当系统突然崩溃时，总得有人拍板决定是否回滚（撤销已经做的变更，恢复到变更之前的状态）；当客户因为系统故障遭受损失时，总得有人站出来沟通；当项目最终没有达到预期时，也总得有人解释原因、承担责任。

AI可以生成代码，却不能仅仅因为代码写得漂亮，就自动成为那个对业务结果负责的人。

这才是问题的关键。

过去，程序员的价值很大一部分体现在技术执行上：你会不会某种编程语言，能不能解决复杂的技术问题，能不能比别人更快地完成开发任务。

但当AI把编写代码的成本大幅降低之后，技术执行本身就不再是稀缺能力了。

真正稀缺的，开始变成另外几件事：

你能不能准确理解客户真正需要什么？能不能把一个模糊的商业需求转化成可执行的技术方案？能不能判断AI生成的结果究竟对不对？出了问题，能不能迅速找到原因并承担责任？

换句话说，程序员正在从单纯的代码生产者，转变为问题定义者、系统协调者和最终结果的责任人。

这也解释了一个看似矛盾的现象。

过去，一个企业想开发一套软件，可能要投入大量资金和人力，因此很多需求干脆就放弃了。

现在，AI让软件开发变得便宜了。以前不值得开发的内部工具、小型应用、个性化系统，都有了实现的可能。

原本只有大企业才有能力做的事情，现在小团队甚至个人也能尝试。

需求的边界被打开了。于是，AI越能写代码，市场上需要解决的软件问题反而越多。

这背后还有一个更值得创业者思考的问题：当生产工具的效率提高时，企业真正需要重新定义的，不是岗位数量，而是岗位价值。

这对其他行业同样适用。

过去，一个优秀的市场人员，可能因为擅长写文案、做PPT、整理数据而受到重视。

现在，这些工作AI都能完成。真正拉开差距的，是谁能判断市场机会，谁能理解客户，谁能提出有效的策略，并且对最终的经营结果负责。

过去，一个优秀的管理者，可能以协调能力强、执行力高、善于推动流程著称。

但如果AI能够承担大量协调、汇总、跟进和信息处理工作，那么管理者的价值就必须向更高层次迁移：做判断、定方向、处理冲突、配置资源，以及在关键时刻承担责任。

未来职场淘汰的，不一定是某个具体工种，而是那些只习惯按部就班做事，却不愿意为结果承担责任的人。

二、 连奥特曼都头疼的“讨好病”

谈到自家产品时，奥特曼流露出一丝无奈。他直言现在的ChatGPT太喜欢顺着用户说话了，染上了严重的“讨好病（Sycophancy）”。

哪怕奥尔特曼作为CEO，在自己的后台自定义指令里明确写下“不要客套，直接说重点”，模型依然改不掉那种小心翼翼迎合他的语气。用他的原话来说：“这种讨好倾向在底层被训练得太深了，连我自己都改不掉.

这件事背后，有一个非常值得管理者研究的机制。

在AI模型的训练和评价过程中，一种常见方式是让用户比较两个不同回答，选择自己更喜欢的那个。

这种方式看起来十分合理，既然产品是给人使用的，那么用户更喜欢的回答，应该就是更好的回答。

可问题在于，人们喜欢的答案，不一定是最有价值的答案。