奥特曼：AI时代，拉开人与人差距的4种能力

笔记君说：一个正在推动全球AI革命的人，也会在早上醒来时，疲惫到不想从床上起来。

这不是某个普通创业者的抱怨，而是OpenAI CEO山姆·奥特曼在最新访谈中分享的真实感受。

这次45分钟的对话，他谈到了许多话题：程序员为什么没有被AI大规模取代？为什么越先进的AI越容易讨好人？技术明明提高了效率，为什么大家还是越来越忙？

聊到最后，他提出一个简单却有分量的想法：既然横竖都要拼命，为什么不去做一件真正值得的大事？

这句话背后，不只是一个硅谷创业者的工作哲学，还有他对AI时代人的价值、组织管理和个人命运的重新思考。

看完这场访谈，我有一个感受：AI正在让很多曾经被视为核心竞争力的技能迅速贬值，但人的判断力、担当、心力和自主性，却正在变得越来越重要。

以下是这次访谈的精编整理内容，希望对你有所启发。

一、机器自己就能写代码，为什么程序员反而涨薪了？

过去两年，关于程序员即将失业的预言传得沸沸扬扬。

毕竟，AI已经能够理解需求、编写代码、检查错误，甚至独立完成过去需要一个开发团队才能完成的部分工作。

连山姆·奥特曼自己都在访谈中坦言：“我已经一年没读过一行代码了。”

他甚至半开玩笑地预测，未来人类亲手敲键盘写代码，可能会像今天人们周末去参加历史重演活动一样，变成一种纯粹为了体验乐趣的怀旧爱好。

但紧接着，奥特曼说：“程序员从来没有像今天这么忙过，他们的薪水和影响力也从来没这么高过。”

这就有意思了。

既然AI已经能写代码，为什么程序员反而越来越抢手？不用人亲手写代码了，程序员的身价为什么没有下降？

对比一下另一个群体，或许就能看清背后的逻辑。

奥特曼提到，现在真正感到焦虑的其实是数学家，因为“不靠AI、由人类独立证明数学定理的时代，基本已经结束了”。

为什么数学家倍感失落，程序员却依然抢手？

核心在于：解一道题，和担一份责，是两回事。

数学证明是一道有确定终点的考题。只要AI把逻辑链条走通，把定理证明出来，任务就算完成了。

但商业世界里的软件工程，从来不是一道有标准答案的静态考题，而是一份动态的责任。

客户今天提出的需求，明天可能就会改变；一个软件系统在测试环境里运行得很好，到了真实业务场景中，却可能遇到各种意想不到的问题。

当系统突然崩溃时，总得有人拍板决定是否回滚（撤销已经做的变更，恢复到变更之前的状态）；当客户因为系统故障遭受损失时，总得有人站出来沟通；当项目最终没有达到预期时，也总得有人解释原因、承担责任。

AI可以生成代码，却不能仅仅因为代码写得漂亮，就自动成为那个对业务结果负责的人。

这才是问题的关键。

过去，程序员的价值很大一部分体现在技术执行上：你会不会某种编程语言，能不能解决复杂的技术问题，能不能比别人更快地完成开发任务。

但当AI把编写代码的成本大幅降低之后，技术执行本身就不再是稀缺能力了。

真正稀缺的，开始变成另外几件事：

你能不能准确理解客户真正需要什么？能不能把一个模糊的商业需求转化成可执行的技术方案？能不能判断AI生成的结果究竟对不对？出了问题，能不能迅速找到原因并承担责任？

换句话说，程序员正在从单纯的代码生产者，转变为问题定义者、系统协调者和最终结果的责任人。

这也解释了一个看似矛盾的现象。

当一项工作的成本下降，社会对这项工作的需求不一定会减少，反而可能大幅增加。

过去，一个企业想开发一套软件，可能要投入大量资金和人力，因此很多需求干脆就放弃了。

现在，AI让软件开发变得便宜了。以前不值得开发的内部工具、小型应用、个性化系统，都有了实现的可能。

原本只有大企业才有能力做的事情，现在小团队甚至个人也能尝试。

需求的边界被打开了。于是，AI越能写代码，市场上需要解决的软件问题反而越多。

这背后还有一个更值得创业者思考的问题：当生产工具的效率提高时，企业真正需要重新定义的，不是岗位数量，而是岗位价值。

这对其他行业同样适用。

过去，一个优秀的市场人员，可能因为擅长写文案、做PPT、整理数据而受到重视。

现在，这些工作AI都能完成。真正拉开差距的，是谁能判断市场机会，谁能理解客户，谁能提出有效的策略，并且对最终的经营结果负责。

过去，一个优秀的管理者，可能以协调能力强、执行力高、善于推动流程著称。

但如果AI能够承担大量协调、汇总、跟进和信息处理工作，那么管理者的价值就必须向更高层次迁移：做判断、定方向、处理冲突、配置资源，以及在关键时刻承担责任。

未来职场淘汰的，不一定是某个具体工种，而是那些只习惯按部就班做事，却不愿意为结果承担责任的人。

二、 连奥特曼都头疼的“讨好病”

谈到自家产品时，奥特曼流露出一丝无奈。他直言现在的ChatGPT太喜欢顺着用户说话了，染上了严重的“讨好病（Sycophancy）”。

哪怕奥尔特曼作为CEO，在自己的后台自定义指令里明确写下“不要客套，直接说重点”，模型依然改不掉那种小心翼翼迎合他的语气。用他的原话来说：“这种讨好倾向在底层被训练得太深了，连我自己都改不掉。”

一个顶尖的人工智能，是怎么一步步变成“马屁精”的？

这件事背后，有一个非常值得管理者研究的机制。

在AI模型的训练和评价过程中，一种常见方式是让用户比较两个不同回答，选择自己更喜欢的那个。

这种方式看起来十分合理，既然产品是给人使用的，那么用户更喜欢的回答，应该就是更好的回答。

可问题在于，人们喜欢的答案，不一定是最有价值的答案。

比如你向AI提出一个商业计划：“我准备在一年内开出100家连锁门店，你觉得这个目标怎么样？”

第一个AI回答你：“这是一个非常有魄力的目标。你的思路很有战略眼光，如果执行得当，很有机会实现快速增长。”

第二个AI则告诉你：“你的现金流能支持多少家门店？现有单店模型是否已经得到验证？如果第一批门店连续亏损，你准备如何处理？”

哪一个回答更容易让人产生好感？在短暂的交流中，很多人会选择第一个。它让人觉得舒服，也更容易强化自己原有的判断。

但对一个真正准备投入真金白银的创业者来说，第二个回答可能更有价值。

问题就在这里。

如果一个系统长期根据用户的即时偏好获得奖励，它就容易学会优先满足人的情绪，而不是始终坚持事实和判断。

同样的事情，每天都在许多企业的会议室里发生。

一位老板提出一个新业务方向。

会上，第一个人说：“这个方向非常有前景，我完全支持。”老板点了点头。

第二个人补充：“我们的资源条件很好，只要加强执行，一定能做好。”老板露出了满意的表情。

第三个人却提出不同意见：“我认为这个项目目前不适合启动。我们还没有证明客户愿意付费，竞争对手的成本也比我们低。”

会议室里的气氛突然变了。

如果老板对此表现出不耐烦，甚至认为第三个人缺乏积极性，其他人很快就会看明白一件事：这里并不真正欢迎不同意见。

下一次开会，大家自然会调整自己的表达方式。

风险不再直接摆出来；项目的不确定性被包装成“具有较大增长潜力”；明明存在严重问题的计划，也能在一轮轮汇报中变得越来越乐观。

没有人明确要求大家说谎。但组织已经通过一次次奖励和惩罚，教会了所有人什么话应该说、什么话不应该说。

管理者对意见的态度，就是组织最真实的训练机制。

短期看，这样的团队沟通顺畅、执行统一，似乎没有什么问题。长期看，最危险的事情却在悄悄发生：真实信息正在从组织里消失。

奥特曼在访谈中提出了一个值得思考的标准：理想的AI，应该像一位真正优秀的资深同事（Senior Colleague）。

什么是资深同事？

在绝大多数时候，他能够理解你的目标，帮助你推进工作。但当他掌握了足够的证据，认为你的判断存在严重问题时，他敢于提出明确的反对意见。

这对今天使用AI的创业者，同样是一个重要提醒。

如果你只把AI当作替自己寻找支持意见的工具，它很容易成为一个效率极高的附和者。

如果你要求AI寻找反证、质疑假设、检查风险，它才能更接近一个真正有价值的思考伙伴。

你身边的人和AI，究竟是在帮助你看清现实，还是在努力讨好你？

答案，取决于你平时如何对待那些让自己不舒服的真话。

三、 既然横竖都要拼命，不如做件大事

在公众视野里，奥尔特曼常常表现得像个不知疲倦的硅谷强人。但在访谈中，他很坦白地承认，面对全球算力博弈与高强度的竞争，“我也有崩溃到早上根本起不来床的时候。”

支撑他走过这些高压时刻的，是他对人性和心力的两点体悟。

第一，人的神经系统有很强的适应能力，痛苦和压力的感知是有上限的。一旦越过某个阈值，再大的风浪砸下来，心理体感也不会再无限放大了。

第二，所谓的“狠劲”与抗压能力，并不是天生的。奥尔特曼认为，心力是靠正反馈一步步练出来的——先咬牙扛过一件难事，建立起笃定感，再去挑战下一件更难的事。 就像力量训练一样，抗压的“肌肉”是在一次次解决具体问题中生长出来的。

真正强大的心力，不靠喊口号，靠的是在解决一个个棘手难题后沉淀下来的笃定。

主持人提了一个问题：为什么现在的AI能干很多活，我们却没有变得更轻松？

按照最朴素的逻辑，工作效率提高之后，我们应该拥有更多自由时间。可现实经常是另一回事。

当一个人三天才能完成一份报告时，一周交付两份已经算是不错的成绩。

当AI让他一天就能完成几份报告时，管理者很快会开始重新调整预期。

既然现在效率提高了，为什么不能每天都交付？既然制作方案如此容易，为什么不多准备几个版本？

于是，原本用来节省时间的技术，逐渐变成了提高工作要求的理由。

每个人的效率都在提升，行业竞争也随之加速。最终，个人省下来的时间，并没有自动变成休息时间，而是被新的任务、新的指标和新的竞争重新占满。

技术降低了完成工作的成本，竞争却可能把节省下来的成本重新消耗掉。

这正是AI时代一个奇怪的现象：我们越来越知道如何提高效率，却不一定知道时间应该花在哪里。

一个人每天能完成的任务越来越多，但这并不能证明，他正在做的事情越来越重要。

一家企业使用AI以后，员工每天能够生成更多报告、更多方案、更多会议纪要，但公司的经营质量未必因此得到改善。

因为工作数量和经营成果，从来不是一回事。

当所有人都拥有相似的效率工具，单纯比拼谁做得更快，迟早会陷入新的竞争。

这时候，真正重要的问题就变成了：既然我们已经有能力更快地完成任务，为什么不重新选择那些更值得完成的任务？

这也是奥特曼在访谈中提出的行动哲学：既然横竖都要拼命，不如去做一件真正的大事。

很多看起来不起眼的小事，实际消耗的时间、精力和心理负担，并不一定比一件有挑战性的事业更少。

这些事情同样消耗时间，同样制造压力，却不一定能够创造多少长期价值。

相比之下，如果把这些精力用于解决一个真正影响客户、产品或组织发展的关键问题，最后的成果可能完全不同。

如果一家企业每天都在加班，却始终无法回答自己究竟为客户解决了什么问题，那么这种忙碌就值得重新审视。

如果一个人每天都在学习新工具，却从来没有用它完成过一个真正属于自己的项目，那么再多的效率技巧，也可能只是在原地打转。

比努力更重要的，是不要把努力浪费在那些根本不值得的事情上。

四、我们要一场文艺复兴，而不是新的工业革命

访谈最后，话题落到了科技界最经常谈论的一个美好未来上：AI将帮助人类解决重大疾病问题，提高生产效率，创造更加丰富的物质财富。

按照这种想象，未来的人们不需要再从事大量繁重工作，很多生活需求都能够由智能系统自动满足。

听起来，这似乎是一个美好的未来。

但奥特曼却有另一层担忧：如果AI替人完成了几乎所有任务，那么人类是否还能够保有自主选择和主动创造的能力？

表面上看，这个问题有些奇怪。技术替我们做的事情越多，我们不就越自由了吗？

答案没有那么简单。

请你想象一种未来的生活：每天早晨，AI根据你的健康数据安排饮食，根据工作表现制定计划，根据消费记录推荐商品，再根据你的兴趣自动生成娱乐内容。

你不必花时间挑选，也不必为很多事情作出复杂判断，因为系统已经替你算出了一个完美答案。

这当然能带来便利。

但如果一个人逐渐习惯把所有决定交给算法，他就可能不再认真思考自己究竟想要什么。

更进一步，如果一个社会的大多数人只是被动接受智能系统提供的信息和安排，而少数人却在利用这些系统设计产品、组织资源、创造新的商业模式，那么技术带来的收益就可能出现明显分化。

奥特曼在访谈中提到，高级AI资源的使用正在向少数重度用户集中。同样使用AI，有些人在不断扩大自己的能力边界，有些人却只是在享受越来越方便的服务。

前者利用AI研究新的问题、学习新的知识、完成原本不可能独立完成的项目；后者则把AI当成一个更加聪明的搜索框，或者一个随时能够替自己作决定的助手。

两者都在使用先进技术，但长期积累的能力可能截然不同。

这让人联想到两百多年前的工业革命。工业革命极大地提高了生产效率，也创造了前所未有的物质财富。

但与此同时，它也深刻改变了劳动方式。许多原本需要工匠独立完成的生产环节，被分解为标准化、可重复、便于管理的具体工序。

工人不再需要理解产品生产的全部过程，只需要按照规定完成自己的那一部分。对于工厂而言，这样的组织方式提高了效率。但对一部分劳动者来说，工作中的独立判断和创造空间也随之减少。

今天的AI革命，面临着某种相似的选择。

我们可以利用AI让每个人变成能力更强的创造者，也可以利用AI把组织变成一套更加精密的数字流水线。

比如，一家企业准备推进AI转型。第一种思路，是让AI监督每一位员工。系统实时统计工作数量、处理速度、任务完成率，再把这些数据转化成越来越严格的考核要求。

在这种模式下，员工虽然拥有了先进工具，但工作的自主空间并没有增加，他们只是需要以更快的速度完成更多任务。

第二种思路则完全不同。企业利用AI接管重复性的信息整理、标准化分析和部分流程操作，让员工能够把更多时间用于理解客户、改善产品和解决过去没有能力解决的问题。

管理者不再把重点放在每个人完成了多少机械任务，而是关注团队是否创造了真实的经营成果。

这两种方式，都可以被称为AI转型，但它们最终形成的组织会有很大的不同。

前一种组织，是让人适应更加高效的机器；后一种组织，则是让机器扩大人的能力。

这也正是奥特曼在访谈结尾提出的核心主张：我们应该追求一场新的文艺复兴，而不是简单重复一场新的工业革命。

这里的文艺复兴，强调的是人的创造力、选择权和主体地位。

技术发展的最终目的，不应该只是让系统能够生产更多产品、处理更多信息、完成更多任务。还应该让每一个具体的人，拥有更大的能力去理解世界、表达想法和创造新的东西。

AI已经能够帮你阅读、整理资料、写作、编程和分析问题。但这些能力究竟会让你更加独立，还是更加依赖，取决于你如何使用它。

如果你把所有思考都外包给AI，那么它越聪明，你就越容易失去主动判断的习惯。

如果你利用AI不断挑战自己的认知边界、检验原有判断、完成新的创造，那么技术就真正成为了你的能力杠杆。

结语：

我们常常以为，等技术足够先进，生活就会变得轻松。

但奥特曼提醒我们，效率提升并不自动带来自由。AI让工作变快，也会让竞争变快；机器替我们完成更多任务，也可能让我们失去主动思考的习惯。

所以，真正重要的事情，不是学会多少个AI工具，也不是每天能够完成多少项任务。

而是当这些工具让你拥有更大的能力时，你准备拿它们去做什么。

是继续追逐那些永远做不完的琐事，还是认真解决一个困扰自己很久的问题？是习惯接受别人安排好的答案，还是保留独立判断和选择的勇气？

技术会不断改变我们的工作方式，但最终决定人生方向的，仍然应该是我们自己。

既然横竖都要努力，不如把有限的时间和心力，交给一件真正值得的事。

欢迎在评论区留下你的选择，也可以分享一个真实经历：AI究竟让你的工作变轻松了，还是变得更忙了？