※ 引述《bigblack0921 (owen)》之铭言：
: 最近看到许多国际一线公司打着Agentic AI大旗行裁员之实，我属于悲观派，觉得配套没
: 有准备好的话未来没有新人可以衔接工作会有断层，老人以前有团队一起打拼/背锅现在
: 只剩自己扛责（AI产生垃圾但是你没review好），而且如果公司深度绑定Agentic AI，未
: 来这些框架或模型的维护/升级的费用不就是卖家市场，你不给钱直接断炊回到石器时代
: 而且团队人数早被优化…
: 除了既得利益者（CEO高管团队跟公司内做Agentic AI的团队） 没有人会私下反抗吗？
: 还是我眼光太短浅误会了第四次工业革命？
我觉得你说的事情不会发生，但我不是乐观派。
除非未来发展出真正的智慧，
而非像现在这样拿本来用来解决翻译问题的程式 （LLM）喂一堆资料，
然后再一厢情愿的把它基层工人来用，
否则几年后他们可能会惊讶发现大费周章搞这些花里胡哨的东西，
整体综效竟然没有显著提高太多，现在裁掉的也只是过去超征的冗员，
或是一些工作模式本来就比较低效的单位，而非生产力过剩。
（你若拿这些裁员企业领导人对外的说法来辩驳也行，只能说这就人人看法不同）
依我所见，LLM 真正善长的东西始终是语言事务，
也就是──翻译、换句话说、照样造句，
顶多再加上辅助人类扩展知识范围的能力。
目前那些令人兴奋的使用体验其实往往问的是常见或主流的概念，
其普遍到人类语言中已经有个名字或是简洁的表达方式，
因此使用者能用较短的提示词得到够多有用的结果而不必再花一堆篇幅描述规格。
举凡那些叫 LLM 重新发明某些轮子的实验都是这种状况。
然而，如果你要的东西很常见或很主流，那或许你根本不用或不该自己做。
至于其他好的体验本质多半是语言事务，只是用的人自己没意识到罢了。
例如：人类讲简单逻辑，机器生程式码、机器升级框架的版本或换框架──
这些体验其实没超出翻译的范畴，但是用的人往往相信是机器靠智慧做到的。
若我的判断没错，那么当这些公司发现上述状况后，
会做的也就是在利率正常化的时代用更高昂的代价把人再找回来而已，
因此也不至于有过度依赖大厂的问题，反而是大厂可能陷入泥沼。
大厂会意识到因为人类的知识会不断增加和变化，
所以这些模型的训练和开发工作也要不断加码，否则使用者会不乐意花钱。
它难以跟其他人类发明的工具一样研发到够好用即可减缓投入并且开始获利了结。
硬件和营运的成本可能越来越便宜，但请人撰写有用的训练资料却可能越来越贵。
到时这些大厂真正得到的好处大概就是那些对话纪录。
这些资料应该有利大厂发展更精准的广告投放服务，
只是这涉及到资讯的理解和判断力，因此要投入大量研发资源开采和分析，
最后大概又是一个研发资源的黑洞。
LLM 的研究能有这样的发展实属不易，
但仅凭目前这样的设计以及树立在这种不稳定基础上的工具炼恐怕不会形成工业革命。