文章探讨了将枯燥工作交给大模型的趋势，指出这不仅是效率提升，更是AI重塑工作流程和组织模式的开始。通过销售团队被AI语音系统取代、图书封面设计流程改变等案例，说明AI从人类不愿干的工作入手，最终改变工作方式和组织结构。随着Agent技术发展，未来可能出现"一人AI公司"模式，AI已影响全球36%职业岗位，改变职场格局。
最近一段时间，经常能听到把“枯燥乏味”的工作交给AI的说法。
例如，OpenAI联合创始人兼总裁Greg Brockman在AI Engineer峰会的访谈中，也说到AI能够处理那些人类觉得枯燥乏味的迁移和更新工作，例如改造庞大的遗留代码库（摩根士丹利今年就在用自己开发的AI工具，批量转化旧代码）。
OpenAI是懂用户心理的，因为这就是全世界的打工人对于AI的期待。
不久前，斯坦福的研究团队做了一项研究，邀请1500位来自104个职业的一线打工人，让他们选择愿意把什么工作交给AI。
最终，排名前五的工作是：安排客户预约、整理应急档案、修正工资记录、数据转格式与导入、网站数据备份。
这些工作的共同点是标准化高、重复频繁、判断强度低，却极其耗时、容易出错。
在工作中，我们肯定愿意把这些重复性的、单位时间产出不够高的工作都扔给AI，而且看上去是与AI的双赢。
但这远远不是终点，从实际应用来看，更可能是AI重塑工作流程和组织模式的开端。
1、AI能干就让它干
斯坦福的任务清单里也有生成内容、编写代码、创意设计等“高级选项”，只是少有人去选。
这些事情，是我们刚刚被激发起AI创作热情时，大模型在干的事，我们让大模型写诗、写歌、画画……结果很快，我们就发现不对头，“大模型在写诗，我在洗碗”。
枯燥乏味的工作除了让我们厌烦，同时也认为这些工作没啥难度。但是，我们忽略了一点，就是同样的工作，AI和人类干，最后的结果可能完全不同。
最近在小红书上看到一个贴子，一位大厂技术人员说，自己的团队半年时间做的一个AI产品，导致部门200多人的销售团队，裁员1/4 。
这可能是许多人想象中的机器人工作场景
这个产品是一种能够和人交流的语音AI，类似我们经常能够遭遇的AI客服，老板试用后，认为这个语音AI可以用来做电话销售。
销售团队现在已经没有人做电销了，因为这个工作是纯拿提成，但是转化率又不高，所以没人愿意做。
但是AI没有时间成本，孜孜不倦的打电话，一段时间试下来，转化还不错。于是，销售团队不需要那么多人了。
这个产品开发的本意，并不是和销售人员竞争，甚至都不是为销售部门开发的。
AI只是干了销售人员不想干的活儿，但是最终结果，不是所有销售人员更加轻松，而是替换掉1/4的团队。
不难想象，AI真的很适合干这种枯燥的工作，不会因为电话被挂断、被辱骂就情绪波动，也不会因为上厕所、吃饭、睡觉间断，也不会因为提成低就想要放弃，从而大大提升了这个工作的产出。
但是，现在AI有这么智能吗？在开头那个贴子的评论区，有人好奇为什么AI电销会有成交，一般人接到这种电话不是马上会挂断吗？
事实是，经过测试，AI能够开展几轮对话，不被查觉。其实我也接到过反诈电话，和人家聊了半天，才怀疑是AI客服。
这种人类不爱干的活有很多，一位在图书公司的朋友说，例如，图书封面一般是由责编根据内容确定主题，再由美编来出设计方案。
这个过程，类似于过去杂志封面设计，要综合考虑内容要反映的主题、设计风格、图文排版风格等等，这些内容都需要经验和思考，而且需要两个团队讨论。
但出草图这一个环节，只需要美编动手实现。一般美编需要几天时间才能出草稿，甚至活儿多的时候，可能要一周以上。
现在，只要技术团队搭一个简单的工作流，在后台输入各种需求后，瞬间就能获得十个不同风格的草图。
这种用AI提升效率带来了两个结果：第一，节省人力，有的图书公司的编辑甚至可以不用美编，自己来完成封面设计，而且这种AI封面的书，现在都已经上市了，有些公司还会保留美编，但显然不需要那么多人了。
第二，其实我觉得更重要的是，AI的参与，改变了工作流程。责编不再需要去和美编先讨论，而是自己就能拿着一堆草图，告诉对方自己想要什么样的风格。
2、大模型进村静悄悄
在工厂里，工业机器人进入生产线，也是从人类不爱干的工序先开始替换的。
我几年前在一个冰箱生产线上，看到只有一个环节被换成了机器人，就是负责把套好纸箱的冰箱搬上搬下。这个活儿原本是两个工人一起抬，但是一天八小时下来，工作强度极大，所以排班的时候很难安排人手。
现在的无人冰箱工厂，只看生产线已经基本上算是黑灯工厂，整个车间全是机器人在干活。
真实的全自动化汽车生产线一般是这样的
对于被AI改变的组织形式，有一个终极判断，就是一人AI公司。OPEN AI的创始人萨姆·奥尔特曼认为：“一个人就能做出市值10亿美金公司的时代马上就要到来。”
一个人，一台电脑，年入百万。但这个去年流行的故事，今年在网络上基本消失了。
不是说这个未来一定不能实现。而是现在大模型还做不了太多实际的工作，所以没有合适的商业模式。
今年特别火的Agent正是为了解决这个问题，当然Agent的能力也取决于大模型。
关于Agent的能力，今年3月，猎豹移动董事长兼CEO傅盛有一个特别贴切的比喻，如果按照自动驾驶L1-L5的标准去衡量，目前大部分Agent都处于L1-L2的阶段。有朝一日进入L5阶段，人们可以晚上睡前给Agent安排写文档、查资料、制作PPT、购买机票等工作。一觉醒来之后就查收工作成果。
其实在有些领域，这个目标已经实现了。
AI音乐人在Spotify，已经开始营业了。AI歌手从形象到音乐，都是由AI生成。用户很难区别真人与AI歌手，那些真正的歌手反而需要自证身份。
其实AI生成音乐，我也试过，用多模态大模型，把一首古诗喂进去，几分钟就能生成各种不同曲风的音乐，听上去真的还可以。
AI网红就更不用说了，虽然不受平台待见，但仍然能接广告赚钱。这种数字人基本上可以以假乱真，在网红的评论区，经常能看到这样的问题：你是数字人吗？
对于老板们来说，AI逐渐能够干一些活，更是一个无法忽视的趋势。
根据Anthropic团队2025年初发布的研究，全球已有36%的职业岗位中，员工已将AI用于至少四分之一的日常任务。OpenAI的调研也指出，80%的美国职场人至少有10%的任务受到AI影响，其中近五分之一的岗位中，AI已介入超过一半的工作内容。
一位做大模型的朋友说，如果你的工作是跟图片、音频、视频相关，那估计很快会受到AI影响。
他说，现在做大模型增效的公司，比我们想象的要多很多，但是很多老板都是在悄悄进行。一般是用一个小团队，先梳理公司的工作流程，然后看看哪个环节可以用大模型来做。
一旦AI进入工作流程，那么接下来的事情可能就是改变工作流程，以及改变组织模式。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
2、大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
3、AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
4、大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
5、大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
适用人群
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
