当时的封面 · DECK P1 · 2026.02.282026.02.28
2026 年 2 月底，我在奥克兰一个线下读书会讲了一场 agentic AI。 材料只有两份，温度完全相反：一位 AI 创业者的亲身震撼，和麦肯锡全球研究院的冷静计算。
一个人说「我已经不被需要了」，一份报告同时用数据说「到 2030 年，仅美国就有 9200 万人需要职业转型」。 这两个声音的共振，就是整场分享的全部论点。 我把它们接成一条因果链，最后落到一张很具体的表：一个计划员的一天，2025 对 2028。 两个月后，那张表被我自己提前验证了。
这一场我只用了两份材料，而且是故意挑成对立面的。 一份是 Matt Shumer（AI 公司 HyperWrite 的 CEO）2026 年 2 月的长文《Something Big Is Happening》—— 一个每天泡在技术前沿的人写下的第一人称感受。 另一份是麦肯锡全球研究院 2025 年的报告《Agents, Robots, and Us》—— 基于 800 多个职业、2100 种工作活动的量化分析。
两边都对，只是在测不同的东西。Shumer 看到的是技术前沿——那里水位已经到胸口； 麦肯锡测量的是整个经济体——那里有巨大的采用摩擦：成本回报、IT 基础设施、监管合规、组织惯性。 材料里给了一句我很喜欢的处理方式：按 Shumer 的节奏准备自己，按麦肯锡的节奏预期社会变化。
两份材料能接上，靠的是一条链子。第一环是一个我此前没见过的指标：METR 的时间地平线—— 给 AI 一个需要人类专家花 X 小时完成的真实软件工程任务，看它能不能端到端独立完成。 不是问它「懂不懂」，是问它「能独立干多久」。而这个时长的增长是指数的： 每 4 到 7 个月翻一倍，近期还在加速。分享当时，最强的模型已经能独立完成约 14.5 小时的任务。
有了这一环，剩下的推论就顺下来了。整场分享的骨架是这五步：
可独立完成的任务时长每 4–7 个月翻倍。关键不是它某一次答得多好，是它能连续工作多久不掉线——那正是「能不能把一件事整个交出去」的分界线。
麦肯锡不按「职业」估算，而是把 800 多个职业拆成 2100 种工作活动逐项评估。这个粒度很重要：被替代的从来不是「一个职位」，是职位里的一条条活动。
活动层面的潜力汇总起来，就是那个 57%（agent 44% + 机器人 13%）。报告特意注明：这是一次深刻的变化，不是一份失业预测——变的首先是「你每天做什么」。
到 2030 年，仅美国需要转型的就有 9200 万人，而压力分布极不平均：低薪人群面临的转型压力，是高薪人群的 14 倍。这一条我在现场停了一会儿——它意味着这同时是技术问题和公平问题。
麦肯锡给的答案不是「学编程」，是 Skill Partnership：未来最有价值的不是纯粹的 AI 技能或纯粹的人类技能，而是能有效结合两者的那种能力。支撑它的数据是：约 72% 的技能是人机共享的——大多数技能会演化而不是消失；同时 AI fluency 的需求两年增长约 7 倍，比任何其他技能都快。
讲到这里，房间里的表情大多还是礼貌的。抽象数据的问题就在这—— 「57% 的工时可自动化」听起来像天气预报，跟明天早上八点没关系。 所以我把两份材料的结论推演成一张具体的表：一个供应链计划员的一天，2025 年对 2028 年。
2025 年那一栏：八点打开计划系统手动拉取各仓库存；八点半整理进表格做报表； 九点半逐个检查异常、标记补货品项；十点半发邮件确认交货时间；十一点开需求计划会； 下午一点手动算用量与订购量；三点处理延迟、短装、质量的异常；四点半更新风险报告。
2028 年那一栏，我当时是这样推演的：
这张表我当时是当作三年后的预测讲的，结果它没撑到三年。 分享结束大约两个月后，我拿自己搭的那套系统逐条对了一遍—— 右栏我认为要到 2028 年才会发生的七条里，已经有五条是我每天真在做的事。
那张「2028 年」日程表上的七条预测，两个月后已经实现五条。剩下两条不是做不到，是还没轮到我去做。
我给自己留的时间是三年，实际用掉两个月。预测太保守，几乎是这两年最稳定的错误。
行手写代码。整套东西是描述需求、拆分职责、反复调教出来的——门槛不在编程，在你说不说得清自己要什么。
前面三节都是别人的材料。所以这一场我做了一件之前几场没做过的事：把证据带到了现场。 我演示了自己搭的一套东西——几个分工不同的 agent，加一个负责复核的监督者， 覆盖我日常工作的核心环节。不是 demo，是我每周真的在用的版本。 另外还带了一个打包好、能当场安装的插件：现场装上，就能跑。
具体做了什么、经手哪些数据，属于我的工作内容，不适合放在公开页面上，这里就到此为止。 但那天真正起作用的不是细节，是「这东西现在就在运行」这个事实本身。 一份报告说「57% 的工时技术上可自动化」时，房间会点头； 有人打开笔记本，让一个 agent 当场把一件真实的活干完时，房间会安静。
最后一页是把两份材料的建议合成的一张路线图。刻意写得很土——没有愿景，全是动作：
订阅付费版（约每月 $20），主动选最强的那个模型，不要用默认的「快但弱」那一档。更重要的是：别把它当搜索引擎用——把手上真实的工作交给它，第一次不完美没关系，迭代。
把日常工作的每一项归到「AI 擅长」或「人类擅长」。重复性高、耗时长、数据密集的那些，就是你的杠杆点。从你花时间最多的事开始，而不是从最简单的开始。不要预设它做不了——先试。
不是被动读关于 AI 的文章，是实际使用：每天让它做一件你没试过、也不确定它能否处理的事。材料里的说法是——坚持六个月，你对 AI 的理解将超过身边绝大多数人。门槛低，是因为几乎没人真在这样做。
AI 越强，这些人类技能越稀缺：复杂问题判断力、跨领域系统思维、深层关系的建立与维护、创造性解决方案、提出正确问题的能力。Shumer 在这里加了一句冷静的补充：这些不是永久的护城河，但它们为你争取到了时间——而时间现在是最宝贵的资产。
在你的团队或公司里，成为那个率先把 AI 织进工作流程的人。这个窗口不会一直开着——一旦所有人都搞明白了，先发优势就消失了。材料点名了最容易吃亏的一类：认为这只是时尚、觉得用 AI 有损专业性、假设自己的领域特殊而免疫的人。
两份材料都不是中立的。Shumer 是 AI 公司的 CEO，他的震撼有位置； 麦肯锡卖的是转型咨询，它的报告也有立场。我选它们不是因为客观， 而是因为它们从完全不同的动机出发，却指向同一件事——这种共振比任何单一来源都更值得注意。
外推是假设，不是保证。「每 4–7 个月翻一倍」是对过去的观察； deck 里那条「2026 年底是数天、2027 年中是数周」的延长线，前提写得很清楚——如果指数增长持续。 它可能撞墙，也可能更快。这篇文章记录的是 2026 年 2 月我看到的东西。
这一场我没有给任何结论性的判断，也没打算说服谁。 我只做了一件事：把两个不同来源的证据摆在一起，然后打开笔记本，让其中一部分当场跑起来。
对讲的人来说，这一场的意义在两个月后才显形—— 当我逐条划掉那张「2028 年日程表」上的预测时，我意识到： 我在台上讲的不是未来，是一份我自己已经踩进去、只是还没数清楚的现在。 这也是我留着这份 deck 的原因：它给了我一个可以回头对账的时间戳。
所以如果这场分享只留下一句话，我希望是这句： 与其争论它会不会发生，不如去看已经发生的那部分。 门开着，争论门会不会开，是这个阶段最贵的一种消遣。
本文是「HOW TO ___ · 读书会分享」系列的第 6 场（共 11 场），分享发生于 2026 年 2 月 28 日，内容整理自当时真实的分享材料。全系列按最初分享的时间排在 Ideas 时间线上。