软件工程、设计、PM 都在变，AI机会藏在无聊行业丨Silicon Valley Girl
输入“/”快速插入内容
软件工程、设计、PM 都在变，AI机会藏在无聊行业丨Silicon Valley Girl
软件工程、设计、PM 都在变，AI机会藏在无聊行业丨Silicon Valley Girl
用户4242用户42428月1日修改
原创 Capihom Capihom 晚点再听LaterCast2026年8月1日 20:30 北京
每天挑选一期硅谷AI科技值得关注的播客，让你与前沿同频。如果你现在没空可以收藏进 ，在通勤、走路或做家务时一篇篇轻松听完
"未来四五年，岗位错位会开始大规模发生。"
"如果用同样资源能做三倍，我们就做三倍。这不会成为裁员理由。"
"别往所有人都去的地方跑，去找最空的赛道。"
Sal Khan 创办的 Khan Academy 每年有约 1 亿人学习，也较早把 AI 导师 Khanmigo 带进课堂。他长期以乐观著称，上一部书还在讨论 AI 如何改善教育，新书的名字却变成了《Job Shock》。这次转向来自他最近看到的：菲律宾一家呼叫中心已经用生成式 AI 自动化了 80% 的岗位，软件工程、设计和产品管理也在快速改变。
对于“哪些工作绝对安全”，他拒绝给出一个轻松答案。他讲了 Khan Academy 怎样花钱买 AI、怎样向员工承诺不因效率提升裁员，也谈到一套最高 1 万美元的新学位。对职场人和创业者来说，这些细节比宏观预测有用：岗位会怎样变，AI 成本怎么算，人该把力气花在哪里，都已经有了可以观察的现场。
岗位冲击先在呼叫中心和驾驶行业出现
几个月前，Khan 去见一位做投资的大学好友。去办公室的路上，他看到 Waymo 在街上行驶，还在感叹自己像住在未来；到了以后，对方告诉他，一家被投企业的菲律宾呼叫中心已经自动化了 80% 的人力，受影响的规模可能有数百人甚至数千人。菲律宾约有 5% 到 7% 的 GDP 与业务流程外包有关，其中很大一部分就是呼叫中心。
"未来四五年，岗位错位会开始大规模发生。"
Waymo 让交通更安全、更方便，Khan 自己也喜欢这项技术，但他的叔叔正在新奥尔良开 Uber。驾驶是全球男性从业人数最多的工作之一，网约车又常常是一个人能找到的最后选择，这条退路消失后，社会需要很快回答如何再培训的问题。Khan 的投资人朋友甚至考虑拿出基金利润的 1% 做职业转型，说明企业已经开始为冲击预留成本。他对全民基本收入持保留态度，更倾向于让每个人保有可以贡献、也被社会需要的工作。 Khan 不接受“工业革命最终创造了更多岗位”这种省略过程的安慰，因为产业切换中也发生过战争、政治极化和漫长失业。
效率提高三倍，不等于裁掉三分之二
Khan Academy 有约 350 名员工，其中三分之二从事工程、设计或产品工作。公司不断要求团队多用 AI，Anthropic 的使用报告又显示他们处在积极采用工具的组织前列。员工自然会问：如果每个人的效率提高三倍，公司会不会裁掉三分之二的人？Khan 的回答很明确，这个非营利组织只有一所大型高中的预算，要做的事却多得多，效率增加会被用来扩大服务。
"如果用同样资源能做三倍，我们就做三倍。这不会成为裁员理由。"
资金不足仍可能迫使机构缩减团队，AI 本身不会触发这件事。Khan 甚至告诉员工，如果一个人能把现有工作完全自动化，公司会给他更好的岗位和更高的薪水。他也坦白承认，自己无法确定所有科技岗位是否都能平稳转型。承诺的另一面是学习新工具和适应变化已经写进职业评价标准，因为软件工程、设计和产品管理的边界正在重新组合。 岗位名称可能消失，愿意更新工作方式的人会被移到更有价值的位置，拒绝改变的人则面临更高风险。
120 万美元 AI 账单，要和产出一起看
Khan Academy 的 Anthropic 年度账单已经跑到约 120 万美元，而且还在增长，主要由约 200 名工程师使用。投入最深的人会同时运行五到十个智能体，让它们写代码、审查代码。Anthropic 还告诉 Khan，他们是代码审查智能体用量最高的组织之一。成本快速上涨时，管理者很容易只盯着账单，却看不到原来需要多少工程师、多少月才能换来同一份产出。
"有人一天花了 3000 美元，却在几小时里完成了过去三四个月的工作。"
CTO 发现一名工程师一天烧掉 3000 美元算力时，Khan 第一反应也是震惊。了解产出后，他让工程师继续花，因为几小时换回了三四个月的开发工作。他给团队定的账很朴素：每年花 100 万到 300 万美元 token，如果做出了过去需要 2000 万到 3000 万美元才能完成的产品，投入就合理。查餐厅这类日常任务则不用 Opus，Gemini 或 ChatGPT 已经够用。
一天做出原型，产品计划也要跟着改变
几个月前，一名工程师在黑客松上用一天写出一个新功能，周末继续接入真实数据，随后找设计师做了调整。过去这项功能可能要排到下一个学年，团队最后只用约一个月就上线。AI 把试错成本压低以后，产品流程也发生变化：很多想法可以先做出来，再用真实用户验证。
"与两三年前相比，整个组织至少快了 50%，也许快了 100%。"
Khan 说这还是体感数据，但一个两三百人的组织重新接近了早期二三十人团队的速度。关键权限仍留在人手里，由员工承担最后责任。公司刚批准 AI 访问 Slack、Gmail 和文档，AI 可以替他找出遗漏事项、起草回复。涉及发送邮件和发布社交内容时，员工仍要逐条确认。以前约有 20% 到 30% 的请求会从他的注意力里漏掉，智能体如今像一名随时检查收件箱的幕僚，把这些事情重新捞回来。 高风险功能继续先验证，低风险原型则尽快放到用户面前，两种工作不能共用同一套节奏。
学生交了论文，学校开始用口试核对能力
Caltech 招生负责人告诉 Khan，申请材料里的研究论文越来越难判断是否由学生本人完成。学校已经用 AI 把学生带进口试，再通过追问检查他是否真的理解论文。三年前，这还只是 Khan 对教育评估的设想；现在它已经进入顶尖大学招生这种高风险场景。作品仍然重要，单独提交作品却不再足以说明能力。
"第一版 AI 只会等着被提问，很多学生根本不知道该问什么。"
Khanmigo 进入课堂后也暴露出同样的问题。被动等待指令的 AI 对主动学生很有用，许多孩子却不知道如何发起一次有效对话，工具因此停在屏幕上。新版正在改成更主动的导师，根据学习状态鼓励学生练习，同时让教师留在流程里查看进展。 教育产品不能只提供一个聪明聊天框，还要设计动机、练习和教师介入的时机。
最高 1 万美元的新学位，先训练真实工作
Khan 正与 TED、ETS 推出 Constellation Institute，目前正在申请认证，计划提供本科和硕士项目。消息公布后的两三周内，已有约 3000 人表达兴趣，其中很多人已经拥有本科甚至硕士学位。他们回来读书的原因很现实：原来的资格正在贬值，需要重新说明自己能在 AI 工作环境里做什么。
"整个学位最多收 1 万美元，而且未必需要四年读完。"
课程仍包含历史、统计等基础知识，大部分训练会放进线上小组模拟。四小时内，学生要做出产品原型、接触客户并完成商业计划，其他成员再根据协作过程互评。McKinsey、Bain、Google、Microsoft、Replit 和 Accenture 参与设计，帮助学校理解明年的工作会长什么样。企业此时还无法承诺两年后一定录用多少毕业生，但它们会参与设计面试和项目，让训练尽量贴近届时的岗位。主持人原本以为四年总价是 4 万美元，Khan 纠正说 1 万美元是整个学位的上限，团队实际希望还能更低。按能力推进的学生可能两年完成学位，既省下学费，也能多出两年进入职场获得收入。
耐久能力要用工作证据来评估
ETS 的框架关注沟通、协作、创造力、批判性思维和领导力。评估会直接查看会议录像，不再停留在学生是否“善于沟通”这类自我描述上：他是否听取他人意见，能否接住别人的想法，遇到分歧时怎样推动工作。Khan 提到一位正在面试硅谷创业公司的亲属，第三轮就要用 vibe coding 为医院做出解决方案，再接受小组追问。多次项目会留下作品、同伴反馈和视频证据，雇主可以直接看到一个人的工作方式。
"沟通、协作、创造力、批判性思维和领导力，在 AI 世界里会更重要。"
Khan 希望雇主看到这类证据时，愿意像重视斯坦福前 10% 的学生一样重视新项目的优秀毕业生。顶尖大学每年可能收到七八万份申请，其中数万人有能力完成学业，最后只录取约两千人，学校容量把大量合格者挡在门外。他仍准备让自己的儿子申请传统名校，也承认大学四年里的人际关系和成长体验很珍贵，只是那越来越像昂贵的奢侈体验。 当知识作业可以由 AI 完成，学位的价值会更多落到真实项目、能力证据和人与人合作上。
别挤热门赛道，去找最无聊的行业
如果今天重新回到 22 岁，Khan 仍会创业，但会避开所有人都在追的方向。他建议年轻人寻找空旷赛道，尤其是那些流程陈旧、技术应用缓慢的无聊行业。热门模型能力每个人都能拿到，懂一个行业如何运转、能和客户建立信任，反而更难迅速复制。
"别往所有人都去的地方跑，去找最空的赛道。"
求职者眼下仍处在容易拉开差距的窗口，懂得展示 AI 工作方式的人还不算多。Khan 身边已经有年长亲属正在经历找工作的困难，所以他不把这种担忧当成遥远预测。1996 年会做网页足以让雇主眼前一亮，今天对应的信号可能是带着一组智能体工作、展示自动化流程，或用录屏说明自己怎样重做一天的任务。Khan 说，这样的人明天就愿意招进 Khan Academy。他的儿子可能会读计算机科学，Khan 仍支持这个选择，因为它有趣、训练思考，也能说明一个人愿意做难事。单凭专业名称，已经无法保证毕业后进入科技公司。他还有一个实用习惯：要求 AI 批评自己，因为模型很容易用“你真有洞察力”这种夸奖把人哄住。即使明确要求反驳，模型有时还会先夸他谦逊，判断仍得由人完成。
写在最后
面对岗位变化，先把一项日常工作交给智能体，记录它省下的时间，也保留你做判断和与人协作的证据。然后离开最拥挤的 AI 赛道，去理解一个仍靠旧流程运转的行业。工具会继续变，能把工具接进真实工作、又能让人愿意信任你，这两件事更耐用。
内容来源："Khan Academy CEO: The Real AI Opportunity Is in Boring Industries | Sal Khan"丨Silicon Valley Girl