最近我一直在想一个问题：如果以后每个人都开始使用 Codex、WorkBuddy 这类智能体工具，我们的工作会变成什么样？
这里说 Codex 和 WorkBuddy，只是把它们当作例子。未来类似的智能体可能会越来越多，也会像今天的办公软件、搜索引擎一样，逐渐成为一种基础工具。
我的一个基本判断是：
工作会从“一个人亲手完成一项任务”，逐渐变成“一个人提出目标、调度智能体完成任务，再由人验收结果并承担责任”。
这不只是效率提高了多少的问题，而是整个工作方式可能都会发生变化。
会使用 AI，慢慢会变成一项基础能力
现在，会使用 AI 的人可能比其他人快一些。
有人用它整理材料，有人用它写代码，有人用它分析数据，也有人用它做图片、网页和方案。因为使用的人还不算多，所以掌握这些工具本身就是一种优势。
但如果以后所有人都在使用，这种优势就会慢慢消失。
就像今天会使用 Office、微信和搜索引擎一样，未来“会用 AI”可能只是最基本的工作能力。真正拉开差距的，不再是谁生成得更快、做得更多，而是谁能发现更值得解决的问题。
到那时，人与人之间比的可能是：
谁能把一个模糊想法说清楚，谁能提供完整的业务背景，谁知道什么样的结果才算合格，谁能发现 AI 输出中的问题，又有谁能够把方案真正推进下去。
AI 会让普通执行能力越来越便宜，但会放大人在判断、组织和责任方面的差距。
人的工作会从“操作”转向“委托和验收”
现在很多工作，仍然需要人打开不同的软件，一步一步操作。
以后可能不一样。
早上打开工作台，智能体已经整理好了邮件、消息、会议记录、项目进度和数据变化，也可能提前生成了几个方案。人需要处理的，不再是几十项具体操作，而是几个需要作出判断的问题。
这个项目要不要继续？
两个方案采用哪一个？
这份数据能不能使用？
生成的程序能不能上线？
这篇内容有没有事实和表达风险？
所以，未来很多岗位的重要能力，可能会集中到四件事上：明确目标、提供背景、制定标准、处理异常。
所谓“提示词技巧”，不会一直是多高的门槛。真正有价值的是能不能把需求说明白，能不能提供准确资料，能不能设置合理的验收标准。
岗位不会突然消失，但内部工作会重新拆分
我不太赞成简单地说，AI 出现以后哪些岗位就会消失。
更可能出现的情况是，一个岗位内部的工作会被重新拆分：一部分交给智能体，一部分继续由人完成。
比如程序开发，具体代码可能会越来越多地由智能体生成，但业务规则、系统架构、安全审查和最终验收仍然需要人负责。
编辑也一样。基础改写、摘要整理、格式处理和多平台分发，可以让智能体辅助完成。但选题判断、采访核实、信源取舍、发布责任和传播后果，仍然需要编辑把关。
媒体美编可以让智能体完成普通海报、广告图和日常配图，把更多精力放在专题长图、重点项目和精品内容上。
产品人员也不必花大量时间整理会议记录、编写格式化文档和制作普通原型，而可以更集中地判断真实需求、确定优先级和验证产品价值。
减少的首先不是整个岗位，而是岗位中重复、标准化、完全发生在电脑里的操作环节。
一个人可能会逐渐变成一个“小型团队”
未来一个人使用的，可能不只是一个聊天助手，而是一组同时工作的智能体。
一个负责查资料，一个负责写程序，一个负责整理数据，一个负责生成页面，还有一个负责检查问题。
过去需要产品、美编、技术、数据和运营多人配合的小项目，以后可能由一两个人先做出可以使用的版本，再由专业人员在关键环节进行审核。
小团队的能力会明显增强，部门之间的边界也可能变得没有以前那么清楚。
编辑可以处理一些数据，运营可以制作简单页面，产品人员可以生成可以运行的原型，技术人员也可以整理方案和培训材料。
但效率提高以后，工作不一定会变得更轻松。
原来一个人一个月做三个项目，以后单位可能会要求他同时推进十个项目。机械操作少了，需要判断和验收的事情却会更多。
智能体可能减少操作疲劳，但也会增加决策密度、项目数量和责任压力。
衡量工作的方式也会发生变化
当文档、图片、网页、程序和方案都可以快速生成以后，“做了多少”可能越来越难代表真实价值。
写了多少材料、制作了多少页面、完成了多少次修改，这些数字看起来不少，但未必真的解决了问题。
未来更值得关注的，可能是结果：
解决了什么问题，成果有没有真正上线，有没有被使用，节省了多少时间，降低了什么风险，能不能被其他部门继续复用。
对我来说，这一点尤其重要。
有些工作并不是领导安排以后才去做，而是在日常工作中发现了问题，自己提出想法，再做出工具或者方案。
智能体很擅长执行一个已经明确的任务，但它未必能够发现组织里那些“还没有人提出，但其实应该解决”的问题。
以后真正有价值的，可能不是接到任务以后做得最快的人，而是能够主动发现问题、形成方案、推动实施并对结果负责的人。
组织真正需要积累的是“上下文”
如果大家都能使用差不多的智能体，工具本身就很难成为长期优势。
真正拉开单位之间差距的，是有没有自己的数据、资料、规则、案例、工作流程和验收标准。
同样使用一款工具，一个单位只能生成普通材料，另一个单位却能让智能体调用历史资料、读取业务数据、按照内部规范处理任务，两者的实际效果会完全不同。
对媒体来说，历史稿件、图片、视频、采访资料、政策文件、专家资源和地方数据，都不应该只是存放在那里，而应该被整理成能够查询、调用和追溯的内容资产。
未来组织的重要资产，不只是有多少人，而是有没有一套能够被人和智能体共同使用的业务上下文。
智能体越能执行，风险也会越大
过去一个人操作错误，影响范围可能比较有限。
以后智能体如果理解错了要求，可能同时修改大量文件、生成大量错误内容，甚至把错误带进整个工作流程。
因此，工具能力越强，越不能缺少权限控制、操作记录、测试验收和人工确认。
尤其是媒体行业，未发稿件、采访资料、用户数据和政务合作信息，不能随便交给外部工具。智能体生成的文字、图片和数据结果，也不能未经审核直接发布。
未来真正专业的人，不是完全相信智能体的人，也不是完全拒绝智能体的人，而是知道哪些事情可以交给智能体，哪些事情必须由人核验的人。
对我自己的工作意味着什么
以我现在接触的工作为例，页面修改、原型制作、稿件清洗、数据整理、技术方案和培训材料，未来很多具体制作环节都可以交给智能体。
但这并不意味着没有事情可做。
我的工作可能会越来越集中在几个方面：判断对方真正想解决什么，把零散想法整理成产品方案，决定什么值得做、什么存在风险，协调不同部门的需求，并检查最终结果是否真的可用。
一次性完成一个页面或者一个演示版本，价值会越来越有限。
更重要的是，能不能把一次工作沉淀成模板、工具、流程和规则，让其他人也能继续使用。
最后可能会形成三类人
第一类是 AI 工具的普通使用者。
他们可以让智能体完成一些单项任务，提高自己的工作速度。但当所有人都会使用以后，这只能保证自己不落后。
第二类是 AI 工作流的组织者。
他们能够把重复工作整理成流程、模板、知识库和自动化工具，让一项能力可以持续使用，也可以被更多人复用。
第三类是结果的负责人。
他们能够发现重要问题，确定目标，调动人和智能体，协调资源，控制风险，并对最终结果承担责任。
我觉得，未来真正有价值的会是后两类人。
职业价值不再只取决于个人执行速度，而会越来越取决于问题发现能力、业务判断能力、智能体调度能力、组织推动能力，以及别人是否愿意相信你、让你对结果负责。
当所有人都开始使用智能体以后，并不会变成所有人都一样强。
更可能发生的是：智能体让执行变得越来越容易，也让正确的问题、真实的经验、组织中的信任和承担责任的能力变得越来越重要。