Carlos E. Perez 写了一篇关于 AI 与工作未来的长文。核心论点：我们总在计算 AI 会摧毁多少工作，却从不计算它会创造多少——因为被摧毁的工作有名字，被创造的工作还没有。
贝佐斯的寓言
Jeff Bezos 曾让听众想象回到一百年前，告诉农民"2018 年会有个职业叫按摩师"。农民不会相信。朋友进一步：别说按摩师——还有狗心理医生。贝佐斯查了查，确实可以雇到。
笑声背后的核心观察：每次重大技术变革，我们都做同样的事——数它摧毁的工作，从不数它创造的工作。
恐惧可被言说，机会无法被言说
"AI 将取代卡车司机"是一个任何人都能评估的句子。它有主语、动词、宾语、时间线。你可以争论它、建模它、写政策论文。
机会是沉默的。不是因为它更小，而是因为它字面意义上还不能被说出来。AI 将创造的工作需要中间现实——技术、文化转变、新的人类需求类别——这些还没被构建。因果链上的每个环节都必须存在，描述这个工作的句子才能形成。
这不是农民智力有限。这是形式推理本身的局限。你可以推理已有名字的东西。你无法推理到需要一系列尚未发明的中间物才能被思考的东西。
质量感知与盲区
人类有一种"质量感知"能力——在能说出为什么之前，就能感觉某事是对是错、有价值还是无用。经验丰富的厨师能尝出菜缺了什么却说不出名字；资深编辑能感觉段落不对却指不出语法问题。
但质量感知只在有体验的领域运作。农民能精准感知农业工作——天气变化、土壤条件、牲畜健康。但他无法感知知识经济，因为他没有体验基础。他从未感受过认知过载的压力让" wellness consultant "成为明显必要的角色，从未体验过注意力碎片化让" digital detox retreat leader "感觉像必然的职业。
我们对 AI 经济正处于农民的处境。我们能感知颠覆，因为我们有被颠覆的工作的体验。我们无法感知机会，因为我们还没有产生它的需求的体验。那些需求还不存在，因为创造它们的条件还没被构建。
九个结构性位置
Perez 提出，任何新能力源进入经济时，都会在九个结构性位置产生需求。这些位置不是推测——它们是每次重大技术革命中可观察到的反复出现的架构：
1. 上下文构建（Context Construction） —— 为能力源准备输入。对 AI 而言，这是设计模型遇到的完整信息环境的人——不只是提示词，还有检索上下文、可用工具、系统级配置、塑造行为的框架。当前的"提示工程师"只捕捉了这个功能的五分之一。
2. 输出验证（Output Verification） —— 检查结果是否满足要求。对 AI 而言，这是确定模型输出不仅合理而且正确、适当、适合目的的人。这不止是校对，还包括发现表面正确但上下文错误的微妙错误。
3. 质量感知（Quality-Sensing） —— 感知能力源自身无法评估的质量维度。AI 本质上没有自我评估能力。它无法"品尝自己的菜"。每个 AI 自我盲区的质量维度——审美连贯性、情感真实性、关系适当性、文化共鸣、伦理质感——都是人类感知被需要的位置。
4. 接口校准（Interface Calibration） —— 调整能力源与其操作上下文之间的接口。不同模型对相同输入响应不同，校准档案（需要多少上下文、处理哪些歧义、失败模式什么样、规格甜蜜点在哪）是通过与特定模型-任务组合的经验学习的。每次模型更新，这些档案就贬值。
5. 状态管理（State Management） —— 维护跨多次交互的连续性。单次 AI 交互可能是自包含的，但大多数有价值的工作跨越多次交互——数周的研究项目、数月的代码库维护、数年的治疗关系。有人必须决定记住什么、压缩什么、丢弃什么，以及中断后如何重建上下文。
6. 编排（Orchestration） —— 协调多个能力源协同工作。当工作流涉及多个 AI 模型——研究员喂给作者、作者喂给编辑、编辑喂给事实核查员——有人设计它们如何交互。幼稚的方法是并行调用加输出拼接，但因为没有协调而产生不连贯结果。
7. 实时适应（Live Adaptation） —— 在交互过程中根据实际进展调整系统操作。不是改变基本架构，而是调整参数——当质量下降时增加验证深度、当当前模型表现不佳时路由到不同模型。这需要感知随时间的性能轨迹，而不只是评估单个输出。
8. 轨迹压缩（Trace Compression） —— 让系统操作对人类监督可读。AI 系统产生海量操作数据，原始轨迹超出人类处理能力数个数量级。有人必须策划这些轨迹——选择重要时刻、用质量信号注释、以支持人类理解的形式呈现，而不至于压垮。
9. 比较测量（Comparative Measurement） —— 独立于能力源原始能力测量中介层表现。系统表现好时，倾向归因于 AI 模型；失败时，倾向归咎于模型。实际上，中介层——所有上下文构建、验证、校准、编排——往往比模型本身更重要。
从结构到内容：近中远三期预测
近期（已在萌芽）：
- 上下文架构师 —— 设计组织工作流中 AI 模型遇到的完整信息环境。已在"AI 集成专家"、"LLM 运维工程师"等不精确名称下出现。
- 校准工程师 —— 维护描述特定 AI 模型在特定操作上下文中如何行为的档案。每次模型提供商更新系统，每个校准档案就贬值。
- 中介质量分析师 —— 测量大多数组织目前看不到的东西：AI 系统表现中有多少归因于模型、多少归因于周围的中介层。
中期（需要中间发展）：
- 关系校准师 —— AI 最深盲区之一：关系适配。AI 能产生语法正确、策略合理、上下文适当、语调合理的沟通。但它无法感知一条消息会加强还是损害特定关系。
- 体验完整性专家 —— 感知 AI 生成的体验是否作为连贯整体存在。随着 AI 生成更多消费内容——教育课程、娱乐、治疗项目、沉浸环境——单个组件可能都好，但组合体验缺乏连贯性、情感弧线、节奏或感觉统一。
- 认知生态设计师 —— 设计人与 AI 增强环境之间的整体关系。不是单个工作流，而是整个生态：AI 静默处理什么、什么浮现给人类注意、什么参与节奏保持人类的质量感知能力。
- 节奏专家 —— 实时节奏专家将伴随快速循环 AI 系统工作；深度准备专家将处理不频繁、高后果的 AI 参与；连续性专家将维护跨周或跨月的 AI 参与连贯性；冷启动专家将处理由不可预测触发器激活的 AI 系统。
远期（今天听起来荒谬）：
- 具身过渡实践者 —— 专门处理身份重组的身体和心理体验，当 AI 改变人类与认知劳动的关系时。这不是治疗，不是职业辅导。是关注"工作即身份"的丧失如何在身体中显现、目的真空创造特定躯体模式、如何在日常工作的认知脚手架消失时重建感觉意义。
- AI-人类合奏导演 —— 指导 AI 和人类能力深度实时交织的创意和生产工作。不是"AI 辅助人类"或"人类审查 AI"，而是真正的共同创作，双方同时贡献，输出不可还原为任何一方。
- 意义基础设施工程师 —— 构建支持和交换意义的经济系统。当 AI 处理大多数工具性经济功能，剩余的人类经济活动将越来越围绕意义制造、身份构建、关系深度、体验丰富性。
- 制度再校准专家 —— 为 AI 嵌入核心操作的世界重新调整整个机构——法律系统、教育系统、医疗系统、金融监管结构。每个机构都是围绕人类认知能力和局限的假设设计的。AI 打破了这些假设。
结构保证
一百年后，有人将站在舞台上描述我们今天无法想象的工作。观众会笑，就像我们笑"狗心理医生"。但每个工作都将占据一个可预测的结构位置——事实上，在给它名字的发明链被构建之前，就已经被预测了。
工作正在到来。它们只是还没有名字。而这，不是颠覆，才是 AI 与工作未来的真正故事。