每日自问自答：既然大语言模型的知识储备远大于任何一个人，为什么我们依然无法直接用模型简单的替代纯脑力劳动者？

早在两年前 GPT 3.5 横空出世的时候就有各种媒体鼓吹 AGI（通用人工智能）时代即将到来，AI 将导致十分恐怖的大规模失业，不过现在看来，这个进程还没那么快。

究其根本，没有快速发生这样变革的原因可以归纳到一个核心点：AI 还无法有效的模拟脑力劳动者的“经验积累”的过程。

与体力劳动者不同，脑力劳动者大多需要有一个适应工作的过程，这包括必须理解一些仅在这个工作场所里有效的知识、一些工作流程、与其他脑力劳动者沟通交流、各种禁忌与规范等，如果不了解这些信息是不能胜任这项工作的。现在已经有一些技术方案（例如 Chain Of Thought 和其他类似方案）来为 AI 提供各种规则，一定程度能让 AI 输出符合工作需要的结果，但问题出在人与 AI 的磨合上面。

合格的脑力劳动者会自动的根据现有的公司规则（称作 A），根据自己的理解和其他人的反馈在脑内生成一份新的规则（称作 A’）并不断微调，劳动者实际是根据 A’ 来开展工作而不是原始的 A，而且 A’ 的详尽程度会远高于 A，这个 A’ 就是我们常说的“经验”，不断完善 A’ 的过程就是积累的过程。

纯从技术实现的角度来说，只要用正确的技术，AI 现在已经可以很大程度上模拟这种经验积累的过程，例如不断根据每次输出和其他人的反馈来完善自己内部的规则，这就是 SFT、RLHF 等技术名词背后的思路，但关键问题不在于 AI 的能力，而在于公司的管理者，他们还没有明白怎么将 AI 培养成合格的员工。如果没有人类的主动和持续的干预，AI 当前还没法完全自驱的实现这种经验积累，如何去干预就成了一种面向 AI 的管理能力。

管理 AI 跟管理人的差别非常大，以前管理学所用到的“人治”手段对 AI 是一点都起不了作用，管理 AI 是个技术活，门槛着实有点高。当下对 AI 用的最好人群其实正是程序员群体，各种辅助写代码的工具逐步成为大家的工作伴侣，程序员也知道怎么去制定规则来让 AI 提升输出代码的质量。

不过各位还不会管理 AI 的管理者们也不用担心，当今世界最根本的驱动力还是商业价值，能抓住商机的人才是最不容易被淘汰的人。未来自然会有程序员主动“自掘坟墓”，将管理 AI 这件事情给工具化、傻瓜化，到那天到来的时候管理者就能开除各种脑力劳动者，也包括那些还没有危机感的程序员们。