AI把一切都自动化了，为什么公司反而更忙、更缺人

当所有人都在担心“AI会不会让人失业”时，一家深度使用AI Agent的公司却在疯狂招人。这不是鸡汤，而是一个反直觉的行业真相：自动化并没有消灭工作，反而制造了更多、更高级的人类工作。

最反直觉的一幕：越是自动化，越需要专家

视频一开始就抛出了一个让人愣住的判断：AI把“熟练的人类能力”变得极其便宜，结果不是专家被替代，而是专家更抢手了。Every 的创始人说得很直接——如果自动化真的能消灭工作，那他们这种站在 AI 应用最前沿、大量使用 Agent 的公司，应该是第一个裁员的。但现实恰恰相反：他们在疯狂招聘。

更讽刺的是，连 Anthropic CEO Dario Amodei 这样站在“前沿模型第一线”的人，都会感叹未来是否还有工作。这种恐惧在民意调查中也非常普遍。但作者的亲身体验完全相反：不是工作消失了，而是“需要人介入的地方多到爆”。这正是他想拆解的自动化悖论。

AI Agent 在公司里到底怎么用？答案比你想的更“土”

Every 是一家只有 25 人的公司，却系统性地使用多个 AI Agent：有的跑在 Slack 里，像“数字员工”一样被委派任务；有的更激进——每一次对话都会在本地电脑上生成一个 Agent，逐渐变成“工作的操作系统”。作者把这两种形态总结得很清楚：一种是委派（delegation），一种是编排（orchestration）。

但关键不在形式，而在结论：这两种模式，离开人都跑不起来。最典型的例子是 Claudi ——一个负责咨询业务的 Agent。它之所以“好用”，并不是因为模型多聪明，而是因为有一个叫 Nitesh 的人，专职盯着它哪里出错、哪里偏航、哪里需要纠正。一个残酷但真实的经验是：Agent 离人越远，效果越差；人和 Agent 的协作，才是威力真正被释放的地方。

当“昨天的能力”变得廉价，世界会发生什么

真正的拐点出现在这里。大语言模型的本质，是把“昨天的人类能力”压缩成一个几乎人人可用的工具。一旦这种能力变得便宜，采用速度会呈指数级爆发。结果不是效率提升这么简单，而是工作量本身被放大了。

代码里出现了更多 pull request，内容里出现了更多初稿、方案、点子——作者用一个流行词形容这种现象：slop。它不是垃圾，而是一种“泛滥的、尚未被打磨的工作”。问题来了：当所有人都能产出 60 分的东西，谁来把它变成能上线、能发布、能赚钱的 90 分？答案只有一个：专家。

于是，一个看似矛盾的循环出现了：AI 降低了门槛 → 更多人参与 → 更多中间产物 → 对差异化和判断力的需求暴涨 → 专家更忙、更值钱。

专家没被替代，反而在“进化”

视频里对“专家”的定义，其实已经悄悄升级了。专家不只是把活干得更好的人，而是三类能力的集合：第一，能把 AI 产出的半成品变成可落地结果；第二，能设计系统和流程，吸收、过滤、放大这些新工作流；第三，干脆自己用 AI，把过去需要一个团队的事情，一个人跑完。

作者提到，已经有人单枪匹马运营完整的软件产品。这听起来像极了效率神话，但背后的逻辑很冷静：不是工作消失了，而是“单位专家”的产出半径被拉得极大。这也解释了他对“AI 会不会最终追上并替代人类”的怀疑——这更像是一个永远接近、却很难真正抵达的 Zeno 悖论。

总结

如果你只记住一句话，那就是：AI 并没有消灭工作，它消灭的是“没有判断力的中间层”。真正稀缺的，正在变成会用 AI、能校准 AI、能为 AI 设计舞台的人。对从业者来说，最现实的建议也很朴素——别站在旁边焦虑，直接下场“骑模型”。把 Agent 当成你能管理、能训练、能共创的对象，而不是一个黑箱。未来的差距，不在于谁有没有用 AI，而在于谁能把 AI 变成自己的放大器。

关键词： AI Agent， 大语言模型， 自动化悖论， 人机协作， 未来工作

事实核查备注： 需要核查：1）视频标题、频道 Every、发布时间 2026-05-21；2）Dario Amodei 的相关言论是否为视频中原话；3）Every 公司规模约 25 人；4）Claudi、Andy、Victor 等 Agent 是否为视频中的实际示例；5）作者关于“allocation economy”的表述是否出自其过往文章。