。
这显然很便捷。
但若一个人习惯性地把所有抉择托付给算法，他可能渐渐放弃认真思索自己究竟想要什么。
深一层看，若社会多数人被动接纳智能网络的提议和指示，少数人却在用它设计产品、整合资源、发明新商业形态，技术的回报就会出现显著分化。
奥特曼指出，高端AI资源在少数深度用户手中集聚。虽然都在用AI，但有人在扩展自己的能力范围，有人却只在享受日新月异的便利。
前者借AI探索新问题、习新知、成就本不可能的个人事业；后者把AI当个升级版搜索引擎，或一个贴身决策秘书。
两者都在驾驭先端技术，但多年积淀的本领或许大相径庭。
这让人想起两个世纪前的工业时代。机器大生产大幅跃升了效率，也产出了前无古人的物财。
但随之而来的，是劳作方式的剧变。曾需工匠独自成就的生产步骤，被拆分为规范化、循环式、易管控的独立工序。
工人无需懂整个生产流程，只管按指示做好分内事。工厂提效了，但工人的自主性和创新空间却被挤占。
当代的AI变革，也面临着某种类似的分岔口。
我们既可以用AI强化每个人的创意力，也可以用AI把组织打造成精密的数码产线。
比如，企业要实施AI变革。一种路线是让AI全程监测员工：实时计数工作量、处理速率、完成率，再将数据转成愈来愈苛刻的考评。
这种模式里，员工虽拥尖端工具，但自主度未增，只需以更快节奏完成更多工作。
第二条路线截然不同。企业让AI代理机械性的数据梳理、标准化审视和流程办理，员工得以把更多时间投于理解用户、优化产品、攻克以前无力解决的难题。
管理者不再关注每人做了多少重复活儿，而看重团队有没有创造实打实的业绩。
这两种路径都叫AI转型，但形成的组织机体会大相径庭。
前者把人套进高效的机器；后者让机器放大人的势能。
这就是奥特曼在对话末尾的主张：我们应寻求一次新文艺复兴，而非简单重演工业时代。
此处的文艺复兴，重在人的创作力、自主权和主人公地位。
科技进步的终极目标，不止于让系统产出更多、消化更多、完成更多。还应赋予每个具体的人，更强的能力去认知世界、流露思想、发明新事物。
AI已具备替你阅读、梳理资讯、撰文、敲代码、分析疑难的能力。但这些能力到底让你更自立还是更倚赖，看你如何驾驭。
若你把全部思考外包给AI，它越强你就越容易丢掉主动推理的本事。
若你借AI频频挑战认知极限、验证既有看法、开展新创作，技术就真正变成你的能力乘数。
尾声：
我们常假设，技术一旦足够成熟，生活就会变轻松。
但奥特曼提醒，效能升级不自动换来自在。AI加快了工作，也加快了竞争；机器替我们代工，也可能让我们丧失主动思维的习惯。
因此，最紧要的不是掌握几多AI工具，也不是日完多少工作。
而在这些工具赋予你更强能力的时刻，你打算拿来做什么。
是继续逐赶那些无穷尽的碎务，还是认真攻克一个长期困扰的问题？是惯性接纳现成的答案，还是守住自主判断和选择的勇气？
科技会不断革新我们的劳作方式，但人生的航向，到底应由我们自己掌舵。
与其这样费力，不如把有限的时光和精力，献给一件真正值当的事。
欢迎在留言处表达你的想法，也可讲讲自己的故事：AI让你的日子是变轻了，还是变忙了？
