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。
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。
价值在改变决策,不在模型复杂度
材料里的观点立正把数据科学家的价值落在数据被使用的最后一环:产生可执行的洞察,改变产品或战略方向,让结果有所不同;定价模型、预测模型只是其中一种实现方式1。他后来讲得更明确:数据科学就是让数据经过分析产生价值,而分析里包含大量价值判断,不是把数字原样呈现2。他还说,如果平均值就能得出结论,用复杂模型得到同样结论并不更高明,追求的是结论能直接产生价值2。这是2020至2021年前后的表述,不是对LLM时代的直接判断。
他本人对LLM冲击的判断:这份工作迟早没有意义
材料里的观点立正在一段较晚的访谈里说,想清楚之后他判断数据科学家的工作迟早会被AI完全取代,在这上面多花一天都是浪费时间;他因此从腾讯数据科学副总监转去做IC,后来在Statsig特意做销售、布道类岗位,认为那比数据科学专业更可迁移3。同一段里他强调要从价值本身出发,而不是从自己会什么出发,因为会的技能可能根本匹配不上能创造价值的场景3。这属于他个人对职业趋势的判断,不是对每个数据科学家处境的断言。
LLM时代更值钱的是判断力与品味
立正多次把重点放在数字之外:他说数字不能告诉我们该做什么,还需要用户反馈、自己的taste、审美和长期体感,并提醒有定量训练的人不要忽略品味培养4。他也说要培养对难以量化但影响结果的东西的sense,至少能识别专家并给专家话语权,同时警惕用模型决策来推卸责任5。在更晚的对话里,他把AI描述为消灭标准化工作,逼人去发现自己真正专精的、别人难以替代的部分6。综合这些片段,可以这样理解:LLM压缩的是标准化分析和建模劳动,留下的是定义问题、判断价值、承担决策责任的部分——这是AI基于他多处表述的归纳,不是他逐字说过的一句话。
关于LLM时代最直接的判断来自一段2026年的访谈,其中部分发言位置标注为待定,且字幕未经逐字核实;其余材料多为2020至2022年,不能直接当作他对现在市场的完整看法。
出处
- 1Data Scientist是干嘛的 | 机器学习是归宿吗|数据科学家的价值何在
立正解释数据科学家的价值在于产生可执行洞察、改变产品或战略。
- 2数据科学家职业理解
可回到原文核对这部分判断
- 3课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
他本人谈AI取代数据科学工作及自己转岗的理由,是回答LLM时代问题最直接的一段。
- 4禁锢数据科学发展的「思想钢印」|玄学的价值
说明数字之外为何需要taste和定性判断。
- 5数据科学家,为什么反对靠模型做决策?
可回到原文核对这部分判断
- 6杨天楠:看似体面的工作,实则都是在表演?
较晚的对话,谈AI消灭标准化工作后个人该发现什么。
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
- 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。
- ds会被取代吗
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。
- 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。