AI 搶得走工作，搶不走你的方向盤

---

🏋️ 今日芒格鍛鍊

在讀這篇之前，先暖身一下。 今天我們要用這幾個思維工具來拆解 AI 與工作的未來——你知道這些嗎？

💡 專業人才 vs 企業家（Der Weg zum erfolgreichen Unternehmer）

90% 的「老闆」其實是專業人才在扮演老闆。真正的企業家做的事完全不同。 你上次想到「我的工作會不會被取代」的時候，有沒有想過：你到底是在「做工作」，還是在「做一件事」？

💡 第一性原理思考（Think Like a Rocket Scientist）

回到最基本的東西，質疑所有假設。不是優化表面，是挑戰前提本身。 AI 來了之後，大家都在學 prompt engineering。但你有沒有想過：prompt 本身就是一個會過期的抽象層？

💡 可得性捷思（Judgment under Uncertainty）

越容易想到的事，你越覺得它常發生。親眼看到的比統計數字影響你更多。 你對 AI 的恐懼，是來自數據分析，還是來自你上週滑到的那篇「AI 將取代 XX 職業」？

全都知道？恭喜，你的多元思維肌肉已經很強了。 有不熟的？沒關係，這就是我們今天要鍛鍊的。往下看吧。

---

5 到 10 倍的生產力提升。

這是 Naval Ravikant 估計的數字：一個軟體工程師加上一組 AI agent，生產力是以前的 5 到 10 倍。

聽起來很嗨。但我想先問你一個問題。

如果工程師的生產力暴增 10 倍，你覺得公司會多請 10 倍的工程師，還是少請 90%？

這不是未來式。這是現在進行式。

Naval 在最新一期 podcast 裡聊了 AI 與工作的未來。他是 AngelList 的創辦人，現在在 Impossible 重新當 builder，也是那個說出「No entrepreneur is worried about AI taking their job」的人。

本文靈感來源：A Motorcycle for the Mind — Naval Ravikant（2026 年 2 月）

大部分人聽到這句話會生氣。

但如果你讓情緒先降一降，仔細想想，他說的其實不是 AI 有多強。

他說的是：你到底在做什麼。

Vibe Coding 不是重點。重點是誰在 ride 它

Naval 說：「Vibe coding is the new product management. Training and tuning models is the new coding.」

翻譯一下——

現在你可以用英語寫程式。不用會 Python，不用會 JavaScript。你只要講清楚你要什麼，AI 就幫你蓋。Claude Code、Cursor，這些工具已經讓一個完全不寫 code 的人，能從零做出一個可以動的 app。

所以每個人都能當軟體工程師了。

但這裡有一個敘事陷阱。

媒體說的版本是：「人人都能寫程式了！太棒了！」 現實的版本是：沒有人想要平均水準的東西。

Naval 講得很直接：there is no demand for average。

就像 YouTube 沒有創造一百萬個中型電視台。它創造了一個超級聚合器，加上一條無限長的長尾。頭部的越來越大，長尾的越來越細。中間那層？消失了。

App 市場會走一模一樣的路。AI 讓每個人都能做 app，結果不是人人都成功。結果是頭部 app 更強、小眾 niche 被填滿，而中間那些 5–20 人的軟體公司——被兩邊夾殺。

你在哪一層？

你怕的不是 AI，是自己的位置

這裡我想用一個概念來校準。

Merath 在《Der Weg zum erfolgreichen Unternehmer》裡有一個殘酷的觀察：90% 的創業者，其實是 Fachkraft（專業人才）在扮演老闆。

什麼意思？

Fachkraft 是做事的人。他的價值在於「我會做這個」。他每天「為企業工作」（in der Firma arbeiten）。

Unternehmer 是做決策的人。他的價值在於「我知道該做什麼」。他「在企業上工作」（an der Firma arbeiten）。

Naval 其實說的是同一件事，只是他的語言不一樣。

他說：「No entrepreneur is worried about AI taking their job — because being an entrepreneur isn’t a job.」

Fachkraft 怕 AI，因為 AI 可以做他會做的事。 Unternehmer 歡迎 AI，因為 AI 能幫他做他想做的事。

差別在哪？

掌舵權。

誰在決定方向？誰在判斷局勢？誰有能力改變局勢？

創業者手上握的是舵。他看得到海象，他決定往哪開，他在風浪裡做判斷。AI 是一具更強的引擎——但引擎不會決定方向。

「工作者」沒有方向。他只有一個 slot 要填。當 AI 能填那個 slot，他就沒有存在的理由了。

你現在的日常，是在「填一個 slot」，還是在「創造一個東西」？

如果你一時答不上來，那就是答案。

抽象層下面是什麼？

Naval 還說了一件很重要的事。

他說工程師即使在 AI 時代仍然有巨大優勢。不是因為他們會寫 code——AI 也會寫。而是因為他們理解 code 下面那一層。

「All abstractions are leaky.」

每一層抽象都會漏水。AI 幫你寫的 code 會有 bug、會有次優的架構、會有性能問題。理解底層的人能抓到這些漏洞。不理解的人只能禱告。

這就是 第一性原理思考（Think Like a Rocket Scientist, Varol）的核心。

大家都在學怎麼用 AI。Prompt engineering、workflow optimization、agent orchestration。這些都是在「抽象層上面」做文章。

但 Naval 的態度是什麼？

「I just sit there stupidly talking to the computer.」

他不學 prompt tricks。他不搞 workflow。他直接用最笨的方式跟 AI 說話。

為什麼？

因為他知道那些 tricks 的保質期以週計算。AI 適應你的速度，比你適應 AI 的速度快得多。

所以第一性原理不是學會用最新的工具。

第一性原理是：理解工具下面那一層。

你理解軟體架構，你就比 vibe coder 強。 你理解硬體，你就比一般軟體工程師多一層。 你理解物理，你就比硬體工程師多一層。

每往下一層，你就更接近現實。而越接近現實的人，越不怕抽象層的變動。

你的知識是建在哪一層上面的？

AI 焦慮是可得性捷思在作祟

最後一個角度。

為什麼這麼多人對 AI 感到焦慮？

Kahneman 和 Tversky 的 可得性捷思（Availability Heuristic）給了一個精準的解釋：越容易想到的事件，你越覺得它可能發生。

「AI 取代工作」的敘事太生動了。每天都有新文章、新研究、新預測。你的大腦被這些場景轟炸，自然覺得「這一定會發生在我身上」。

但 Naval 的處方不是叫你「不要怕」。

他說：「The solution to anxiety is always action.」

去搞清楚這東西是什麼。打開引擎蓋看看。用它。拆它。理解它。

焦慮來自不知道。 不知道來自沒有動手。 沒有動手來自被 availability heuristic 嚇住了。

你讀了多少篇「AI 會取代 XX」的文章？ 你自己動手用 AI 做過多少個東西？

這兩個數字的比例，大概就是你焦慮程度的指標。

真正的問題不是 AI 能做什麼

Naval 整場 podcast 最核心的一句話，不是關於 coding，不是關於 model training，不是關於 prompt engineering。

是這句：

「The goal is not to have a job.」

目標不是有一份工作。 目標是讓機器處理你不想做的事，讓電腦放大你的智力，讓每個人都能創造。

如果你還在問「AI 會不會搶我的工作」，你可能問錯了問題。

問題不是 AI 能做什麼。 問題是你到底在做什麼。

你是在填一個 slot？ 還是在創造一個以前不存在的東西？

如果是後者，AI 是你最好的隊友。 如果是前者，AI 則不是你的威脅——而是你的位置本來就不穩，根本沒有是不是威脅這個問題。

所以好好想想，你在這個生態鏈裡，AI 的衝擊到底會讓你往上還是往下？是成長，還是被取代？

---

🔗 延伸鍛鍊

今天用到的概念還可以這樣延伸：

• 瓶頸集中策略 (EKS)（entrepreneurial-leadership）：下次覺得「AI 時代我什麼都要學」的時候，試試問自己：我現在的核心瓶頸到底是什麼？只解決那一個。
• 風險感知偏差（cognitive-biases）：和今天的 可得性捷思 一起用——你對 AI 風險的判斷，是基於概率還是恐懼？下次讀到「AI 將消滅 XX 行業」時，先問自己這個。

你覺得今天這個分析有道理嗎？還是你有不同的看法？ 歡迎留言交流，我們一起鍛鍊。

---