有人已经离不开AI了，有人却还完全不会用AI

来源：市场资讯

（来源：石臻说AI）

编辑：石臻

导读： 同样叫“用AI”，有人觉得连PPT都做不好，有人却已经把复杂工作交给了Agent。Karpathy在10月12日给出的新解释，正好回应了这种分歧。

大家讨论的，其实是四种体验

我有一个做老师的朋友。偶尔聊天聊到AI，我一下就兴奋起来，越说越多，恨不得把最近看到的新能力都讲一遍。

她却有些不解：“AI真的有这么厉害吗？可是我感觉，它没给我的工作带来多少变化啊，做个PPT都不行。”

我当时只问了她两句：“你用的是什么模型？你是怎么用的？”

我兴奋，她疑惑

聊到这里，就得先把“AI”拆开看了。模型、工具、交给它的工作不同，“用过AI”并不意味着体验过同一种东西。

今年4月，Karpathy把这种分歧描述成两群人互相说不到一块：一群人的印象来自旧模型、免费产品和日常聊天；另一群人在数学、编程等技术工作中使用前沿Agent。

到了北京时间10月12日凌晨，他重新引用这段话，认为差距还在扩大，把体验分成了四层。

Karpathy：从两群人到四层体验

他为这个漏斗配了一组人数，称为“napkin math”，也就是随手粗估，不是调查统计。

第一层，约60亿人，约占75%，几乎没接触过大语言模型。

第二层，约10亿到20亿人，约占20%，偶尔使用免费聊天产品。AI像一个更好的搜索入口或写作助手。Karpathy说，他的一些非技术朋友觉得用处不大，他认为这完全可以理解：不少岗位的大量时间花在和人沟通上，能理解技术进展，也未必能在自己的工作里直接体会到。

Karpathy估计的四层AI体验

第三层，约2000万人，约占0.2%，在数学、代码等领域专业使用前沿模型。Karpathy举的例子包括新建、复刻、翻译应用，以及从二进制反推程序。他的判断是，一些原本需要数周甚至数月的大项目，如今可以通过提示交给Agent完成。

他还提到自己的变化：不到一年前，自己还在逐字敲代码，偶尔按Tab补全一小段。

这个说法很强，但它是Karpathy的观察，不是所有项目的成功率承诺。需求是否完整、结果是否合格、还要花多少时间修补，这些都得算进去。

第四层，约5000人，约占0.00006%，能接触内部前沿系统。Karpathy描述的画面是：数千个Agent持续数周协作，处理大型软件、安全或科研问题；他还担心，人的审查与理解开始跟不上。内部系统的部署规模和成功率，不能仅凭这段描述确认。

他觉得古怪的正是这一点：有人看到笨拙的聊天机器人，多数专业人士感到有限提效，少数人却已经有了能力曲线突然陡升的眩晕感。这些体验发生在同一时刻。

为什么会分开？他给了三条原因

第一条：影响随任务的野心、规模和时间跨度变化。

问一个只需要一段话回答的问题，很难充分用到系统的能力。Karpathy认为，要看到明显差异，你得有一批很在意、又大又难的问题交给它。

按他的思路，专业用户可能更受震动：原本要反复查资料、写代码、调试、验证的工作，如果其中一大段能被接走，省下的可能是多个工作环节的时间。

不过，任务大并不意味着更容易成功。长流程里的错误也会往后传。目标没说清，让它跑很久，最后也可能得到一份看起来完整、却没法用的成果。

第二条：能力有高有低，尤其偏向数字化、可验证、经济价值高的领域。

代码能运行，测试能给出通过或失败；数学推导可以逐步检查。相比之下，“这篇文章是否打动人”“这个建议能不能促成合作”，评价更难固定成一个明确的对错信号。

Karpathy把这种差异归因于两件事：可验证的结果，能给强化学习训练提供更清楚的对错反馈；公司也会优先投入有收入潜力的任务环境。这是他的机制解释，原帖没有给出能量化两者贡献的实验。

这套解释允许两种体验同时成立：数学和代码用户感到进步很快，其他一些岗位只得到有限帮助。程序测试通过，也不等于需求做对了，更不能据此判断AI能同样可靠地处理人际协调或审美判断。

第三条：访问条件。

免费、付费、内部系统，是原帖直接列出的三个层次。讨论体验时，至少要说明自己用的是哪个版本、带了什么工具、交了什么任务；只说“我也用过AI”，很难比较。

付费不会自动给你内部系统的能力，也不会补齐没有接入的数据或没有说清的目标。反过来，免费工具完成一项简单任务，也不能说明更复杂的工作没有价值。

任务、领域、访问条件，一起影响AI体验

这三条要放在一起看：同一个人升级了模型，如果仍然只问日常问题，体验未必剧变；同样是Agent，换到难以验收、缺少数据的任务，也可能很快碰壁。

漏斗里面，也还有差别

评论区里，有人补充了区分：即使在第三层，也有人是在更快地完成原来的工作

有人却已经在做以前做不了的事。

把旧工作做快，还是开始做新工作？

“快了多少”和“多了哪些能做的事”，我觉得值得分开算。两个人都在用前沿Agent，也可能因此有完全不同的感受。

另一条不同意见来自Kartik。他说，自己给父亲开了Codex订阅；父亲没有专业编程背景，却为自己的生意搭了一个目录类网站，还加了支付功能。他更看重的是：有人把具体用法教给普通用户

让他们看到AI能怎么帮忙。

从自己生意的需求出发

这是Kartik的个人自述，网站质量和后续使用效果还看不到。但它提醒我，职业标签未必能决定你在哪一层。除了模型和访问权限，有没有具体需求、有没有人示范、愿不愿意学着用，也可能改变体验。

给AI什么工作，才值得试？

沿着这个解释，我的建议是：先找一件做完后能说清省了什么的工作。

比如，把一批格式不同的订单文件统一成表格，检查重复记录与金额差异，输出异常清单，保留原文件。它比“帮我提高工作效率”更容易判断有没有用。

选问题时，可以先问自己四件事：

要问的问题

用订单整理这个例子检查

目标是否复杂而明确？

包含读取、整理和检查多个步骤，但交付物明确是统一表格与异常清单。

结果能否验收？

能核对记录数、总金额，抽查原始行，确认异常有依据。

工具和数据是否可接入？

Agent能读到文件，并有处理表格的工具；只给它一句描述不够。

失败是否可恢复？

先在副本上运行，保留原文件和中间结果，错了能重来。

从一件目标明确、能验收的工作开始

这个任务不保证Agent能一次做对。如果你缺的是和客户谈妥一个说不清的条件，AI整理得再快，卡住工作的仍然可能是协商本身。

试完以后，记下自己投入了多久、验收和返工又花了多久。只有把这些算进去，才能知道它到底接走了多少工作。

觉得AI用处不大，不必急着怀疑自己落后；看到别人回不去了，也不用先认定他夸张。拿一个真实任务，交代环境、看交付、算返工，才有办法比较两种体验。