AI讓我失業兩次

來源：“經濟觀察報”（ID:eeo-com-cn），作者：沈怡然

圖片來源：由無界AI工俱生成

導讀

**壹|| 初級畫師畫一幅商業插圖需要3-5天，而AI只需要幾秒鐘，一名初級畫師的月薪4k-8k，一個Midjourney（一款流行海外的AI繪畫大模型，可以文生圖、圖生圖）專業套餐60美元/月。 **

**貳|| 產業中具備壟斷地位的大型企業，會採購行業大模型進行私有化或自研大模型，成本高、訓練週期長，本身行業模型技術還有待完善，這類企業對AIGC也會更加謹慎。還有一類企業因政策不明朗而選擇觀望。 **

**叁|| AI背後有個巨大知識庫，只有具備專業知識才有能力調動它。 **

**肆|| 對的掌握程度也極大的決定了人們能夠利用AI的能力，覺察先機的人開始學習這個技能。 **

因為AI，李梅（化名）連續失業了兩次。

“很遺憾，本月6號記得來辦公室辦理離職手續，祝你早日找到滿意的工作”。 2023年5月初，深圳一家藝術概念設計公司引入AIGC（生成式人工智能）兩個月之後，開啟了一輪原畫師的裁員。

李梅是其中一位，她畢業於江西科技師範大學美術學院，是一名工作4年的畫師。據她所說，公司美術原畫組10人裁掉8人，剩下2人被降薪，工作內容從原創畫圖，變成AI出圖之後精修和品控，仍然完成10人的工作量。其他項目組畫師被要求學習AI工具，並納入考核。

被裁員後，李梅加入了一個小規模的創業團隊做平面設計師，老闆要設計一款遊戲App，需要9張卡牌，每張卡牌對應設計一幅插畫酬勞1000元，共付9000元。

她還沒畫完就被老闆解聘了，對方的理由是項目趕進度，決定採用AI繪圖。

ChatGPT問世至今，輿論對AIGC（生成式人工智能）的關注有降溫之勢，似乎這只是巨頭間的競賽，離普通人尚且遙遠。但實際上，它正逐步被中國的企業主引用，並正悄悄引發了一輪人力變動，一些畫師、新媒體運營、銷售等白領群體正因AI失業或被調崗。

衝擊首先在內容創作行業。打開招聘軟件，一些企業正在招聘AI畫師、AI視頻剪輯、AI繪圖崗位，地鐵站內的海報、商品的廣告圖已經開始由AI生成。生命科學、金融等更為專業的領域，引入的步伐也在加速。

緊張的經濟環境迫使企業老闆加速引入新技術。 ChatGPT、Midjourney為代表的AIGC工具具有普惠性和易用性，還能替代一些初級白領的工作，這就像他們的一根“救命稻草”。老闆們嘗試在原有的流程中尋找到應用AI的空間，但又擔心在技術不完善、形勢不明朗的階段，會“步子邁得太大”。

當一個看似遙遠的前沿技術突然“逼近”自己，有人產生了抵觸，有人為接納這一個新的生產工具，開始學習(提示詞)技能以便駕馭這一工具。不知不覺中，AI替代又創造了一些崗位，老闆和打工人陷入迷茫也迎來機遇。

AI逼近打工人

“我好像被AI殺死了。”連續經歷兩次失業後，李梅說。

初級畫師畫一幅商業插圖需要3-5天，而AI只需要幾秒鐘，一名初級畫師的月薪4k-8k，一個Midjourney（一款流行海外的AI繪畫大模型，可以文生圖、圖生圖）專業套餐60美元/月。

工作中，畫師要和客戶多輪溝通、修改，而在Midjourney的對話框中輸入一句話，如“我要一個穿上宇航服的貓在太空吃餡餅”，或者拆解成“littlecat，in aerospace suit，eating pies”（小貓、穿宇航服、吃餡餅），“sharp focus”（聚焦）等多個（提示詞），就能得到同樣水準的作品。

從繪圖質量、繪圖效率、成本上，一個初出茅廬的畫師和AI根本沒法比。工作流程上，策劃和畫師之間需要反复溝通，現在變成了策劃與AI、畫師與AI溝通。

李梅說，公司先讓員工自使用，後來全員培訓使用Midjourney以及技能，她不太願意主動學，很多人也還故作鎮定。

直到發現公司把一部分畫師的圖餵給AI，以便得到基於這些畫師風格的作品，或將畫師修正的圖收集起來返給AI學習——“圖生圖”是這類大模型的基本功能，不斷給模型餵圖，模型通過自學習在此基礎上反饋新圖，這種交互方式正在變得普遍。 “它的能力一點不亞於人類，我們都驚呆了。”李梅說，如果餵一些畫師的半成品，它對光影、線條等細節的完善也非常到位。面對AI很多同事心態失衡，但畫師作品的版權是屬於公司的，大家也沒好說什麼。

一覽科技CTO陳錫言表示，目前AI的能力越來越被行業承認，它所做的絕不是一些瑣碎工作，而是一些精緻、具有創意的事，但讓AI更加強大的前提，是它背後的操作者要更有想像力和創造力。

商湯智能產業研究院院長田豐對記者表示，AI在短期內會對一些內容創作崗位的技能產生影響，以畫師為例，初級畫師多從事相對簡單的基礎性工作，很容易被新生產力工具所融合，完成高級設計工作的資深畫師則是項目工程的指揮官，複合型技能人才較難被取代。表面上是影響了職業上升通路，其實是改變了入門的方式，未來的畫師既要學畫畫、也要學會使用AI。 AI的本質不是淘汰人力，是革新人的生產工具。畫師從用筆、用軟件再到用AI，是一種工具的進化。

李梅表示，通常一個畫師需要三年從初級升中級，再過三年升高級，當初級畫師失去了上升的通道，沒有實踐機會又如何做到資深，身邊一些人已經考慮轉行了。

老闆的選擇

張遠（化名）是一家中小ToB企業的管理者，公司主要從事研發和銷售工業軟件的業務。他計劃為公司做兩件大事，一個是降本增效，一個是引入AIGC。 “打算用AI把公司每一項業務重做一遍，結果做了一次大調整”。

公司有個4人小組負責新媒體運營，培訓一個月後，從中選出了一名資深運營留下，剩下三名普通運營人員被優化了。現在的工作是一名運營人員+大模型（ChatGPT生文，Midjourney生圖），人負責出創意、對接客戶，機器負責執行。在張遠看來，實踐出來效率一點不低。

先將數據餵給AI大模型，然後生成定制化的內容，照此原理，大模型也可以生成客戶方案和標書。於是張遠瞄準了銷售助理。該崗位的工作就是幫助銷售寫方案和標書，經過對銷售的培訓後，他又優化了幾名銷售助理，每個業務線只留一名銷售，白天跑客戶，晚上用ChatGPT寫方案、寫標書。

張遠內心的想法是，銷售也可以優化，因為ToB公司客戶少、關係穩定，客戶交給管理層來對接，可以僱一名應屆生專門操作AI，但考慮到員工情緒，就讓銷售留下了,“這次降本增效優化這麼多人，也是管理層沒想到的”。

張遠對記者表示，在優化人員之前，從制度上要求全員學習大模型提示詞，但他發現很多人對新技術還是很排斥、不愛去用，除非觸及自己的利益。

作為一站式視頻解決方案提供商，一覽科技開發了多款賦能視頻創作者的AIGC工具，並將這些工具在公司內部的各項業務流程中應用實施，同時進行了全員提示詞培訓。

談及落實AIGC工具的過程，一覽科技CTO陳錫言表示，“我看到了員工內部的分層，有的人用得順手，有的人不順手，這是一場變革，那些不會用AI的注定了要被會用AI的人替代掉”。他衡量人才的眼光也在變，並考慮提高對員工工作效率、平均產出的要求，他認為未來很多企業主會提高績效標準，按照“人+AI”的標準去考核。當然他也在猶豫，“現在是變革階段，不可以'一刀切'”。

寒冬下更多企業縮減廣告支出，以動畫傳媒為主的內容創作行業普遍收縮，一方面減少外包公司的使用，一方面通過績效來減員，畫師是這個產業的最小單元。

優化一批人員之後，張遠也在反思“步子邁得太大了”，打工人的不滿情緒也是一種應激，AIGC的本質並不是替代人力，或許是經濟環境讓一部分企業主變得激進。 AIGC是非常普惠性的，市面上的通用大模型只需要很低的月租費，有的甚至是開源的，它們對企業主就像一根“救命稻草”。

張遠認為正常的路徑應該是全員培訓、賦能業務，讓所有人換一種新的角色上崗，把所有產品用AI重做一遍。

張遠企業是整個鏈條上最先引入AIGC的，客戶、供應商對此都很感興趣，“但是大家有個矛盾心理，既想為公司增加一個AIGC的概念，又不想讓外人知道究竟用AIGC做了什麼。”張遠說。

360集團創始人周鴻禕對經濟觀察報表示，從網絡安全的角度考慮，企業在使用大模型時“一開始步子可以小一點”，不要向它開放API，堅持“人在迴路”，讓人的意志在決策上起關鍵作用。

周鴻禕表示，整體上看，企業從數字化到智能化要分多步走，建議堅持從松耦合到深度融合、多步迭代的策略原則。希望企業在使用大模型時先開啟“助手”和“副駕駛”模式，讓大模型與現有的業務系統保持相對獨立，保持隔離度，對企業來說也更安全可控。

科銳國際業務總監楊朔對記者表示，不同企業主對引入AIGC持不同態度，這與企業的業務形態、產業地位有關。在AIGC剛開始出現的時候，很多人還是抱有開放態度，但隨著不斷地深入了解，也有一些趨向保守謹慎。比如內容創作類工作、創意工作，更需要廣度和發散程度，往往是其業務對AIGC容錯率較高；生物基因、醫療、金融的企業主相對保守，這些業務容錯率很低；尤其在一些商用的場景關鍵點上，企業主不敢輕易嘗試。

楊朔表示，另外，產業中具備壟斷地位的大型企業，會採購行業大模型進行私有化或自研大模型，成本高、訓練週期長，本身行業模型技術還有待完善，這類企業對AIGC也會更加謹慎。還有一類企業因政策不明朗而選擇觀望。

馴化AI

“打不過就加入。”失業後的兩個月，李梅每天在家研究幾個AIGC工具，比如ChatGPT、Midjourney和Stable Diffusion，買賬號、學相應的提示詞。這些來自OpenAI等海外科技公司的AIGC工具，月租費不高，有的功能免費開放、不限使用次數，對硬件的要求也不高，普通顯卡上就能跑。

國內也研發了文心一言、訊飛星火、通義千問、商湯“商量”等大語言模型，對標ChatGPT，商湯還研發了“秒畫”對標海外Midjourney。 “與AI交流真得不難，只要摸清楚提示詞的規律，簡單調一些參數值，代碼都不需要會。”李梅說，按照以往畫師的步驟，從草稿、線稿到色稿，有了AI，可以直接跳過一些步驟到成品，再精修，也可以省略其中某個不擅長的步驟，讓AI幫你補全，大幅提高出圖效率。

李梅對AI的“馴化”分了三步。 “一開始，我成了AI的修圖師、質量檢查員。”李梅表示，人類用表達需求，AI可以給出一個短平快的結果，它畫更像是基本功紮實、缺乏個性的“網紅臉”，這也是為何AI可以短時間內替代一個初級畫師的原因。

第二步，李梅把自己的作品餵給AI，反饋的是帶有她風格的精細作品，熟悉的人也無法辨認出作者是機器還是人類。李梅認為，這個階段，AI成了她的合作夥伴。

第三部，李梅出輪廓和創意，由AI來實現。有一次她將某兩個不同國家、不同時代的畫家風格結合起來，做一張愛因斯坦的畫像，審美價值遠超以前。相比之下，一個不懂美術史的人，只能用AI畫出愛因斯坦騎自行車、摩托車、玩滑板、滑雪。

陳錫言表示，很多人是因為想像力不夠，想像力的基礎就是具備足夠的專業知識。 AI背後有個巨大知識庫，只有具備專業知識才有能力調動它。

李梅說，心態從觀望、失望、絕望到重新找回一個平衡。從輔助AI到與其合作、再到嘗試駕馭AI。下一步，她準備重回人才市場，應聘AI畫師、繪畫提示工程師的崗位。

新的技能，新的機會

剛使用ChatGPT、文心一言、通義千問的人往往有這樣的感受：AI不能一鍵給你一個完美結果，輸入的指令與所得反饋之間總有差距，所以有人質疑AI是“一本正經胡說八道”“人工智障”，或者僅當作一個搜索引擎來用。但是的流行讓更多人意識到：不是AI不行，是你不會用它。

，提示詞，是指ChatGPT等通用及行業AI大模型設計和完善提示詞指令，以確保其輸出的結果符合人類的期待。

如果AI是一種新的生產工具，就是人類馴化這種工具的技能。就ChatGPT等大語言模型來說，交互方式以對話框輸入為主。所以，這種技能看似是陪AI嘮嗑，不斷向AI提問，本質是把人類語言翻譯成AI語言，彌合AI語言和人類語言之間的鴻溝，它也是人機交互的“最後一公里”。

比如，人類語言是一句主謂賓完整的話，但拆解成“任務”“主體“”細節”“形式”幾個，機器更容易理解；比如機器不是抓關鍵詞，而是依照概率對你的所有指令進行預測，你也要按照重要性給提示詞排序。

對的掌握程度也極大的決定了人們能夠利用AI的能力，覺察先機的人開始學習這個技能。

4月起，以吳恩達為代表的OpenAI工程師聯合出品ChatGPT提示詞課程，國內百度等大廠也做了相應公開課。提示詞工程不局限於大語言模型和繪圖模型，一些垂直領域的大模型也需要以提示工程對它進行訓練或調教，例如在生物醫藥、金融，由於數據從語言變成了專業知識，技能的門檻也更高。

田豐表示，如果一項業務要用AI來改造，需要軟件工程師將人類需求轉化成編程語言，中間需要2到3步，如今AIGC大幅降低開發和使用AI的門檻，人類用自然語言而非計算機語言去描述任務，人機交互只需要一步。

工程師正在海外興起。海外機構Resume Builder表示，29%的公司希望在2023年聘請提示工程師，在員工超過250人的公司中，27%的企業領導者表示他們希望僱用10名以上的快速工程師。就該職位的薪酬而言，近四分之一的企業領導人表示起薪將超過20萬美元。對於員工超過1000人的公司的商業領袖，17%的人表示起薪將超過30萬美元。

招聘市場也有這些人的影子。記者從BOSS直聘、獵聘等平台發現，國內已有互聯網大廠、AI大廠等科技公司以及醫療、視頻動畫、金融財險等傳統公司招聘該職位。和算法工程師、軟件工程師的AI相關職位相比，招聘量不大，月薪有35k-45k，也有8k-10k，一個共同要求是熟練使用國內外AIGC工具，以確保AIGC能夠滿足特定業務場景需求進行高質量輸出。

楊朔表示，相比海外，提示詞工程師在中國尚未形成一個規模化的群體，作為AIGC早期的第一批工程師，他們的職業輪廓還不夠明晰，在人才市場上明確的薪酬範圍暫未統計。

楊朔表示，簡單說，這是既懂提示詞又懂業務的一批人，核心價值不在於提示詞技能，在於貼合業務，真正非常有競爭力的提示工程師一定是具備跨界能力的。楊朔進一步解釋，他認為的提示工程師有兩種場景，一類是業務驅動（90%懂業務+10%對於技術的好奇心與學習意願）；一類技術驅動（90%的技術能力+10%對於業務強烈的了解意願和動機）。

在一些垂直領域，需要更多專業能力。

百圖生科是一家生命科學平台公司，其AI大模型“xTrimo”可以根據用戶給定的參數和功能，給出各種蛋白質、細胞功能和疾病場景下的解決方案，以幫助來自高校、藥企的生命科學研究者提升研發效率。作為大模型研發方，團隊也在做提示詞技能的培訓並招聘相關人才。

百圖生科CTO宋樂表示，相比ChatGPT的人機對話，生命科學大模型的人機交互難度顯然更高，它的提示詞不僅有人類語言，還有英文和字符組成的蛋白質序列，而且要輸出多輪指令才能讓AI生成一個完整蛋白。

宋樂表示，目前，研發者需要以提示詞工程來訓練大模型，讓機器生成的內容和人類的指令接軌，從而降低人機交互門檻。為此公司還研發了一款蛋白生成編輯器，盡可能將業務側的語言翻譯到機器側。

楊朔表示，當前細分場景AIGC需要解決的核心命題是，如何把一些垂直場景中非常結構化的語言體系、方法論知識，轉變成能夠被提示詞所沉澱下來的內容，比如參數調優。

這裡的提示工程師，不僅僅是玩轉幾個大模型那麼簡單。在宋樂看來，該領域的提示詞工程師要既懂生命科學又懂人工智能算法，在人才市場非常稀缺，這也是很多雇主開出高薪的原因。公司目前主要是內步培養，同時招聘生命科學和算法工程師兩類人才，合作開發，打造一個交叉學科的團隊。

當然提示詞不是萬能的，“咒語”也會失靈。

楊朔表示，隨著各行業引入AIGC，或許提示詞工程師這個職業會消失，因為當各行業的業務人員都能夠掌握提示詞工程，它將變成一種基本技能。就像李梅剛開始背一些經典提示詞，是為了復刻大師的創意，但她最終要自己用創意驅動AI的數據庫。

田豐表示，提示詞是操作AI的基礎技能，不要過分誇大它的作用，它只是AIGC時代人機交互的一個接口，隨著海內外研發者的努力，大模型會逐步提升人機交互效率和開發效率，提示詞的功能也會弱化。同時，隨著產業需求的演進，提示詞的效率和專業性也會越來越強，和目前普及的基礎能力有所區別。

田豐認為，AI的本質是數字化轉型過程中的新一代生產力，不會產生太多全新的職業，會在各行各業催生出掌握新生產力工具的傳統職業。

楊朔表示，未來很多新職業並非一個全新工種，而是AIGC賦能了人才的廣度和寬度後，打開了很多傳統崗位的能力的邊界，比如銷售和售前融合，產品經理和營銷融合，記者和編輯融合等。

田豐表示，目前大部分AIGC工具都是“點”功能，幫人寫一封郵件、一張畫、一段音樂等，市場用戶則需要全套開發環境，需要total solution。下一步，AIGC工具正在協同對接融合，由點到面發展，逐步規模化、工程化、自動化。模型之間會形成標準化的協同網絡協議、接口標準，像汽車全自動生產線一樣，人類迎來全網模型協同的時代。