當汽車產業遭受重創，工作機會外移至日本時，許多人本能地翻開大學經濟學課本，開始思考魚和椰子的問題——這是保羅·薩繆森（Paul Samuelson）用來解釋大衛·李嘉圖（David Ricardo）國際貿易比較優勢理論的例子。
好吧，如果日本比我們更擅長製造汽車，那麼就讓他們製造汽車，我們做其他事情。這對失業的汽車工人來說會很艱難，但這只是一個過渡時期，就像李嘉圖所說的，這對兩國來說都是雙贏，最終我們都會變得更好。
如果我們暫且不考慮僅僅基於比較優勢制定政策的許多疑慮（例如國家安全、供應鏈韌性、對新興產業的支持、外部性），至少還能睡個好覺。
畢竟，正如我在 2026 年預測文章中所指出的，雖然短期內很痛苦，但我們通常不會懷念被技術取代的工作。
我不認為有人會懷念電梯操作員，這份工作在 1950 年代達到頂峰，如今幾乎絕跡。電話接線員、保齡球瓶童、點燈人、鑄字排版工人、製冰工人、打字員、速記秘書和粗紗捲取工也是如此。然而，所有這些工作都被自動化取代了。雖然我確信對任何一位電梯操作員來說，轉型過程都很艱難，但作為一個社會，我們並不會懷念他們。大多數煤礦工人辛勤工作，是為了讓他們的孩子不必成為煤礦工人。
對他們——這些失業的工人——來說，這當然很糟糕，但從集體來看，這對我們有好處。或者，用經濟學的說法，貿易創造了國家淨收益，但成本往往在地理上集中且痛苦（例如鐵鏽帶）。如果你想知道這種被取代的感覺是什麼，可以聽聽 Bruce Springsteen 的歌：《Youngstown》、《My Hometown》、《Independence Day》，以及我最喜歡的《The River》。那就是一個正在衰敗的城鎮的感覺。那就是「黑暗邊緣」的感覺。
這種痛苦是真實的，雖然職業轉型是一種解決方案，但有些比其他更容易。汽車工人可以轉向其他製造業工作（儘管薪資可能較低），但不太可能成為機械工程師。對整個經濟而言，工作從一個部門轉移到另一個部門。對任何一個人來說，一次被取代可能就是終點。
預測文章的另一段摘錄：
讓我們記住「盧德主義者」（Luddite）這個詞的由來。今天，我們用這個詞來形容反對新技術的人。但盧德主義者是一個勞工運動的一部分；他們摧毀機器並非因為他們是技術恐懼症者，而是為了保護工作。因此，當工作被自動化取代時，轉型可能會很艱難——並伴隨著社會動盪。但我們仍然不會懷念他們為之奮鬥的工作。
所以，在我們與 1970 年代的汽車工人保持安全的情感距離後，我們在這次顛覆開始時會想告訴他們什麼？我會說：
流行的「更換馬匹」的幻想答案是再培訓。「回去上學，成為一名工程師。」理論上可行。實際上，很少。從裝配線工人轉變為工程師需要多年的學習和不同的教育基礎。
對汽車工人來說，真正的轉變是橫向的，而不是向上的：工業維護、模具製造、焊接、工業電工、建築行業、卡車運輸或物流。
這些都不是光鮮亮麗的答案，但它們有一個重要的共同點：它們與個人已有的技能集相鄰。它們是現實的。
現在，在我們與 1970 年代的汽車工人之間沒有了情感距離，讓我們試著將同樣的思維應用到我們自己身上。一種方法是想像來自 2070 年的某個人可能會寫信給我們。
這不是一個小插曲，這是一個趨勢。不要假設這波 AI 能力會很方便地停在你職責範圍的下方。你可以試圖奮力抵抗，但成功的機率不會永遠在你這邊。你所捍衛的工作可能仍然存在，但完成這項工作所需的人數可能會急劇下降。
他們可能會補充一些我們不太愛聽的話：如果你職業生涯已近尾聲，你或許可以撐過去。大型組織變革緩慢，採用曲線通常需要時間。但我認為這次情況會有所不同——這可能是一段短暫的旅程。如果你職業生涯尚早或處於中期，你應該考慮更換跑道。
但這裡的類比變得有趣了。
1975 年的汽車工人通常受過高中教育，技能與工廠車間緊密相關。現實的選擇是轉向相鄰的行業。
相比之下，今天的知識工作者已經接受了高度的培訓。許多人擁有大學或研究生學位，並花費多年時間培養了可轉移的技能：寫作、分析、設計、編碼、規劃、諮詢。
換句話說，知識工作者的重新部署應該比汽車工人容易得多。
所以是的，這一切都感覺不同，因為這一次是「我們」。這就是我們失去情感距離的地方，也是那些試圖嚇唬我們的人聽起來如此令人信服的原因。
Citrini 最近的思維實驗描繪了一個沒有自然制動器的負反饋循環。他們如此描述：
AI 能力提高，公司需要更少的工人，白領裁員增加，失業工人消費減少，利潤壓力迫使公司更多地投資 AI，AI 能力提高……
在這種情況下，問題不在於突然的失業，而在於支撐現代消費經濟的收入基礎緩慢侵蝕。高薪的白領工人失業，轉向低薪工作，壓縮服務業的工資，同時減少支出。
在我閱讀過的 AI 未來分析中，我發現最缺失的一點是簡單的認識：根據我的經驗，總是有、總是還有更多的工作要做。
這與我一直以來對商業智慧（BI）總體可用市場（TAM）的看法有關。在我從事 BI 工作和周邊領域的幾十年裡，我無數次被問到市場是否飽和或正在飽和。
有一天，我會去參加一個雞尾酒會，問在場的每個人：「大家是否都擁有做出數據驅動的管理決策所需的所有資訊？」如果每個人都回答「是」，那麼在那一天，BI 市場就飽和了。
但那一天在我看來還很遙遠。40 年前是這樣，今天仍然是這樣。我們在 BI 和分析領域取得了巨大的成就。但還有更多的事情要做。
由於沒有 AI 文章會不引用 Jevons 悖論，讓我們在這裡引用它：當技術使某樣東西更便宜或更有效率時，我們往往會使用更多，而不是更少。當蒸汽機效率提高時，煤炭消耗量並未下降——而是爆炸性增長，因為蒸汽動力在更多應用中變得經濟可行。同樣的動態也重複出現在計算、儲存和頻寬上。每一次技術極大地提高了我們做某事的能力，我們並沒有用完工作。我們發現了更多值得做的事情。
今天絕大多數的管理和策略諮詢都在於「聚焦」。而聚焦之所以如此重要，原因很簡單：執行頻寬是有限的。組織只能做好有限的事情。
因此，管理者花費大量時間進行削減、削減、再削減。優先排序、優先排序、再優先排序。嚴格來說，如果我們必須列出商業成功的關鍵，那就是聚焦。為什麼？因為我們可以做的事情太多了。我們可以想像的策略太多了。我們可以為客戶做的事情太多了。
並非還有很少的工作要做。還有無數的工作要做。管理的職責是將這個列表縮減到組織實際能夠執行的範圍。
這就是為什麼我們 somehow 會用完工作這個想法在我看來很荒謬。這感覺像是一個沒有真正花時間在實際工作上的人寫出來的理論——服務客戶、製造產品、經營企業。總有更多可以做的事情。
這裡還有一個諷刺。越來越多說 SaaS 將代表「服務即軟體」的人，也是說 AI 將嚴重顛覆就業的人。但當你銷售「服務即軟體」時，你定義上就處於解決方案業務，解決問題，而不僅僅是提供數據和演算法。當你從「尚未解決的問題」的視角看待你的客戶時，你會很快發現這個列表非常、非常長。
所以，不，我並不特別擔心我們會用完工作。
我確實認為轉型可能會很困難，尤其是如果你沒有為之做好準備。因此，考慮到我們迄今為止所說的一切，這是我會給即將進入這次轉型的知識工作者的建議。
你想駕馭工具，而不是被工具駕馭。積極學習 AI。成為最了解如何使用 AI 工具解決問題的人——整合它們，自動化工作流程。而不僅僅是生成內容。
你想理解你工作的商業成果。例如，如果你從事公共關係，你的最終目標是提高知名度。學習如何使用這些工具不僅僅是生成文章，而是通過任何能夠實現這一目標的管道和機制來提高知名度。
你想對工具的工作原理略知一二，但不必太深入。像我這樣的人自然會被吸引去理解內部機制，但鑑於現代 AI 系統的複雜性，更實用的技能將是知道如何使用它們。
今天，有一個行業看起來最接近汽車工人的類比，那就是文案寫作。如果你是一名文案寫手，你應該已經在學習多媒體，並學習如何使用 AI 工具來生成和管理所有形式的內容。五年後，你不會手動寫作和編輯。你可能會檢查工作、指導工作、生成變體，當然還有大規模個性化。
我知道這很陳詞濫調，但我將以冰球明星韋恩·格雷茨基（Wayne Gretzky）的一句名言結束，他將自己的成功歸因於「不只是滑向冰球所在的位置，而是滑向冰球將要到的地方」。
冰球正朝著重度 AI 自動化的方向移動。這將創造一類新的工作，圍繞著使用 AI 自動化工作——以及其之上的一層，專注於管理、指導和協調這些系統，以實際運行和發展企業。
投資者在衡量指標方面有很多好的習慣。營運商可以模仿其中許多。然而，他們不應該模仿的一個習慣是「平滑化」。平滑化有其正當的用途。投資者試圖了解企業。他們尋找長期趨勢和模式，所以他們
今天我很高興推出 Kellblog Companion，這是由 Saurav Chowdhury 創建的一種探索 Kellblog 的新方式。它將數十年的文章重新組織成一個結構化的知識庫，可以按主題更輕鬆地瀏覽、更輕鬆地搜索，並且在使用時更方便
創始人、首席產品官（CPO）和首席市場官（CMO）花費大量時間與客戶溝通和傾聽。他們應該這樣做。總的來說，他們做得很好。但許多聰明、意志堅定、有遠見的領導者會犯一個常見的錯誤。令人驚訝的是，
我們正處於 AI 繁榮時期。資本充裕，預期很高，幾乎所有公司都試圖將自己定位為未來轉型的贏家。在所有興奮之中，一個基本挑戰仍然存在：區分今天存在的事物和明天可能存在的事物。客戶，
在新技術與舊真理的交匯處