记者 | 张司钰
编辑 | 孟佳丽
3月的一个工作日，在广告公司做营销策划的唐希第一次使用，彼时她正为给客户的方案发愁。在对话框里，她尝试性地输入了指令：请写一个关于某某客户的广告营销竞标方案。不到两秒钟，对话的另一端就给出了一个非常详细的方案架构。
“完了，我要失业了。”这是唐希的第一感受。的方案写得非常完善，跟唐希平时思考的几个切入点十分相似，甚至还有补充，那一刻，她觉得自己要被取代了。
和唐希的感受类似，自从2022年11月30日发布以来，许多人对生成式AI所带来的冲击感到焦虑，担心自己的工作被取代。的确，与人类相比，生成式AI可以更高效地处理和分析大量数据，能更快速准确地回答复杂问题，同时，具备很强的自学能力。
从传媒到游戏，从教育到咨询，从广告到建筑，从金融到法律……生成式AI似乎正在重塑职场。
然而，随着人类对生成式AI的了解越深，探索越积极，大家渐渐发现，过了最初的惊艳期，生成式AI离替代人类的工作仍然有很大一段距离。
唐希在和交手过几次之后发现，它列举的方案要点从大方向来讲没有问题，但缺少侧重点和针对性，如果想要获得更细致的方案，唐希需要不断根据自己对客户的理解调试输入的关键词或关键句（），这并不比让她直接做方案来得轻松。
用自己的话来说：“作为AI语言模型，我旨在协助完成设计自然语言处理的任务，比如回答问题、生成文本和分析语言数据。从这个意义上来说，我可能会取代涉及这些任务的工作的某些方面。然而，工作的其他方面仍然需要人类技能，比如创造力、同理心和批判性思维，我无法复制。因此，我更多地将自己视为协助人类工作者的工具，而非取代他们。”
可以看到的是，随着、 AI、、这些生成式AI产品逐渐融入职场，它们成了一种选择、一项工具。
如何更好地利用生成式AI提升工作效率，在未来一段时间内是多数职场人不得不思考的议题。《未来简史》的作者尤瓦尔·赫拉利说过，“人工智能固然很好，但人类必须控制它。也正因为我们面临着使用新技术的不同选项，就更应该理解现在的状况，主动作出决定，而不要等着被决定。”
01
被冲击的职场
过去，我们认为只有体力劳动或是一些重复性事务会被机器替代，但如今生成式AI的出现，已经能在一定程度上胜任人类的某些创造性工作——那些我们一度认为只有人类才能完成的。
具体来讲，已经能根据提示词生成完成度较高的画作；可以写出与真人写作相似的文章，并在诸多知识领域给出清晰且详尽的回答……3月17日发布的一项与宾夕法尼亚大学合作的调研结果显示，以及基于其底层技术构建的未来软件工具可能影响美国约19%的工作岗位中至少50%的任务。
插画师西乔在加拿大从事数字图像创作，她是AI艺术样式参考库lib.KALOS.art的创始人。作为较早一批体验生成式AI的人，她觉得生成式AI给她所在的领域带来了颠覆性的改变，重新定义了她的整个创作流程和方式。
过去，西乔的创作过程可以分为三大部分：草图绘制、完稿和交付前修改，其中，完稿的部分要占掉她60%到70%的时间。而现在，在生成式AI的辅助下，她只需把开源模型部署到电脑上，将草图“喂”给它，就可以大大缩短完稿时间。
生成式AI的进步是惊人的。“以前大家认为在四格漫画中，想保持每一格人物的长相、衣着一致，AI是做不到的，但现在针对这些人物我先画上几批，然后给模型‘喂’个几张到几十张图，输出的结果就有可能保持一致性，当然‘喂’的图越多效果越好。”西乔说。
不过，在享受AI给工作带来的便捷性的同时，西乔也感受到了危机，“有时候我会有种虚无感，AI生成领域的技术迭代太快，一个月不看就会落后很多。尽管我在努力学习和拥抱新技术，未来依然充满变数。”
如果说最早生成式AI的影响还停留在设计领域，那么，凭借强大的语义理解能力，带来的改变辐射到了几乎所有与文本创作相关的工作，成为生产力工具。
对于经常要输出策划方案的营销人而言，的产出效率无人能敌，它的全面性也常常给唐希这样的营销人带来新的思路。过去，唐希在策划一个方案时容易陷入习惯性思维，但使用辅助方案写作时，她发现经常能给她一些预想之外的点子，所以现在她在构思方案时，常会“听听的意见”。
生成式AI使得一些岗位的技能门槛降低了，过去的必备技能不再那么重要，有了人工智能的帮助，半技术或无技术人员也可以完成相应工作。
以金融行业为例，3月15日，发布多模态预训练模型GPT-4，摩根士丹利率先接入，称其财富管理部门将使用GPT-4获取、处理和整合内容。
此前，摩根士丹利维护着一个包含数十万页涵盖投资策略、市场研究和评论以及分析师洞见的信息库，顾问需要浏览大量信息才能找到特定问题的答案。接入GPT-4意味着，哪怕是一个新手顾问，都可以在短时间内找到想要的答案，“这就像当你和客户打电话时我们的首席战略官就坐在你旁边。”摩根士丹利数据与创新主管表示。
对教育领域的从业者同样有意义。王珂是加拿大某高校的一名课程助教，日常工作是每周给学生出题。王珂是个科技迷，很早之前，他就玩过Siri、小冰这些AI聊天机器人，11月刚一发布，他立刻注册了。
带给王珂完全不同的体验，“以前的AI更多像是关键词检索，如果你输入‘为什么某件事不会这样发展’，它往往会回答这件事这样发展的原因，但能很好地理解否定或更深的语义。”
没有以前，王珂出一次作业题要花一个小时，但现在只需要十几分钟，这包括他为了防止学生使用写作业而将题目人为调整到无法回答的程度所花的额外时间，否则出题时间还可以再缩短。
“做助教和做科研不同，本质上这份工作就是为了赚生活费，只要教授觉得题目OK就行，机器出题是很好的方式，既保证了题目的随机性，也提高了效率，效果还很好。”成了王珂日常工作的重要工具。不过这是否也意味着，未来某一天，再也不需要人类助教来给学生出题？
02
要取代人类，还早
人工智能稀释人类工作的现状的确令人焦虑，但这并不等于“宣判死刑”。
对于“会不会被替代”这个问题，在传媒行业工作的王安琪并不担心。她与的协作经历更像是场失败的华尔兹：本想努力靠近，却发现配合艰难。
为了看看能在多大程度上辅助自己的工作，王安琪让它帮自己写一个采访提纲。很快，它交出了答卷。
乍一看王安琪有些震惊——不管完成度还是提问的角度，这些内容与她在实际操作中会思考的方向基本一致。不过再仔细一看，就能发现列出的每个问题之间并没有紧密的逻辑联系，她需要花很多时间修改。“我觉得可能更适合新手记者，比如当他完全不知道怎么写一份采访提纲，或是对某个领域很陌生，借助可以获得一些灵感。但如果你是个老手，或是时间比较紧迫，向它寻求帮助反而有点浪费时间。”
即使多模态预训练大模型的推出使自然语言处理等技术得到飞速发展，现在的模型仍然没有判断力。由于的语料主要来自互联网，它无法判断这些语料的质量，因此互联网上绝大部分人是什么想法，它生成的可能就是类似的想法，对于专业人士来说，这些内容没有太大价值。
万兴科技的招聘负责人孟德明发现，当自己使用做一些涉及组织心理学、个体心理学的检索时，很难判定提供的内容是否有严谨的学术依据，“用它做一些通用事务没有问题，但在专业细分领域里，它会受到数据库和算法的限制。”
王珂也感叹，出题很快，形式多样，但提问的内容有些空泛，对特定领域的问题不够敏感，需要很细节的关键词调教。
高频次使用生成式AI辅助创作的西乔承认，如果想让AI生成的内容都符合自己的要求，是一件耗费精力的事。、这些闭源的商业服务用起来方便省事，但可控性以及生成结果的多样性较弱，使用者能定制化生产的内容较少。
另一方面，数据安全问题也是不少职场人担心的，毕竟，官网公布的隐私政策没有提及欧盟《一般数据保护条例》这类法规，在“使用数据”条款里，承认会收集用户使用服务时输入的数据，但未对数据的用途作进一步说明。微软CTO办公室的一名高级工程师曾提醒员工，不要将敏感数据发送给终端，因为可能会将其用于未来模型的训练。
林锦是一位交通数据分析师，坐标华盛顿，主要工作是分析高速交通流量并撰写报告。她每天都会打开，但只是用它改一改报告中的语法错误。“GPT3.5时代的无法实时更新，没法得到最新的交通路况数据；此外，公司要处理的数据需保密，只能给公司内部使用，不可以上传，所以我们没有用做分析的可能。公司也从来没有提过这件事。”
在北京一所研究院工作的吕天逸也表达了相似的顾虑。自2月注册账号以来，吕天逸几乎每周都会打开和它玩梗闲聊，甚至用它写了自己的党支书述职报告。但涉及到工作中的政策类报告写作，尽管公司没有明文规定，但她不敢将可能涉密的信息上传——即便她知道能帮自己节省近一半的写作时间。
根据《一般数据保护条例》第17条，个人有权要求删除其个人数据，即“被遗忘权”或“删除权”，“被遗忘权”在信息不准确或具有误导性的情况下尤为重要，但深度神经网络是否可以“忘记”用于训练自己的数据？个人又是否有权利要求公司从模型中完全删除数据？删除某些敏感数据是否意味着公司需要重新训练花费高昂的模型？目前，对于此类模型调用服务是否适用“合理使用”条款，这些问题仍存在争议。
除此以外，尚未解决的版权问题也是的阿喀琉斯之踵。目前生成式AI的立法普遍滞后，并且现有的相关版权法律也存在模糊、不可适用的空间。比如依照中国《著作权法》的相关解释，一个作品的作者要么属于自然人，要么属于法人或非法人组织，但AI不属于这几类任何一种。根据现行法律解释，使用AI创作作品的人、AI程序的开发人员以及所在公司或组织能否被认为是作者，也是悬而未决的问题。
去年11月，新西兰、英国制定了赋予AI艺术生成器开发人员版权的法律。其中，英国的版权法规定，生成文学作品、舞蹈、音乐或视觉艺术的AI程序开发人员是合法创作者和版权所有者。
在今年3月16日美国政府发布的联邦公告中，美国版权局规定：AI自动生成的作品将不受版权法保护。作者在申请视觉、文本作品的版权时，需明确指出哪部分由AI机器人完成、哪部分由人类完成，如果机器人完成的部分超出最大限制，将不应该放在作品中申请版权。
即时设计联合创始人周凝告诉《第一财经》，即使一些平台主张版权归自己所有，这种宣称也未必合法。但同样，如果AI生成的图片与某些人类作品极为相似，那么把它用于商业用途不一定没有侵权风险。“这是一片争议地带，各方起诉都有胜诉概率。”
03
被催生的人才需求
人工智能尚存在局限性，但技术的进步将不可避免地导致某些岗位的人员稀释或消失，同时，新的工作岗位将会产生。伴随生成式AI的火爆，与模型训练相关的提示词工程师（ ）成为时下的热门岗位。
，直译为“提示”或“驱使”，在机器学习和自然语言处理中，它通常以文本的形式被输入到训练好的模型中，使其执行任务、输出内容。比如让用海明威的口吻创作科幻小说，或是让画一只蓝色雀鸟，这都是在输入提示词。提示词越精准，AI生成的内容就越完善。找到恰当的提示词，引导AI根据自己的要求生成内容，就是提示词工程师的关键任务。
数据科学家Riley 与美国人工智能公司Scale AI最先开了这个头。本来，只是一名业务分析师、机器学习工程师，但在GPT-3发布之后，他发现自己可以通过不断引导使GPT-3生成事实准确的文本。
比如当他询问GPT-3“哪支球队在贾斯汀·比伯出生的那年赢得了超级碗”，GPT-3给了错误的回答，但当他让GPT-3逐个回答“绿湾包装工队在哪一年赢过超级碗”“贾斯汀·比伯出生在哪一年”“这一年哪支队伍赢了超级碗”时，GPT-3给了他正确的答案。
通过熟练玩转的提示词，收到Scale AI的正式offer，并成为全网第一个提示词工程师。随后，美国另一家人工智能初创公司也发布了一则招聘启事，寻找具有AI/ML、数据科学和自然语言处理、医疗保健研究与运营等经验的提示词工程师。英国一家律师事务所 de Reya也发布了GPT法律提示词工程师的招聘需求，通过开发提示语或评估和改进现有的提示语以确保其有效，以此来帮助律师更好地使用AI。
针对这个新兴职位， CEO Sam 在上发文，他将为“聊天机器人编写好的提示词”称作“一项非常高杠杆的技能”。据《华盛顿邮报》报道，提示词工程师这一职位的年薪达33.5万美元。在上，一份关于成为提示词工程师的指南如今有1.43万个star。
不过，在同样使用提示词训练模型的西乔看来，随着模型的更新换代，无论是图像生成还是文本生成，提示词工程师会变得越来越不重要，模型的进化会弥补提示词的不足，换言之，即使输入一个没那么准确的提示词，也能获得不错的生成结果。
“在图片生成领域，以前对模型的控制主要采用提供一段文字或一张初始图片，模型根据文字或图片生成结果，但现在有了、Fine-Tune这些新的控制方法，你可以通过条件引导来更准确地控制生成结果，或者给模型做针对性的小成本定制，模型越变越成熟，人控制它的方式也从提供单纯的文本变得更多样。”西乔解释道。
Meta首席人工智能科学家Yann LeCun曾预判，提示技术的存在只能表明大型语言模型对自然语言的理解还不够充分，大型语言模型需要提示词只是一个临时态，随着大型语言模型技术的革新，提示词工程师就会失去存在的价值。
实际上，大型语言模型从未停止优化提示技术。今年2月28日，专为大型语言模型、大型模型和LMOps设计的提示词优化器发布，该优化器可以在10秒内自动优化用户输入给、DALL·E 2、 、的提示词。自发布以来，已有1.68万名用户使用，优化了4.32万个提示词。
的技术产品总监郑屹州认为，提示技术应该作为一项技能，而不该成为一个岗位。公司招聘提示词工程师时，需要的往往是懂一定的AI技术，并擅长与AI交互的人。英国律所首席战略官Nick West在接受采访时提到，“GPT-3和其他生成式AI模型将产生深远影响，我们希望确保在如何使用该技术方面引入更多专业人士，以便站在使用这些工具的最前沿。”
生成式AI会催生哪些新岗位暂时还有待观察，不过人工智能人才需求倒是因为这波浪潮高涨起来。根据猎聘统计，人工智能新发职位在2020年之后处于总体上升的态势——2022年第四季度的职位数是2018年第一季度的2.74倍。
CGL深圳前沿科技组合伙人梁弘进做了7年技术领域猎头，他的主要任务就是帮助公司从海外高校或大型技术公司挖人。据梁弘进观察，2022年上半年是人工智能领域的人才需求洼地，但因为验证了大型语言模型的可行性，现在算法、AI平台架构领域的中高端人才已经供不应求。“曾经在2020年，顶级的AI科学家很难找到合适的机会，他们薪资太高了，但现在这些人很抢手，我每周都会接触两三个。”
据梁弘进介绍，目前的人才需求并不是针对基于模型做开发的那群人，而是针对那些懂模型原理、能从底层重新设计一个模型出来的人，以及懂得如何在GPU上写低功耗跑算法、帮助平台落地的人。“他们直接就能跟公司CEO聊，多高站位都行，哪怕要求在海外建团队也无所谓。”目前，人才市场对于一个顶级模型团队的负责人，总包加股票年薪可以开到500万到1000万元出头。即使是一个小团队的负责人，如果能让公司跟上生成式AI的潮流，也能拿300多万元。
据猎聘大数据统计，近一年算法工程师新发职位占比7.26%，招聘平均年薪达到46.4万元。此外，智能网联工程师、图像算法、机器视觉、深度学习、自然语言处理等职能的排名也在提升，招聘平均年薪都超过39万元。
计算机算法是人工智能的核心基础，算法工程师也成为公司之间争抢的对象。由于市场总量少，想要招到这批稀缺人才并不容易。
“应届生也可以，因为这批人太缺了。”对于孟德明所在的布局生成式AI的万兴科技而言，目前图文与视频方向的算法工程师是热招岗位，以外，生成式AI相关的产品经理也很需要。在孟德明的计划里，今年整体招聘上应该还会有15%左右的净增，现在还有较多空缺。
04
人机共生的未来
机器的能力如此惊人，当人工智能抵达技术奇点，我们似乎很难找到一处可以借力自己经验生活的“高地”。目前，重复性高且门槛较低的工作，比如通用的音乐配乐、简单的卡通头像定制、初级营销文案写作，这些岗位看起来随时可能被替代。
不过，过去几年中，层出不穷的机器学习、自然语言处理或视觉图像识别技术突破又恰恰证明了人类可以在自己的强项上加倍投入，变得比机器更强。人工智能专家乔安娜·布莱森（ J.）就曾坚称，人工智能只是“另外一种人工制品”，人类从能人时期就开始使用工具，人工智能仅仅是一种最新的工具而已。
孟德明认为，新一代量子计算机出现之前，更多是一个生产力工具，它不会彻底颠覆我们的工作。他鼓励公司员工分享使用体验，也会定期组织教学。“已经有基础的写代码和写文章的能力，能在一定程度上帮助我们提升工作效率。作为职场人，我们要习惯拥抱一个新的工具，就像Excel可以替代算盘，与其抱着算盘不放，不如让更好用的工具帮你发挥更大的价值。”
在最新发表的研究里提到，GPT对人际交往、手工操作、安全监管等相关的职业影响较少，但对语言（作家、编辑、律师、翻译）、数据（分析师、会计、统计师）、创意（设计师、艺术家、音乐家）等行业的影响是显著的，不过这种影响并不一定意味着就业机会或工资水平会下降，更有可能是导致职业结构、工作内容、技能需求等方面发生变化。
“人机共生”是必然的趋势。当机器可以快速搞定大量重复性工作时，现代人的核心价值将更深刻地体现在提出需求和做出决策上。AI的辅助让人类得以把时间花在更高阶的工作上。
3月17日，微软宣布将GPT-4全面接入，取名 365 ，新产品将帮助用户更快更巧妙地用好办公软件，同时，通过接入邮件、联系人、在线会议、日历、工作群聊等信息数据，成为用户工作时的智能助手。此外，也宣布将生成式AI集成到Gmail邮箱和 Docs中。
微软CEO萨蒂亚·纳德拉在发布会上表示，今天我们进入人机交互的新时代，将重新发明生产力。
你准备好了吗？
（应采访对象要求，唐希、王珂、王安琪、林锦、吕天逸为化名）
相关文章
