技術貶值時代的轉型方向——從執行位挪到判斷位
這篇文章源自我最近反覆出現的一個焦慮：AI 越來越強，學編碼搞不過 AI，如果 99% 的崗位在 3-5 年內被 AI 加機器人替代，技術方向的價值歸零，我該往哪轉型？
把這個問題認真掰開之後，我的結論是：這個前提一半對一半錯，而錯的那一半恰好決定了轉型方向。其實不需要「換方向」，需要的是換「位置」。
一、先糾前提
「99% 崗位 3-5 年被替代」是推測，不是事實，而且大概率錯。 不是因為 AI 不夠強，而是因為替代速度的瓶頸從來不在技術：
- 物理世界的崗位卡在機器人硬件成本、供應鏈、安裝運維、安全監管——這些按資本開支和審批週期走，不按模型迭代速度走；
- 大量崗位的本質是責任而非勞動：醫生簽字、會計師蓋章、工程驗收——AI 不能坐牢、不能賠錢、不能被問責。這些崗位的「勞動部分」會被掏空，但「簽字權」還在人手裏；
- 歷史上每次自動化，從「技術上可行」到「社會性完成替代」都是 15-30 年，不是 3-5 年。電子表格 1979 年就發明了，會計崗位到今天還在。
但對的那一半很致命：編碼作為「手藝」的溢價正在塌縮，且不可逆。 這不需要聽任何人預測——我自己就是證據：估工時已經按「人 4 周 ≈ AI 1-2 天」算；前一天我在 Mac 上看着一個 agent 用一天建成了一個全棧項目，後端、雙端客户端、本地模型推理都有。「把需求轉換成代碼」這道工序的市場價格正在歸零，第一手數據比任何報告都硬。
二、重新框定：貶值的不是「技術」，是「執行」
把「技術」拆開看，歸零和升值的是兩塊不同的東西：
| 正在歸零 | 正在升值 |
|---|---|
| 把明確需求轉成代碼（轉換勞動） | 決定做什麼、不做什麼（判斷/品味） |
| 按工時出售的執行力 | 為結果簽字擔責的位置（責任權） |
| 「會用某框架」的知識溢價 | 客户為什麼信你、買你（信任/關係/分發） |
| 被僱傭的勞動 | 被擁有的資產（產品/客户/現金流/受眾） |
關鍵洞察是：AI 把實現成本打到零，對賣工時的人是災難，對擁有想法、客户和拍板權的人是鉅額補貼。 同一場技術變革，站的位置不同，方向完全相反。
所以問題不是「學什麼新技術」，是「從出賣執行的位置，挪到擁有判斷、信任和資產的位置」。
三、提問方式裏的盲點
回頭看我最初的問法——「我要學習的方向往哪轉」——這本身就是工程師的肌肉記憶：遇到不確定性，解法 = 再學一門東西。
但上面那張表裏升值的四樣東西，沒有一樣是「學」出來的，全是「做真實決策、擔真實後果、攢真實關係」練出來的。
而我手裏其實已經有兩個現成的練兵場：
- 把產品賣出去：拿下 30 個付費客户。 簽單這條線，練的是決策鏈分析、定價、談判、信任建立、「客户為什麼不付錢」的真因調查——這些恰好是抗 AI 清單的最頂端。我後來意識到，真正的矛盾從來不在產品好不好，在客户的切換動力——能説出這句話，本身就是從技術思維往商業判斷轉型的標誌。把 30 個客户真拿下來，就完成了一次轉型，比讀 100 篇「AI 時代怎麼辦」都管用。
- 內容與品牌這條線。 公眾號第一篇已經發出去了——這是「分發與受眾」資產的第一塊磚。受眾是少數幾種 AI 越強反而越值錢的資產：內容生產成本歸零之後，注意力和信任反而更稀缺。
至於我正在做的 agent 學習主線——它和轉型不矛盾，但要校準定位：「會寫 agent 代碼」三年後同樣會貶值；不貶值的是「判斷哪裏該用 agent、怎麼編排、怎麼驗收、怎麼為結果負責」的系統判斷力。 我定的 Harness Engineering 長期方向是對的——harness 的本質就是「人退到判斷和驗收的位置，把執行交出去」，正好落在上表的右列。
四、建議（砍到一條主軸）
不開新方向。未來 6-12 個月的轉型動作 = 把現有三條線按「右列含量」重新加權：
- 簽單線權重最高——它是唯一直接訓練「判斷 + 信任 + 責任」的線。哪怕慢、哪怕不舒服（工程師天然想躲回代碼裏），它是真轉型，寫代碼是假安全感。我給自己立了一條紅線：任何一週如果工具推進了、簽單沒動，就等於在用寫代碼逃避賣出去。
- 內容/品牌線持續小步走——每月有產出就行，複利在三年後兑現。
- agent 主線從「學工具」轉向「出判斷」——少囤教程，多沉澱「在真實多機 mesh 裏做過的取捨和翻車」。市場上會用 agent 的人很快不稀缺，用 agent 踩過坑並能講清取捨的人稀缺得多。
五、最後一句提醒
「轉型焦慮 → 再學個新東西」是「用高強度實操逃避低產出的判斷和收尾」這個模式的最高級偽裝——它感覺像在解決問題，實際是在逃離那兩件不舒服但真正值錢的事：把單簽下來，把名字立起來。
開放反駁點：「3-5 年 99%」那個前提，如果你有具體論據（某個行業的真實替代案例），歡迎拿數據掰。