4 min remaining
0%
生成式 AI 職場轉型

個人貢獻者的死亡:為什麼你現在成為了艦隊指揮官(不管你喜不喜歡)

人工智慧已經徹底改變了工作,將個人貢獻者轉變為艦隊指揮官,專注於管理人工智慧代理以達到最大的產出和效率。

4 min read
Progress tracked
4 分鐘閱讀

我剛從假期回來,辦公室的氛圍變得不同。

這不僅僅是工程師。設計師們也在利用人工智慧生成資產。初級開發者們使用像Claude Code Max這樣的工具,表現超出他們的能力範圍。

我們查看了頂尖表現者的API帳單。他們每月的費用達到五位數。但他們的產出並沒有提高20%;而是提高了10倍。

這證實了我自2025年以來的理論:

個人貢獻者(IC)角色已經死了。

人工智慧並沒有殺死這份工作;它殺死了工作的本質。

1. 被迫晉升:現在每個人都是經理

在傳統管理理論(管理101)中,經理的工作是元工作。

你不移動磚頭;你移除障礙,讓Bob能夠移動350塊磚頭。

今天,人工智慧就是Bob。而你有12個Bob。

如果你是一名2026年的軟體工程師,你不再是為了以每分鐘80個單詞的速度編寫程式而獲得報酬。你是為了保持你的「人工智慧艦隊」的運作而獲得報酬。

如果你花了3小時手工編寫一個完美的函數,而你的10個人工智慧代理閒置著,那麼你就是失敗的。

市場壓力:競爭將迫使你最大化產出。為了做到這一點,你必須將工作委派給人工智慧。這迫使你進入許多工程師試圖避免的角色:管理。

2. 被迫管理的日常現實

我花了上個月建立一個新專案,Superphonic。這是我「編碼」日實際的樣子。這不是編碼。這是:優先排序(排隊):

  • 舊方式:
    • 我寫程式,喝咖啡,思考下一步。新方式:
    • 我的人工智慧代理在幾秒鐘內完成任務。我不斷忙著餵養這個怪物。如果我停下來思考,生產線就會停止。保持「排隊滿滿」的壓力是無情的。架構套利:
  • 舊方式:
    • 我們在會議中辯論兩種架構,選擇一種並建造它。新方式:
    • 勞動成本幾乎為零。我告訴代理A建造架構X,告訴代理B建造架構Y。然後我同時運行它們,看看哪一個贏。 我不是建造者;我是裁判。衝突解決:
  • 我有多個人工智慧在一個線程中辯論代碼實現。他們意見不合。我必須介入,解析他們的幻覺,並做出執行決策。這感覺就像管理兩個互相厭惡對方編碼風格的資深工程師。
    • 反饋迴路:
  • 我發現自己不斷更新「自訂指示」,試圖指導人工智慧以不同的方式行為。這感覺就像寫出只有一半被聽到的績效評估。
    • 3. 隧道盡頭的「光明」(也許)

如果你一直想成為經理,這是

烏托邦。無戲劇:人工智慧代理沒有自我意識。他們不需要「校準會議」。他們不會因為偏見而起訴你。

  • 無合規培訓:你不必提醒ChatGPT參加其SOC2合規課程。
  • 無限擴展:你正在管理一支比你聰明、更快的實習生團隊,他們幾乎完全按照你的指示行事。
  • 4. 「黑暗」現實:流暢性的喪失然而,對於那些熱愛這門技藝的人來說——「直接工作」——這是一場悲劇。

「深度工作」有著獨特的質感。自己解決難題的安靜滿足感。

這一切都不復存在。

There is a distinct texture to "Deep Work." The quiet satisfaction of solving a puzzle yourself.

That is gone.

現在,即使我去洗手間,我也感到焦慮:"我需要在離開之前為代理人4和代理人5排隊任務,否則他們將閒置2分鐘。"

我不斷地在不同的任務之間切換,優化艦隊,管理元層。

我記得我在中國管理工程辦公室的時候。我花了幾週時間討論實習生的名額,而他們要兩年後才會開始。反饋循環太長了。我懷念"程式 --> 結果"的即時性。

人工智慧將結果拉得更近,但卻使創造的過程變得更遙遠。

結論:歡迎來到中層管理。

你已經越過了事件視界。精靈已經放出來了。

你不再僅僅是一個"程式設計師"。你是一名艦隊指揮官。

  • 好消息: 你的產出潛力是無限的。
  • 壞消息: 你現在是一名經理。無論你喜不喜歡。

市場不會再支付你成為一名工匠的費用。它會支付你成為一名指揮的費用。

所以,放下鍵盤,打開你的儀表板,開始為你的合成工作隊分配任務。

水星科技解決方案:加速數位化。

Frequently Asked Questions

What does it mean to be a 'Fleet Commander' in the context of AI?

Being a 'Fleet Commander' refers to the new role professionals must adopt as AI tools take over traditional individual contributor tasks. Instead of performing direct work, individuals are now responsible for managing multiple AI agents to optimize their output and efficiency.

How has AI changed the nature of individual contributor roles?

AI has transformed individual contributor roles by shifting the focus from manual tasks to management of AI systems. Professionals are now expected to utilize AI to achieve significantly higher productivity levels, effectively becoming managers of their digital workforce.

What are the benefits of managing AI agents instead of performing direct work?

Managing AI agents allows for increased output potential, as these tools can perform tasks much faster than humans. Additionally, AI does not have the same emotional or logistical needs as human team members, which can simplify management and improve efficiency.

What challenges do professionals face in this new AI-driven work environment?

Professionals may struggle with the pressure to keep AI agents productive, leading to constant context-switching and anxiety about task management. The loss of direct engagement with the craft can also diminish the satisfaction that comes from solving problems independently.

Is there any hope for those who enjoyed the traditional role of coding?

While the current trend leans heavily towards management of AI, there may be a silver lining for those who enjoyed coding. The rapid output from AI can allow for new creative opportunities, although the direct experience of crafting code may be less prevalent.