記者 | 張司鈺
編輯 | 孟佳麗
3月的一個工作日，在廣告公司做營銷策劃的唐希第一次使用ChatGPT，彼時她正為給客戶的方案發愁。在對話框裡，她嘗試性地輸入了指令：請寫一個關於某某客戶的廣告營銷競標方案。不到兩秒鐘，對話的另一端就給出了一個非常詳細的方案架構。
「完了，我要失業了。」這是唐希的第一感受。ChatGPT的方案寫得非常完善，跟唐希平時思考的幾個切入點十分相似，甚至還有補充，那一刻，她覺得自己要被取代了。
和唐希的感受類似，自從2022年11月30日ChatGPT發布以來，許多人對生成式AI所帶來的衝擊感到焦慮，擔心自己的工作被取代。的確，與人類相比，生成式AI可以更高效地處理和分析大量數據，能更快速準確地回答覆雜問題，同時，具備很強的自學能力。
從傳媒到遊戲，從教育到諮詢，從廣告到建築，從金融到法律……生成式AI似乎正在重塑職場。
然而，隨著人類對生成式AI的了解越深，探索越積極，大家漸漸發現，過了最初的驚艷期，生成式AI離替代人類的工作仍然有很大一段距離。
唐希在和ChatGPT交手過幾次之後發現，它列舉的方案要點從大方向來講沒有問題，但缺少側重點和針對性，如果想要獲得更細緻的方案，唐希需要不斷根據自己對客戶的理解調試輸入的關鍵詞或關鍵句（prompt），這並不比讓她直接做方案來得輕鬆。
用ChatGPT自己的話來說：「作為AI語言模型，我旨在協助完成設計自然語言處理的任務，比如回答問題、生成文本和分析語言數據。從這個意義上來說，我可能會取代涉及這些任務的工作的某些方面。然而，工作的其他方面仍然需要人類技能，比如創造力、同理心和批判性思維，我無法複製。因此，我更多地將自己視為協助人類工作者的工具，而非取代他們。」
可以看到的是，隨著ChatGPT、Notion AI、Copilot、Midjourney這些生成式AI產品逐漸融入職場，它們成了一種選擇、一項工具。
如何更好地利用生成式AI提升工作效率，在未來一段時間內是多數職場人不得不思考的議題。《未來簡史》的作者尤瓦爾·赫拉利說過，「人工智慧固然很好，但人類必須控制它。也正因為我們面臨著使用新技術的不同選項，就更應該理解現在的狀況，主動作出決定，而不要等著被決定。」
01 被衝擊的職場
過去，我們認為只有體力勞動或是一些重複性事務會被機器替代，但如今生成式AI的出現，已經能在一定程度上勝任人類的某些創造性工作——那些我們一度認為只有人類才能完成的。
具體來講，Midjourney已經能根據提示詞生成完成度較高的畫作；ChatGPT可以寫出與真人寫作相似的文章，並在諸多知識領域給出清晰且詳盡的回答……3月17日OpenAI發布的一項與賓夕法尼亞大學合作的調研結果顯示，ChatGPT以及基於其底層技術構建的未來軟體工具可能影響美國約19%的工作崗位中至少50%的任務。
插畫師西喬在加拿大從事數字圖像創作，她是AI藝術樣式參考庫lib.KALOS.art的創始人。作為較早一批體驗生成式AI的人，她覺得生成式AI給她所在的領域帶來了顛覆性的改變，重新定義了她的整個創作流程和方式。
過去，西喬的創作過程可以分為三大部分：草圖繪製、完稿和交付前修改，其中，完稿的部分要占掉她60%到70%的時間。而現在，在生成式AI的輔助下，她只需把開源模型部署到電腦上，將草圖「餵」給它，就可以大大縮短完稿時間。
生成式AI的進步是驚人的。「以前大家認為在四格漫畫中，想保持每一格人物的長相、衣著一致，AI是做不到的，但現在針對這些人物我先畫上幾批，然後給模型『餵』個幾張到幾十張圖，輸出的結果就有可能保持一致性，當然『餵』的圖越多效果越好。」西喬說。
不過，在享受AI給工作帶來的便捷性的同時，西喬也感受到了危機，「有時候我會有種虛無感，AI生成領域的技術疊代太快，一個月不看就會落後很多。儘管我在努力學習和擁抱新技術，未來依然充滿變數。」
如果說最早生成式AI的影響還停留在設計領域，那麼，憑藉強大的語義理解能力，ChatGPT帶來的改變輻射到了幾乎所有與文本創作相關的工作，成為生產力工具。
對於經常要輸出策劃方案的營銷人而言，ChatGPT的產出效率無人能敵，它的全面性也常常給唐希這樣的營銷人帶來新的思路。過去，唐希在策劃一個方案時容易陷入習慣性思維，但使用ChatGPT輔助方案寫作時，她發現ChatGPT經常能給她一些預想之外的點子，所以現在她在構思方案時，常會「聽聽ChatGPT的意見」。
生成式AI使得一些崗位的技能門檻降低了，過去的必備技能不再那麼重要，有了人工智慧的幫助，半技術或無技術人員也可以完成相應工作。
以金融行業為例，3月15日，OpenAI發布多模態預訓練模型GPT-4，摩根史坦利率先接入，稱其財富管理部門將使用GPT-4獲取、處理和整合內容。
此前，摩根史坦利維護著一個包含數十萬頁涵蓋投資策略、市場研究和評論以及分析師洞見的信息庫，顧問需要瀏覽大量信息才能找到特定問題的答案。接入GPT-4意味著，哪怕是一個新手顧問，都可以在短時間內找到想要的答案，「這就像當你和客戶打電話時我們的首席戰略官就坐在你旁邊。」摩根史坦利數據與創新主管McMillan表示。
ChatGPT對教育領域的從業者同樣有意義。王珂是加拿大某高校的一名課程助教，日常工作是每周給學生出題。王珂是個科技迷，很早之前，他就玩過Siri、小冰這些AI聊天機器人，11月ChatGPT剛一發布，他立刻註冊了。
ChatGPT帶給王珂完全不同的體驗，「以前的AI更多像是關鍵詞檢索，如果你輸入『為什麼某件事不會這樣發展』，它往往會回答這件事這樣發展的原因，但ChatGPT能很好地理解否定或更深的語義。」
沒有ChatGPT以前，王珂出一次作業題要花一個小時，但現在只需要十幾分鐘，這包括他為了防止學生使用ChatGPT寫作業而將題目人為調整到ChatGPT無法回答的程度所花的額外時間，否則出題時間還可以再縮短。
「做助教和做科研不同，本質上這份工作就是為了賺生活費，只要教授覺得題目OK就行，機器出題是很好的方式，既保證了題目的隨機性，也提高了效率，效果還很好。」ChatGPT成了王珂日常工作的重要工具。不過這是否也意味著，未來某一天，再也不需要人類助教來給學生出題？
02 要取代人類，還早
人工智慧稀釋人類工作的現狀的確令人焦慮，但這並不等於「宣判死刑」。
對於「會不會被替代」這個問題，在傳媒行業工作的王安琪並不擔心。她與ChatGPT的協作經歷更像是場失敗的華爾茲：本想努力靠近，卻發現配合艱難。
為了看看ChatGPT能在多大程度上輔助自己的工作，王安琪讓它幫自己寫一個採訪提綱。很快，它交出了答卷。
乍一看王安琪有些震驚——不管完成度還是提問的角度，這些內容與她在實際操作中會思考的方向基本一致。不過再仔細一看，就能發現ChatGPT列出的每個問題之間並沒有緊密的邏輯聯繫，她需要花很多時間修改。「我覺得ChatGPT可能更適合新手記者，比如當他完全不知道怎麼寫一份採訪提綱，或是對某個領域很陌生，藉助ChatGPT可以獲得一些靈感。但如果你是個老手，或是時間比較緊迫，向它尋求幫助反而有點浪費時間。」
即使多模態預訓練大模型的推出使自然語言處理等技術得到飛速發展，現在的模型仍然沒有判斷力。由於ChatGPT的語料主要來自網際網路，它無法判斷這些語料的質量，因此網際網路上絕大部分人是什麼想法，它生成的可能就是類似的想法，對於專業人士來說，這些內容沒有太大價值。
萬興科技的招聘負責人孟德明發現，當自己使用ChatGPT做一些涉及組織心理學、個體心理學的檢索時，很難判定ChatGPT提供的內容是否有嚴謹的學術依據，「用它做一些通用事務沒有問題，但在專業細分領域裡，它會受到資料庫和算法的限制。」
王珂也感嘆，ChatGPT出題很快，形式多樣，但提問的內容有些空泛，對特定領域的問題不夠敏感，需要很細節的關鍵詞調教。
高頻次使用生成式AI輔助創作的西喬承認，如果想讓AI生成的內容都符合自己的要求，是一件耗費精力的事。Midjourney、ChatGPT這些閉源的商業服務用起來方便省事，但可控性以及生成結果的多樣性較弱，使用者能定製化生產的內容較少。
另一方面，數據安全問題也是不少職場人擔心的，畢竟，OpenAI官網公布的隱私政策沒有提及歐盟《一般數據保護條例》這類法規，在「使用數據」條款里，OpenAI承認會收集用戶使用服務時輸入的數據，但未對數據的用途作進一步說明。微軟CTO辦公室的一名高級工程師曾提醒員工，不要將敏感數據發送給OpenAI終端，因為OpenAI可能會將其用於未來模型的訓練。
林錦是一位交通數據分析師，坐標華盛頓，主要工作是分析高速交通流量並撰寫報告。她每天都會打開ChatGPT，但只是用它改一改報告中的語法錯誤。「GPT3.5時代的ChatGPT無法實時更新，沒法得到最新的交通路況數據；此外，公司要處理的數據需保密，只能給公司內部使用，不可以上傳，所以我們沒有用ChatGPT做分析的可能。公司也從來沒有提過這件事。」
在北京一所研究院工作的呂天逸也表達了相似的顧慮。自2月註冊帳號以來，呂天逸幾乎每周都會打開ChatGPT和它玩梗閒聊，甚至用它寫了自己的黨支書述職報告。但涉及到工作中的政策類報告寫作，儘管公司沒有明文規定，但她不敢將可能涉密的信息上傳——即便她知道ChatGPT能幫自己節省近一半的寫作時間。
根據《一般數據保護條例》第17條，個人有權要求刪除其個人數據，即「被遺忘權」或「刪除權」，「被遺忘權」在信息不準確或具有誤導性的情況下尤為重要，但深度神經網絡是否可以「忘記」用於訓練自己的數據？個人又是否有權利要求公司從模型中完全刪除數據？刪除某些敏感數據是否意味著公司需要重新訓練花費高昂的模型？目前，對於此類模型調用服務是否適用「合理使用」條款，這些問題仍存在爭議。
除此以外，尚未解決的版權問題也是ChatGPT的阿喀琉斯之踵。目前生成式AI的立法普遍滯後，並且現有的相關版權法律也存在模糊、不可適用的空間。比如依照中國《著作權法》的相關解釋，一個作品的作者要麼屬於自然人，要麼屬於法人或非法人組織，但AI不屬於這幾類任何一種。根據現行法律解釋，使用AI創作作品的人、AI程序的開發人員以及所在公司或組織能否被認為是作者，也是懸而未決的問題。
去年11月，紐西蘭、英國制定了賦予AI藝術生成器開發人員版權的法律。其中，英國的版權法規定，生成文學作品、舞蹈、音樂或視覺藝術的AI程序開發人員是合法創作者和版權所有者。
在今年3月16日美國政府發布的聯邦公告中，美國版權局規定：AI自動生成的作品將不受版權法保護。作者在申請視覺、文本作品的版權時，需明確指出哪部分由AI機器人完成、哪部分由人類完成，如果機器人完成的部分超出最大限制，將不應該放在作品中申請版權。
即時設計聯合創始人周凝告訴《第一財經》YiMagazine，即使一些平台主張版權歸自己所有，這種宣稱也未必合法。但同樣，如果AI生成的圖片與某些人類作品極為相似，那麼把它用於商業用途不一定沒有侵權風險。「這是一片爭議地帶，各方起訴都有勝訴概率。」
03 被催生的人才需求
人工智慧尚存在局限性，但技術的進步將不可避免地導致某些崗位的人員稀釋或消失，同時，新的工作崗位將會產生。伴隨生成式AI的火爆，與模型訓練相關的提示詞工程師（Prompt Engineer）成為時下的熱門崗位。
Prompt，直譯為「提示」或「驅使」，在機器學習和自然語言處理中，它通常以文本的形式被輸入到訓練好的模型中，使其執行任務、輸出內容。比如讓ChatGPT用海明威的口吻創作科幻小說，或是讓Midjourney畫一隻藍色雀鳥，這都是在輸入提示詞。提示詞越精準，AI生成的內容就越完善。找到恰當的提示詞，引導AI根據自己的要求生成內容，就是提示詞工程師的關鍵任務。
數據科學家Riley Googside與美國人工智慧公司Scale AI最先開了這個頭。本來，Googside只是一名業務分析師、機器學習工程師，但在GPT-3發布之後，他發現自己可以通過不斷引導使GPT-3生成事實準確的文本。
比如當他詢問GPT-3「哪支球隊在賈斯汀·比伯出生的那年贏得了超級碗」，GPT-3給了錯誤的回答，但當他讓GPT-3逐個回答「綠灣包裝工隊在哪一年贏過超級碗」「賈斯汀·比伯出生在哪一年」「這一年哪支隊伍贏了超級碗」時，GPT-3給了他正確的答案。
通過熟練玩轉ChatGPT的提示詞，Googside收到Scale AI的正式offer，並成為全網第一個提示詞工程師。隨後，美國另一家人工智慧初創公司Anthropic也發布了一則招聘啟事，尋找具有AI/ML、數據科學和自然語言處理、醫療保健研究與運營等經驗的提示詞工程師。英國一家律師事務所Mishcon de Reya也發布了GPT法律提示詞工程師的招聘需求，通過開發提示語或評估和改進現有的提示語以確保其有效，以此來幫助律師更好地使用AI。
針對這個新興職位，OpenAI CEO Sam Altman在Twitter上發文，他將為「聊天機器人編寫好的提示詞」稱作「一項非常高槓桿的技能」。據《華盛頓郵報》報導，提示詞工程師這一職位的年薪達33.5萬美元。在GitHub上，一份關於成為提示詞工程師的指南如今有1.43萬個star。
不過，在同樣使用提示詞訓練模型的西喬看來，隨著模型的更新換代，無論是圖像生成還是文本生成，提示詞工程師會變得越來越不重要，模型的進化會彌補提示詞的不足，換言之，即使輸入一個沒那麼準確的提示詞，也能獲得不錯的生成結果。
「在圖片生成領域，以前對模型的控制主要採用提供一段文字或一張初始圖片，模型根據文字或圖片生成結果，但現在有了ControlNet、Fine-Tune這些新的控制方法，你可以通過條件引導來更準確地控制生成結果，或者給模型做針對性的小成本定製，模型越變越成熟，人控制它的方式也從提供單純的文本Prompt變得更多樣。」西喬解釋道。
Meta首席人工智慧科學家Yann LeCun曾預判，提示技術的存在只能表明大型語言模型對自然語言的理解還不夠充分，大型語言模型需要提示詞只是一個臨時態，隨著大型語言模型技術的革新，提示詞工程師就會失去存在的價值。
實際上，大型語言模型從未停止優化提示技術。今年2月28日，專為大型語言模型、大型模型和LMOps設計的提示詞優化器PromptPerfect發布，該優化器可以在10秒內自動優化用戶輸入給ChatGPT、DALL·E 2、Stable Diffusion、Midjourney的提示詞。自發布以來，已有1.68萬名用戶使用，優化了4.32萬個提示詞。
Stable Diffusion的技術產品總監鄭屹州認為，提示技術應該作為一項技能，而不該成為一個崗位。公司招聘提示詞工程師時，需要的往往是懂一定的AI技術，並擅長與AI交互的人。英國律所Mishcon首席戰略官Nick West在接受採訪時提到，「GPT-3和其他生成式AI模型將產生深遠影響，我們希望確保在如何使用該技術方面引入更多專業人士，以便站在使用這些工具的最前沿。」
生成式AI會催生哪些新崗位暫時還有待觀察，不過人工智慧人才需求倒是因為這波浪潮高漲起來。根據獵聘統計，人工智慧新發職位在2020年之後處於總體上升的態勢——2022年第四季度的職位數是2018年第一季度的2.74倍。
CGL深圳前沿科技組合伙人梁弘進做了7年技術領域獵頭，他的主要任務就是幫助公司從海外高校或大型技術公司挖人。據梁弘進觀察，2022年上半年是人工智慧領域的人才需求窪地，但因為ChatGPT驗證了大型語言模型的可行性，現在算法、AI平台架構領域的中高端人才已經供不應求。「曾經在2020年，頂級的AI科學家很難找到合適的機會，他們薪資太高了，但現在這些人很搶手，我每周都會接觸兩三個。」
據梁弘進介紹，目前的人才需求並不是針對基於模型做開發的那群人，而是針對那些懂模型原理、能從底層重新設計一個模型出來的人，以及懂得如何在GPU上寫低功耗跑算法、幫助平台落地的人。「他們直接就能跟公司CEO聊，多高站位都行，哪怕要求在海外建團隊也無所謂。」目前，人才市場對於一個頂級模型團隊的負責人，總包加股票年薪可以開到500萬到1000萬元出頭。即使是一個小團隊的負責人，如果能讓公司跟上生成式AI的潮流，也能拿300多萬元。
據獵聘大數據統計，近一年算法工程師新發職位占比7.26%，招聘平均年薪達到46.4萬元。此外，智能網聯工程師、圖像算法、機器視覺、深度學習、自然語言處理等職能的排名也在提升，招聘平均年薪都超過39萬元。
計算機算法是人工智慧的核心基礎，算法工程師也成為公司之間爭搶的對象。由於市場總量少，想要招到這批稀缺人才並不容易。
「應屆生也可以，因為這批人太缺了。」對於孟德明所在的布局生成式AI的萬興科技而言，目前圖文與視頻方向的算法工程師是熱招崗位，以外，生成式AI相關的產品經理也很需要。在孟德明的計劃里，今年整體招聘上應該還會有15%左右的淨增，現在還有較多空缺。
04 人機共生的未來
機器的能力如此驚人，當人工智慧抵達技術奇點，我們似乎很難找到一處可以借力自己經驗生活的「高地」。目前，重複性高且門檻較低的工作，比如通用的音樂配樂、簡單的卡通頭像定製、初級營銷文案寫作，這些崗位看起來隨時可能被替代。
不過，過去幾年中，層出不窮的機器學習、自然語言處理或視覺圖像識別技術突破又恰恰證明了人類可以在自己的強項上加倍投入，變得比機器更強。人工智慧專家喬安娜·布萊森（Joanna J.Bryson）就曾堅稱，人工智慧只是「另外一種人工製品」，人類從能人時期就開始使用工具，人工智慧僅僅是一種最新的工具而已。
孟德明認為，新一代量子計算機出現之前，ChatGPT更多是一個生產力工具，它不會徹底顛覆我們的工作。他鼓勵公司員工分享使用體驗，也會定期組織教學。「ChatGPT已經有基礎的寫代碼和寫文章的能力，能在一定程度上幫助我們提升工作效率。作為職場人，我們要習慣擁抱一個新的工具，就像Excel可以替代算盤，與其抱著算盤不放，不如讓更好用的工具幫你發揮更大的價值。」
OpenAI在最新發表的研究里提到，GPT對人際交往、手工操作、安全監管等相關的職業影響較少，但對語言（作家、編輯、律師、翻譯）、數據（分析師、會計、統計師）、創意（設計師、藝術家、音樂家）等行業的影響是顯著的，不過這種影響並不一定意味著就業機會或工資水平會下降，更有可能是導致職業結構、工作內容、技能需求等方面發生變化。
「人機共生」是必然的趨勢。當機器可以快速搞定大量重複性工作時，現代人的核心價值將更深刻地體現在提出需求和做出決策上。AI的輔助讓人類得以把時間花在更高階的工作上。
3月17日，微軟宣布將GPT-4全面接入Office，取名Microsoft 365 Copilot，新產品將幫助用戶更快更巧妙地用好辦公軟體，同時，通過接入郵件、聯繫人、在線會議、日曆、工作群聊等信息數據，成為用戶工作時的智能助手。此外，Google也宣布將生成式AI集成到Gmail郵箱和Google Docs中。
微軟CEO薩蒂亞·納德拉在發布會上表示，今天我們進入人機互動的新時代，將重新發明生產力。
你準備好了嗎？
（應採訪對象要求，唐希、王珂、王安琪、林錦、呂天逸為化名）
本文版權歸第一財經所有，
未經許可不得轉載或翻譯。
本文刊載於《第一財經》雜誌2023年4月刊
可收穫更多AI領域深度報導。