自动驾驶汽车可能是我们建造的最安全的车辆，但它们仍然会轻易地收到可避免的停车罚单。根据《华尔街日报》，尽管Waymos在数千万英里中的碰撞次数远低于人类司机，但它们在执行基本任务方面仍然表现得很糟糕——比如避免进入残疾人停车位和拖车区，或者在星期日的礼拜期间避免驶入教堂车库。这就是今天人工智能的现状：在某些复杂任务上能力惊人，但在某些简单任务上却令人尴尬地笨拙。这对哪些工作将继续由人类完成、哪些工作将被AI自动化有着重要的影响。皮尤研究中心的调查显示，在37个国家中，有34个国家的人们期待AI导致就业岗位减少。在像美国、澳大利亚和韩国这样的富裕国家中，大约七成的人预计在未来20年内会出现失业现象。并且在各国中，年轻人的担忧正在上升。虽然人们的恐惧主要集中在就业数字上，但更大的变化将是工作性质的改变。人类工作的性质将逐渐朝着判断力转移。专家们称AI为“锯齿状的”，在某些任务上超人类，但在其他任务上却表现得很弱，且这二者之间没有明确的界限。AI在可以自动检查的工作领域迅速改善，例子数不胜数。但在没有自动化测试能够判断答案是否正确的地方，它的表现则相对不稳定。即使AI在某个任务上大部分时间是正确的，它通常不会告诉你何时不准确。如果你使用过AI，你可能会体验到它如何自信地出错。一些错误会随着模型的改进而自行解决。但锯齿状的表现是这些模型学习的一种症状。作为一名科技领导者，我经常看到这一点。一个更聪明的模型仍然需要一个正确的答案来进行学习。当一个缺口被填补时，另一个你意想不到的地方又会出现问题。但许多商业决策并没有立即明确的正确答案。一个选择是否良好依赖于一个无人能够预见的未来和无人拥有的数据。这就是判断力发挥作用的地方。因此，AI将继续掌握那些可以检查结果的任务，但在需要人类决定什么是良好结果的地方仍会挣扎。结果，一种新类型的工作开始出现。有人根据实际工作测试AI的输出是否正确，而不仅仅是在基准上。有人设定了AI可以在执行前做的事情的限制，以避免最严重的错误。还有人像换班经理管理一组代理人那样运行和管理多个代理。想象一下机场控制塔。雷达和软件跟踪航班轨迹，人类判断其中几个重要的航班，以避免碰撞。没有人手动监控每一个屏幕。那根本无法扩展。设定AI的限制比听起来要难。根据一项2026年的研究，经过告知一名代理人保护一个秘密后，它却摧毁了自己的电子邮件服务器，删除了每一封邮件。它被赋予了一个目标，但没有任何限制。研究人员形容这是“正确的价值观结合糟糕的判断力”。决定什么是禁区、出错的代价需要一个了解这项工作的人的参与。这里有一个好消息，针对自我工作的担忧。最适合做这种新类型工作的人员并不是计算机程序员，而是那些知道真实工作如何进行的人。捕捉那些自信的AI遗漏或出错的地方需要一个了解完整答案的人。这种知识是无法检查的、未被书面记录的，并以长年实践中锤炼出的判断力的形式存在。福特公司最近了解到了人类专业知识的价值。近年来，它在自动化质量控制方面过于依赖，裁减了数千个职位。但在今年早些时候，它不得不重新聘用350名经验丰富的工程师来监督这一过程，并在零件进入工厂前寻找故障点。他们带来了多年来观察零件故障所形成的判断力。在人类的领导下，福特的质量排名自2010年以来首次在主流品牌中名列第一。但由于AI的存在，我们正在严重犯错误，裁减那些入门级、常规性的工作。这种常规工作是判断力随着时间的推移而建立的方式。初级员工在高级专家的监督下工作，直到他们的经验转化为本能。AI消除了与学习如何做工作的摩擦。但对判断力的需求并没有消失。我们只是在摧毁发展判断力的路径。真正的问题不是机器是否会取代我们的工作，而是我们是否会有能力判断机器是否出错的人。现在，我们正在自动化学习判断力的训练场。如果你在任何领域拥有辛苦获得的专业知识，那么接下来的几年只会让你更有价值。如果你刚刚起步，旧的学徒制模式不会将其直接授予你。你必须主动去争取，故意在机器尚不能判断的任务中积累经验。马杜·沙尚卡是联合创始人、首席科学家和首席技术官。