Penulis: TT3LABS, platform perekrutan jarak jauh Web3/AI/SaaS
Pada 26 Februari 2026, raksasa fintech Block mengumumkan pemotongan lebih daripada 4000 pekerja, dengan ukuran pasukan berkurang secara langsung dari lebih 10,000 kepada kurang daripada 6000. CEO Jack Dorsey menyebut dalam surat kepada pemegang saham:
Alat pintar telah mengubah makna mencipta dan mengendalikan sebuah syarikat... sebuah pasukan yang jauh lebih kecil, menggunakan alat yang kami bina, boleh melakukan lebih banyak dan lebih baik.
Dorsey juga memberikan ramalannya yang sangat keras:
Saya percaya kebanyakan syarikat sudah terlambat. Dalam setahun ke depan, kebanyakan syarikat akan sampai kepada kesimpulan yang sama dan membuat penyesuaian struktur yang serupa.
Selepas pasaran pada hari itu, harga saham Block melonjak lebih daripada 20%. Ini adalah respons nyata dari pasaran modal: bersedia membayar untuk leverage dan kecekapan AI perusahaan.
Seorang awam yang tidak memahami pengaturcaraan sama sekali kini mampu menjalankan aplikasi fungsional penuh secara berdikari dalam semalam dengan bantuan model besar. Maka, pasaran modal pasti akan menanyakan soalan tajam: Apakah nilai keberadaan kos tenaga kerja yang besar bagi raksasa teknologi yang mempekerjakan beribu-ribu jurucakap untuk mengekalkan operasi harian aplikasi super?
Tren menggantikan tenaga manusia dengan AI akan menyebabkan lebih banyak syarikat besar mengikut langkah ini. Kekhawatiran adalah tidak terelakkan, tetapi hanya bimbang tidak berguna. Kita mesti bermula daripada perubahan konteks besar, kemudian turun perlahan-lahan kepada strategi pengekalan individu.
AI bukan sekadar alat, ia sedang menjadi alat penghasilan
Beberapa pihak di pasaran telah mula menggunakan "Web4" untuk mentakrifkan peringkat semasa. Untuk memahami perkembangannya, mari kita urutkan peringkat-peringkat evolusi internet:
Web2
Intinya ialah interaksi antara perisian dan manusia, di mana platform yang berbeza menggunakan algoritma untuk mendapatkan perhatian pengguna, pada dasarnya merupakan pertarungan untuk merebut trafik.
Web3
Mencuba menyelesaikan masalah penetapan hak dan pembahagian nilai aset digital. Ramai orang secara ringkas menganggapnya sama dengan kripto, tetapi dari segi esensinya, ia masih berada dalam permainan peraturan pembahagian kekayaan dan belum menyentuh hubungan "penghasilan" produk digital.
Sebelum Web4
AI pertama kali menyentuh perubahan hubungan penghasilan itu sendiri. Ia bukan lagi sekadar alat untuk meningkatkan kecekapan, tetapi sedang berubah menjadi jenis baru bahan penghasilan. Siapa yang lebih mahir menggunakannya, akan mampu meningkatkan had output sebanyak satu tahap.
Dalam kerjasama pasukan tradisional, terdapat banyak kos tersirat: penilaian dan intuisi industri pemimpin yang cemerlang sukar ditiru kepada bawahan, dan kesilapan pemahaman serta pembaziran kerja semula dalam pelaksanaan berbilang orang adalah tidak terelakkan. Ini adalah "cukai gelap" dalam operasi organisasi, yang sebelum ini tidak mempunyai penyelesaian yang jelas. AI sangat mengurangkan cukai gelap ini—ia tidak mempunyai lengkung pembelajaran, boleh melaksanakan dengan kualiti tinggi dengan hanya petunjuk yang jelas, dan mampu memproses banyak garis tugas secara serentak. Penilaian strategik seorang individu ditambah dengan tuas pelaksanaan AI boleh menggerakkan output yang sebelum ini memerlukan keseluruhan pasukan.
Tentu, AI masih kadang-kadang "berbicara dengan serius tetapi salah", yang menentukan bahawa pengawasan dan penilaian manusia masih sangat diperlukan. Namun, kebolehpercayaan model meningkat setiap bulan, dan jendela penyesuaian untuk jawatan semata-mata pelaksanaan jauh lebih pendek daripada yang disangka kebanyakan orang.
Kesetaraan kecekapan dan krisis mendalam: Selepas had masuk dihapuskan
Dalam jangka pendek, orang biasa yang menggabungkan alat AI boleh memperoleh manfaat kecekapan. Namun, jika dilihat ke depan, apabila AI menghilangkan perbezaan kecekapan asas dan secara besar-besaran menurunkan rintangan masuk ke profesionalisme, syarikat akan mendapati: selepas kecekapan pengeluaran individu meningkat ketara, jika skala perniagaan keseluruhan tidak berkembang secara sepadan, mempertahankan jumlah pekerja yang sama menjadi aset negatif.
Lihat perbezaan gaji semasa ini. Menurut data pemantauan jawatan TT3LABS, sejak 2025, pasaran pekerjaan AI telah beberapa kali melihat paket gaji yang mencapai "lebih daripada sepuluh juta dolar AS", dan calon-calon ini adalah jurutera AI muda yang tidak mempunyai kemahiran pengurusan pasukan yang terlalu banyak. Semasa Meta merekrut penyelidik utama dari OpenAI, bonus perjanjian sahaja melebihi 100 juta dolar AS, dan gaji ekuiti purata pekerja OpenAI mencapai 1.5 juta dolar AS, dengan gaji tahunan asas untuk jurutera penyelidik peringkat tinggi di Anthropic mencapai sehingga 690,000 dolar AS (tidak termasuk ekuiti).
Kapital yang dibelanjakan untuk ini membeli kemampuan langka: membuat AI itu sendiri menjadi lebih kuat. Orang yang mampu mendorong evolusi model dasar nilainya dapat diperbesar secara geometrik di seluruh jaringan perniagaan. Sementara orang lain, jika tugas mereka dapat digantikan oleh AI dengan kos yang lebih rendah, nilai mereka mungkin berkurang.
Ini juga memicu krisis tersembunyi yang lebih dalam. Semakin ramai orang yang, apabila menghadapi masalah, segera meminta AI memberikan jawapan, melewati proses penarikan kesimpulan, pengesahan, dan percubaan yang sepatutnya dilakukan sendiri. Dalam jangka panjang, ini akan menyebabkan kehilangan kemampuan berfikir. Masalahnya, proses "kerja keras" inilah yang membentuk insting anda terhadap masalah. Jika anda terus bergantung pada AI untuk menjalani proses ini, peranan anda dalam pekerjaan akan berkurang menjadi seorang "penterjemah keperluan": menterjemahkan keperluan orang lain kepada input AI, kemudian menyampaikan output AI kepada orang lain. Namun, perantaraan ini justru merupakan bahagian yang paling mudah dilalui oleh AI generasi seterusnya.
Peta serangan: Anda berada di posisi mana?
Ketakutan tanpa koordinat hanyalah kecemasan. Sebelum membincangkan strategi, kita perlu membuat "peta kesan" terlebih dahulu. Ini bukan untuk menyebarkan kepanikan, tetapi untuk membantu setiap orang menentukan kedudukan mereka.
Posisi yang boleh ditentukan dengan jelas tugas berisiko tinggi
Pengkodean peringkat awal, analisis data asas, penghasilan laporan standard, reka bentuk berasaskan templat, semakan terjemahan biasa. Ciri sepunya jawatan-jawatan ini ialah tugasnya boleh dipecahkan dengan jelas kepada "input→proses→output". Sebahagian besar daripada lebih 4,000 orang yang dipecat oleh Block berada dalam kawasan ini. Kemampuan profesional mereka tidak buruk, tetapi tugas yang mereka lakukan tepat sesuai dengan apa yang boleh dilakukan oleh model besar.
Sekadar standard yang perlu anda tanyakan pada diri sendiri: jika keseluruhan tugas anda boleh ditulis sebagai satu arahan AI, maka mesin sudah bersedia menggantikan anda—hanya tinggal masa apakah syarikat akan membuat keputusan ini.
Penguncian sedang "ditekan" oleh pengalaman menengah
Pengurus projek, pengurus operasi, jurutera peringkat pertengahan. Pekerjaan mereka melibatkan penilaian dan koordinasi, yang tidak akan digantikan oleh AI dalam jangka pendek, tetapi sedang "ditekan". Dahulu, satu rantai perniagaan memerlukan lima pengurus pertengahan masing-masing mengendalikan satu bahagian dan saling menyelaraskan, tetapi kini AI mengambil alih pelaksanaan hulu dan hilir, sehingga hanya memerlukan satu atau dua orang untuk menjalankan keseluruhan rantai.
Kelompok ini menghadapi situasi di mana "tempat menjadi lebih sedikit". Kemampuan anda tidak menurun, tetapi permintaan pasaran untuk peranan anda menurun drastis. Jalan keluar bagi kelompok ini ialah menggunakan AI untuk memperbesar eksekusi ke bawah, dan mendapatkan hak menentukan masalah ke atas.
Pengendali Ketidakpastian Nilai Tambah
Ada satu jenis pekerjaan yang intinya bukanlah "melakukan dengan betul", tetapi "mengambil keputusan dalam keadaan maklumat yang selalu tidak lengkap, serta menanggung akibatnya". Perundingan perniagaan yang kompleks, pengurusan isu krisis, pengurusan organisasi antarabudaya, dan penilaian pelaburan berisiko tinggi. AI boleh memberikan analisis dan cadangan, tetapi tidak boleh menandatangani atas nama anda, tidak boleh menanggung kesalahan atas nama anda, dan tidak boleh membaca permintaan kepentingan di sebalik pandangan seseorang di atas meja makan.
Peranan semacam ini tidak hanya tidak menyusut nilainya, malah meningkat kerana kos pelaksanaan asas dikurangkan secara besar-besaran oleh AI, membolehkan anggaran yang sama menggerakkan projek yang lebih besar, dan tuas yang dimiliki oleh pembuat keputusan menjadi lebih panjang.
Dalam kehidupan sebenar, banyak orang bekerja melintasi lebih daripada satu peringkat. Cara uji diri yang mudah: fikirkan tentang kandungan kerja harian anda, berapa banyak yang boleh dijelaskan dengan satu arahan, dan berapa banyak yang memerlukan anda membuat keputusan sendiri dalam keadaan kabur. Semakin tinggi peratusan yang pertama, semakin cepat anda perlu membuat perubahan.
Hentikan kecemasan alat, tukarkan kuasa pengiraan awam menjadi halangan peribadi
Pada akhir Januari, OpenClaw ("Udang Karang") muncul secara mendadak, dan dalam beberapa hari, tanda bintang GitHub melebihi 170,000. Semua pembuat model segera mengikuti, Alibaba Cloud melancarkan pelaksanaan satu-klik, Tencent memperkenalkan CoPaw sebagai pembanding, serta MiniMax dan Kimi juga mengeluarkan penyelesaian kompatibel masing-masing.
Kemudian anda akan mendapati fenomena yang menarik: ramai orang menghabiskan lebih banyak masa bulan ini untuk "menyelidiki cara melaksanakan udang karang" dan "membandingkan pakej mana yang lebih berkesan", berbanding masa yang mereka gunakan secara sebenar untuk menghasilkan hasil perniagaan menggunakan AI. Semua orang mengejar alat, tetapi selepas anda melaksanakan konfigurasi itu, orang lain boleh menyalinnya sepenuhnya dalam masa dua jam.
Semua model bahasa besar—OpenAI, Anthropic, Meta, Google, xAI—dilatih menggunakan data internet awam yang sama. Oleh itu, pada dasarnya mereka semua sama, dan itulah sebabnya mereka sedang dikomersialkan dengan sangat pantas.
— Larry Ellison, panggilan laporan keuangan Q2 tahun fiskal 2026 Oracle
Sebaliknya, jika pekerjaan anda hanya bergantung pada kemampuan awam model besar umum, hasil anda akan homogen, walaupun arahan anda ditulis dengan sangat canggih, ia tidak mempunyai parit perlindungan.
Rintangan sebenar terletak pada peralihan dari awam ke persendirian.
Sudah ada tren yang sangat jelas: semakin banyak organisasi, dari perusahaan besar hingga pasukan kreatif, yang menghimpun model privat secara tempatan. Sebab langsungnya ialah keselamatan maklumat—tidak ada siapa pun yang ingin menyerahkan data bisnes utama kepada API pihak ketiga. Tetapi tren ini mempunyai kesan berantai yang diremehkan: apabila pemain utama dalam industri semuanya mengurung data dan pengetahuan mereka dalam pelaksanaan privat, maklumat industri yang boleh dipelajari oleh model am di rangkaian awam akan menjadi semakin sedikit dan semakin tertinggal. Secara zahir, AI menurunkan rintangan pengetahuan untuk semua orang, tetapi lapisan pengetahuan industri yang benar-benar bernilai sedang hilang dengan cepat daripada rangkaian awam, dan tenggelam ke dalam perpustakaan privat masing-masing.
Jadi, "pengetahuan tersembunyi" industri yang telah anda kumpulkan selama bertahun-tahun bukanlah merosot, tetapi meningkat nilainya, selama anda menggunakannya.
Kumpulkan pengalaman perniagaan yang tidak terstandardisasi dari dalam fikiran anda, rekod perbualan, dan e-mel sejarah, lalu susun dan strukturkan menjadi "konteks" yang boleh dicerna oleh model peribadi anda. Data latar belakang TT3LABS menunjukkan bahawa kadar lulus penapisan awal calon dengan pengalaman lebih daripada dua tahun dalam industri Web3 jauh lebih tinggi berbanding tenaga teknikal dari syarikat besar tanpa latar belakang industri, dan sebab utamanya ialah kepentingan Know-how industri jauh melebihi kemampuan teknikal umum. Seseorang yang telah mengendalikan operasi CEX selama tiga tahun memahami logik pematuhan dan peraturan tersirat pelantikan aset, seseorang yang telah melalui dua kitaran tata kelola DAO mampu menilai reka bentuk usul dan titik belok emosi komuniti, seseorang yang mendalami kandungan tepat mempunyai intuisi terhadap psikologi penonton dan ritma naratif—semua ini tidak akan muncul dalam mana-mana data latihan awam.
Apabila anda mengstrukturkan pengalaman peribadi ini dan menghubungkannya dengan model, AI anda bukan lagi ensiklopedia umum, tetapi rakan khas yang hanya bekerja untuk anda dan memahami bidang anda sahaja. Kedalaman hasil ini tidak dapat dicapai oleh orang lain yang menggunakan model umum yang sama.
Logik utama hanya satu: AI mengungguli semua orang dalam pemrosesan pengetahuan awam, tetapi sepenuhnya bergantung pada input anda dalam pemrosesan pengalaman peribadi. Orang yang mampu menggabungkan Know-how industri mendalam dengan AI adalah aset utama dalam bentuk pembahagian kerja baru.
Perpustakaan pengalamanmu adalah "model" yang sebenarnya
Model AI sedang berkembang pesat; GPT, Claude, dan Gemini hari ini mungkin akan digantikan oleh versi yang lebih kuat dalam enam bulan. Tetapi bagi anda, menukar model yang lebih kuat hanyalah menukar antaramuka API. Yang tidak akan digantikan atau diubah adalah data peribadi dan perpustakaan pengalaman yang anda berikan kepadanya.
Model adalah infrastruktur umum yang boleh digunakan oleh siapa sahaja. Tetapi pengetahuan industri, penilaian perniagaan, dan pengalaman kegagalan yang anda masukkan ke dalamnya adalah "kumpulan latihan" milik anda sendiri. Semakin kuat AI, semakin kuat ia mampu menyerap kumpulan latihan anda, dan semakin tinggi rintangan peribadi anda. Oleh itu, jangan risau sama ada membina perpustakaan pengetahuan sekarang akan cepat menjadi usang—perpustakaan pengetahuan anda adalah aset tunggal yang tidak akan kehilangan nilai walaupun model berubah. Model berubah, tetapi rintangan data anda hanya akan meningkat nilainya seiring dengan peningkatan keupayaan AI.
Sementara itu, logik persaingan职场 tradisional juga sedang ditulis semula. Dahulu, pekerja boleh menunjukkan sikap dengan bekerja lewat malam, tetapi mesin menghasilkan output 7×24 jam, menjadikan semua strategi persaingan berdasarkan "saya lebih tahan lama daripada orang lain" menjadi tidak bermakna di hadapan AI.
Banyak orang akan berkata: "Saya masih memberikan nilai emosi kepada pasukan saya." Betul, ini adalah kemampuan unik manusia, tetapi premiumnya bergantung pada peringkat anda. Apabila pasukan peringkat bawah berkurang dari sepuluh orang menjadi dua orang ditambah satu siri Agen AI, "pelincir pasukan" kehilangan konteksnya. Namun, di peringkat pengambilan keputusan, permainan perniagaan yang kompleks, pembinaan kepercayaan berisiko tinggi, dan penyelesaian konflik antara pihak-pihak dengan kepentingan berbeza, hubungan mendalam antara manusia justru menjadi lebih berharga kerana kos asas telah berkurang. Nilai emosi bukan hilang, tetapi berpindah ke atas.
Pada akhirnya, yang paling perlu dilaburkan oleh individu di era AI bukanlah mempelajari alat mana, tetapi terus-menerus mengurus AI peribadi yang hanya anda miliki. Alat akan dikemaskini, tetapi perpustakaan pengalaman tidak.
Tiga tindakan, boleh bermula sekarang
Kembali kepada kes Block, ada yang dipecat tetapi ada juga yang kekal; perbezaannya ialah selepas AI menjadi alat penghasilan piawai, siapakah yang masih tidak boleh dikurangkan. Jangan tunggu syarikat memberi latihan AI kepada anda, mulai hari ini, kita boleh cuba tindakan-tindakan ini:
01、Berpindah dari "melakukan sendiri" kepada "membina alur kerja"
Perangkap paling mudah ditangkap oleh pekerja ialah menggunakan AI untuk "malas" (contohnya, gunakan AI untuk menulis laporan mingguan atau menyempurnakan e-mel), tetapi ini masih merupakan pemikiran peringkat pelaksana. Apa yang sebenarnya perlu anda lakukan ialah anggap diri anda sebagai "pengurus kontrak", dan tukar hasil paling penting dalam jawatan anda kepada satu garis pengeluaran automatik AI.
Jangan cuba beberapa model baru secara serentak; pilih satu alat yang paling matang semasa ini (seperti ChatGPT Plus atau Claude), dan paksa ia masuk ke dalam bahagian pekerjaan anda yang paling memakan masa dan memerlukan pengalaman. Ubah proses tunggal anda yang asal "kumpul data secara manual → analisis dan bandingkan → hasilkan kesimpulan" kepada "tetapkan pengambilan data automatik → berikan kepada kerangka analisis AI → campur tangan manusia untuk penyesuaian halus". Apabila anda mampu menggunakan aliran kerja ini untuk mengurangkan tugas yang biasanya mengambil seminggu menjadi sehari sahaja, dengan kualiti yang sangat stabil, anda tidak lagi menjadi satu nod kuasa komputasi tunggal — anda sendiri telah menjadi sebuah "syarikat mikro" dengan kekuatan tinggi.
02、Mengikat pengalaman tersirat sebagai digital twin eksklusif anda
Model besar belajar dari data awam, ia memahami semua teori, tetapi ia sama sekali tidak memahami kebiasaan tersembunyi pelanggan besar yang sangat sukar di perusahaan anda, atau pun zona larangan yang tidak boleh disentuh semasa berurusan dengan jabatan kewangan. Pengetahuan "gelap" yang anda peroleh melalui ribuan kesilapan ini adalah aset paling penting anda.
Tetapi aset-aset ini tidak akan menghasilkan faedah berganda jika hanya tinggal di dalam fikiran anda. Tugas anda sekarang ialah memanfaatkan fungsi penyesuaian yang dibuka oleh model besar semasa ini (seperti Custom GPTs atau Claude Projects) untuk mengubah pengalaman anda menjadi "arahan pra-tetap sistem" miliknya. Berikan semua kes tepi yang telah anda tangani, laporan ulasan kegagalan, dan peraturan tersirat industri kepadanya. Matlamat anda bukanlah membina buku nota pangkalan pengetahuan statik, tetapi untuk "mengendalikan" seorang asisten peribadi 24 jam yang membawa gaya perniagaan peribadi anda yang kuat dan hanya bekerja untuk anda. Apabila "duplikat digital" anda terbentuk, orang lain yang menggunakan AI generik tidak akan mampu menyaingi anda.
03、Kuatkan "hak menentukan masalah" dan tanggungjawab anda sendiri
Dalam pasukan, mulailah berlatih dengan sengaja untuk menyerahkan tugas "mencari jawapan" kepada mesin, sambil memegang kuasa untuk "mengajukan soalan" dan "membuat keputusan". AI adalah enjin jawapan yang sempurna, tetapi ia tidak akan pernah dapat mengesan motivasi perniagaan sebenar di sebalik satu keperluan. Bos berkata, "Saya ingin membuat strategi pengekalan yang baharu," dan AI akan segera memberikan 10 model teori growth hacking. Tetapi hanya anda yang boleh menggabungkan bajet dan sumber pembangunan semasa untuk menunjukkan, "Walaupun cadangan B sempurna, ia tidak boleh dilaksanakan pada masa ini, cadangan C yang memotong separuh fungsi paling sesuai dengan ritma kita sekarang."
Sementara itu, anda perlu faham satu perkara: AI tidak akan dipenjara atau bertanggungjawab. Syarikat membayar gaji tinggi kepada anda kerana sebenarnya membeli "jaminan" terhadap hasil perniagaan anda. Apabila anda menghantar kod atau penyelesaian yang dihasilkan oleh AI, anda perlu yakin berkata: "Saya telah mengulas hasil AI dengan pengalaman profesional saya, dan saya bertanggungjawab atas hasil akhirnya." Nilai tanggungjawab ini—berani membuat keputusan di kawasan kabur dan berani menanggung akibat perniagaan akhir—tidak akan pernah boleh digantikan oleh mesin dalam sebarang zaman.
Dorsey berkata, "Kebanyakan syarikat sudah terlambat." Tetapi untuk individu, perkataan ini juga berlaku sebaliknya: kebanyakan orang belum mula bersiap dan tidak sedar akan tren ini.
Tidak semua orang perlu menjadi pakar AI. Tetapi setiap orang perlu memikirkan satu soalan: Dalam pekerjaan anda, bahagian mana yang pasti boleh dilakukan oleh mesin, dan bahagian mana yang unik kepada anda, kemudian pindahkan masa dan tenaga anda dari yang pertama ke yang kedua.
Jika suatu hari AI mengungguli manusia secara menyeluruh di semua bidang, mungkin pada tahun 2027, mungkin pada tahun 2030, tetapi ini bukan perubahan yang boleh anda saksikan secara pasif.
Ia tidak menunggu anda bersedia.