AI正在創造“職場超人”：吳恩達預言人工智慧將開啟10倍效能時代

“如果你遇到這種稀有的工程師，一定要抓住他們。如果你的初創團隊中有一位 10 倍工程師，你的創業成功機率將大大提高。”2019 年 7 月，印度風投公司 Accel 的合夥人 Shekhar Kirani 在 X 上釋出了一條關於“10 倍工程師”（10x engineer）的長推文，引發了科技圈的激烈討論，有相當一部分人不同意這一觀點，許多資深開發者對此嗤之以鼻，認為這種說法不僅過於簡化，更助長了科技行業中的精英主義和有毒文化。

這場爭議一度讓“10 倍工程師”這一概念成為了一個反社會的 meme（模因），甚至有許多人稱之為“最糟糕的 meme”。

然而，時過境遷，AI 的發展似乎給這個爭議性話題帶來了新的註解。在 AI 逐漸重塑工作方式的今天，10x 效能似乎不再是遙不可及的神話。知名學者、斯坦福大學教授吳恩達（Andrew Ng）近日發表文章指出，AI 正在創造一個前所未有的可能：不僅是工程師，未來各行各業都可能出現“10 倍專業人士”，這些人將憑藉對 AI 的深度理解和創新應用，在各自領域創造出遠超常人的價值。

“10 倍工程師”這個概念由來已久，其歷史可以追溯到上世紀 60 年代。1968 年，Sackman、Erikson 和 Grant 等人發表了論文《比較線上和離線程式設計效能的實驗研究》（Exploratory experimental studies comparing online and offline programming performance）。這項研究首次揭示了程式設計師之間存在“數量級”的效率差異。不過，這項研究的侷限性在於，它主要考察的是特定的數學問題，比如解決 20×20 的迷宮和處理代數方程，這些任務更偏向於考驗程式設計師的數學能力。

圖丨相關論文（來源：Communication of the ACM）

這一概念的實證研究在 1977 年得到了進一步發展。Tom DeMarco 和 Tim Lister 開展了一項名為“程式設計戰爭遊戲”的生產力調查，邀請來自不同組織的 600 多名軟體開發者參與。研究發現，最優秀的組織的工作效率可以達到最差組織的 11.1 倍。有趣的是，研究還發現程式語言的選擇對效率影響不大，工作環境才是關鍵因素——安靜、私密的工作空間能顯著提升開發效率。

與此同時，軟體工程領域還出現了一個相反的概念：“淨負產出程式設計師”（NNPP，Net Negative Producing Programmer）。這類程式設計師會產生相當多的程式碼錯誤，如果將他們從團隊中移除，反而會提高生產力。這個極端的對比某種程度上也佐證了開發者之間確實存在巨大的效能差異。

儘管這些研究為“10 倍工程師”概念提供了一定的學術支援，但在實踐中，這個概念的內涵一直存在爭議。2019 年 7 月，這場爭議達到了頂峰。印度風投公司 Accel 的合夥人 Shekhar Kirani 在 X 上釋出了一條描述“10 倍工程師”特徵的長推文，引發了科技圈的激烈討論。

圖丨相關推文（來源：X（原 Twitter））

在 Kirani 的描述中，“10 倍工程師”是一個能夠像寫英語一樣輕鬆編寫程式碼、討厭開會、工作時間不規律、能在大腦中將想法直接轉換為程式碼的“稀有物種”。

這種描述立即在開發者社群引發強烈牴觸，許多人認為這樣的工程師往往是“天才混蛋”，“很多人之所以強烈反對這種說法，是因為我們都有過與這樣的人共事的經歷。我們不得不重寫他們的程式碼、編寫文件、修復問題，總的來說就是收拾他們留下的爛攤子。”

而吳恩達認為，隨著 AI 技術的發展，不僅會出現越來越多的“10 倍工程師”，且“10 倍效能”這一現象將突破工程領域的邊界，擴充套件到更廣泛的職業領域。未來將會出現“10 倍營銷人員”“10 倍招聘專員”“10 倍財務分析師”等各類“10 倍專業人士”。

吳恩達解釋說，在很多傳統工作中，人與人之間的效率差距往往受到物理限制。例如，即便是最優秀的超市收銀員，也不可能讓顧客結賬速度提高 10 倍。

然而，在那些主要依賴知識應用和資訊處理的工作中，AI 的引入將徹底改變遊戲規則。

一個“10 倍工程師”的價值並不在於寫程式碼的速度比別人快 10 倍，而在於他們能做出更高瞻遠矚的技術架構決策，更準確地發現問題並確定優先順序。

比如，在面對一個複雜問題時，普通工程師可能會寫上萬行程式碼，而“10 倍工程師”卻能想出只用百行程式碼就解決問題的優雅方案。

這種思維方式的轉變，在 AI 時代將延伸到更多職業領域。

以營銷人員為例，傳統營銷人員可能會反覆撰寫社交媒體文案，而未來的“10 倍營銷人員”不會僅僅用 AI 來協助寫作，而是會利用 AI 進行更多的市場實驗，獲得更深入的客戶洞察，製作更精準的個性化資訊。這種本質的工作方式轉變將帶來效能的指數級提升。

同樣地，10 倍效率的招聘人員不僅會使用生成式 AI 來幫助撰寫候選人郵件或總結面試，這種使用提示式 AI 的水平在許多知識崗位中很快就會成為標準。他們可能會協調一套 AI 工具，有效地識別和進行大量候選人的研究，從而比普通招聘人員產生更大的影響。

而 10 倍效率的分析師也不僅僅會使用生成式 AI 來編輯他們的報告，他們可能會編寫程式碼來協調一套 AI Agent，深入研究產品、市場和公司，從而得出遠比傳統研究方式更有價值的結論。

（來源：Deep Learning）

這種轉變的威力已經開始顯現。美國哈佛商學院和波士頓諮詢公司 2023 年的研究顯示，在使用 GPT-4 的情況下，諮詢顧問可以完成 12% 更多的任務，完成任務的速度提高了 25%。吳恩達認為，這僅僅是開始。隨著 AI 技術的進步，以及人們對 AI 工具的使用越來越純熟，這種效能差距還將進一步擴大。