有一個事實正在悄悄改變世界的底層邏輯：
過去最穩定、最體面、最值得追求的工作，正在成為最容易被 AI 模仿與取代的一群。
不是因為它們不重要，而是因為它們太標準。
一、AI 天生會吞噬「中間地帶」
AI 的本質不是創造，而是擬合。
它吃下海量歷史資料，學會在「常態範圍」內產生最合理的答案。
因此它最擅長模仿的，從來不是天才或怪人，而是——平均的人類行為。
這意味著：
- 數據越多 → 模型越準
- 工作越標準 → 可學性越高
- 職位越多 → 自動化回報越大
形成一個具有破壞力的閉環：工作越正常，越容易被自動化。
所以最先被衝擊的不是底層體力工作，也不是頂尖創造力，而是那些曾被視為「體面職涯」的中產職位：客服、會計、行政、工程、分析、法務助理、投行……
它們的共同點是：
- SOP 清晰
- 重複性高
- 可教材化
- 可模板化
- 可規模複製
換句話說：越像教材，就越像訓練資料。我們曾努力擠進去的舒適區，現在反而成了風暴中心。
二、標準化不只讓工作脆弱，也讓人脆弱
塔勒布將事物分為三類：
- 脆弱：害怕波動
- 強韌：能承受波動
- 反脆弱：從波動中獲益
標準化工作表面穩定，但其實高度依賴一件事：世界必須保持不變。當環境穩定時，它看起來完美無瑕；當環境突變時，它像玻璃一樣易碎。
更深層的問題是：標準化環境會剝奪人變得反脆弱的機會。如果每天只是遵循流程、執行固定任務、查手冊解決問題、避免犯錯，你就不再從混亂中學習，而是把自己訓練成一個高度特化的零件。只適用於某台機器、某個版本的世界。一旦版本更新——零件就被淘汰。
三、AI 甚至正在取代「造 AI 的人」
過去，AI 工程師需要半夜手動救火：檢查日誌、調整參數、排查錯誤、修復模型崩潰。現在，許多工具已能自動完成這些工作。
甚至連數據標註這種 AI 的基礎工作，都可能被新技術消滅。我們曾以為造船的人最安全，但自動化浪潮連造船師都淹沒了。
任何工作中只要存在可重複的「救火模式」，都可能被自動化。
四、安全與否，不再取決於技術門檻
未來判斷一個職位是否安全，標準不是技術難度、社會地位或聽起來多前途，而是：核心任務有多可預測、可重複。
如果連 AI 研發這種頂端領域，其標準化部分都能被取代，那其他行業的中間職位，又能撐多久？
五、演化早已證明：真正安全的不在中間
自然界對劇變的答案，從來不是「平均」。
長眠數十年的種子
延遲發芽，等待破局條件。在平順年代顯得無用，但在災變中成為唯一倖存者。
哺乳類 vs 恐龍
恐龍是穩定環境下的最優解，隕石落下後，全部失效。倖存的是：小型、適應力強、能承受震盪、具冗餘能力。
這告訴我們：環境劇變前的優勢，常常正是劇變後的弱點。
AI 更像一顆隕石，不是推進世界，而是更換舞台。
六、真正的出路：成為「分布之外的人」
未來價值將集中在常態曲線兩端。
複雜物理世界的解題者
維修、現場工程、救援、手作專業、身體技術。每次情境都不同，難以完全數據化或標準化。真實世界的複雜度遠高於資料世界。
不可量化的創造者
原創思想、敘事能力、審美與品味、高階決策、策略設計、價值觀建構。這些不屬於資料分布，而屬於意義層的生成。AI 可以協助，但難以主導。
七、反脆弱不是冒險，而是重新設計損益結構
真正的核心是：小錯誤代價極低，大震盪可能放大你。
在個人層面可以具體表現為：
不只接受演算法餵食，多語、多領域、多視角，保留非主流觀點。不依賴單一可變現技能，培養長線人格能力，建立多種輸出形式。不只待在同溫層，保留跨世界連結，持續被不同現實校正。
八、真正被標準化的，其實是「人」
問題不再是：哪些工作會被取代？而是：哪種人正在被訓練成可被複製？
當你長期處於只獎勵可預測行為的系統，你會慢慢失去：對自己怪異之處的耐心、試驗不合理想法的空間、說出直覺不適的勇氣、探索價值觀的能力。
你看起來更成熟、更穩重，但其實只是：更像平均值。
九、AI 並非威脅，而是一面鏡子
AI 對現有世界的擬合可以接近完美，但它無法回答：世界本來就該長這樣嗎？
因此真正的分界不是「AI 會不會取代某行業」，而是：你是在重複既有答案，還是在重新定義問題？前者必然被壓縮，後者才是模型難以觸及的領域。
最後的問題
你曾經覺得「不務正業」的特質是什麼？
那些冷門的痴迷、不按常理的思考方式、難以量化的熱情、看起來沒用的能力、與主流格格不入的部分——也許不是缺陷，而是只有在環境改變後才會顯影的能力。
所有真正跨越時代的人，在資料上看起來都會有點奇怪。在資料科學裡，這類存在有一個名字：
Out-of-Distribution Human
未來，很可能由這群人書寫。
有任何想法，歡迎聊聊——
寫信給我 →