按立正的说法,数据科学这类“搬砖”工作会被AI取代,他自己也据此转岗;但能提供正确非共识、坚持判断并把它做出来的人,不容易被取代。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
他判断数据科学会被取代,并已按此行动
材料里的观点立正明确说过,数据科学家的工作“迟早要被AI完全取代”,所以他在腾讯做到数据科学副总监后,特意转去做IC和销售岗,认为那些能力更可迁移1。他更早也讲过判断标准:如果你的工作换一个人来做也差不多,就“快了”;他把设计师接需求出图、写方案写文档都归为信息搬砖2。这是2023年的判断,他当时说“两年之内”,读者应把它看作当时的预测,而不是已验证的结论。
不被取代的条件是“正确的非共识”
立正用健身教练的例子说明:能被批量生产、方法可被替代的教练会被取代,而自有一套体系、别人找不到类似替代的人不会,因为AI给不了非共识3。他后来把这套逻辑讲得更完整:AI可以给你五条路,但坚持选一条、别人都不信也走下去,这种conviction和build是AI替代不了的;有价值的东西的必要条件之一是“correct contrarian”4。他也承认,AI变聪明后,人能提供的价值会变少,所以这不是无条件的安全4。
把问题落到自己身上:先看工作是否可被同质替代
AI推演按这套标准,判断自己会不会被取代,可以先问:我的产出换一个水平相近的人来做,是否差不多?如果是,就属于他说的搬砖层2。另一条线索是他署名文章里的说法:被取代往往不是因为分享了方法,而是因为停在原地;把已解决的问题标准化、交给AI,自己往更难的问题走5。这两条可以合起来用:一边把可标准化的部分交出去,一边积累别人复制不了的判断。这是AI基于材料的应用建议,不是立正对具体职业的承诺。
“ds”这里按数据科学理解;若指别的含义,结论需重新核对。《课代表立正》1、《如何应对ChatGPT?二级市场闭门研讨会精选》2、《课代表立正》4为对话转录,部分相邻发言未确认归属,本文只用了明确标为立正陈述的段落。
出处
- 1课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
立正自述判断数据科学会被取代并据此转岗,是本题最直接的个人立场。
- 2如何应对ChatGPT?二级市场闭门研讨会精选 | S7E01 硅谷徐老师
给出“换个人来做差不多就快了”的可操作判断标准。
- 3(限时公开)什么样的人不会被AI取代?
用健身教练案例说明AI给不了非共识。
- 4课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
完整解释正确非共识、conviction与build,并承认人的价值会变少。
- 5Skills写得越多,越不容易被AI取代?
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 数据科学家在llm时代的价值
立正的观点是:数据科学家的价值不在模型本身,而在用数据推动可执行的决策;到LLM时代,他更直接说这份工作迟早会被AI取代,可迁移的是识别价值、品味和判断力。
- DS还有前途吗,会不会被ai取代
有前途,但“只做取数、跑模型”的DS会越来越窄;立正认为人靠context、隐性知识和为结果负责,比AI更难被取代。
- 作为数据科学家,应该怎么利用AI或者如何学习AI可以最大效率帮助自己提高专业水平
对数据科学家来说,最高效的路径不是先补机器学习课本,而是把AI接进真实工作流:用agentic工具做出能跑的东西,再把你的实验方法、指标口径和分析判断外化成AI可复用的规则。
- agentic workflow能成为ds岗位新的壁垒吗?
可以成为壁垒,但壁垒不在“会搭 agentic workflow”,而在把模型放进真实业务流程、做到稳定可控可评估。只停在 demo 或固定流程,很快会被工具拉平。
- Data scientist
想了解立正怎么谈数据科学家,先看 2020 年那组求职系列,它讲清了能力要求与学习路径;2022 年那期创业对谈和 2025 年 EP77 则补充了岗位在组织里的位置与变化。
- 在學校做二手物品網站是個好生意嗎
现有材料没有直接评估校内二手网站,无法判断它是不是好生意;能借用的只有一条原则:先找对问题,再谈解法,创业不是做了A就一定有B。