业务流程自动化盲点

Sherwin Wu 提出一个划分框架，用来解释为什么"软件工程被 AI 改变"这件事被过度讨论，而另一大块工作被低估：

1. 软件工程的本质是"开放式知识工作"（open-ended），且不可重复：写一个功能，不是要一遍遍重复写同一个功能；工程师的价值恰恰在于"偏离常规、创造新东西"。Codex 这类工具之所以在这个领域表现好，正是因为它擅长探索开放式问题。数据科学、部分战略财务岗位大体也属于这一类。
2. 但世界上大部分工作是"业务流程"（business process）——高度重复、有标准作业流程（SOP），且刻意不鼓励偏离：呼叫客服热线时接线员在走一套流程；打电话给水电公司，对方能做什么不能做什么也是一套流程。这类工作的"创新点"不在于偏离流程，而在于稳定、准确、高确定性地执行流程。
3. 硅谷视角天然低估这块机会：作者反复强调"我们活在一个泡泡里"——软件工程师习惯用自己熟悉的框架（开放式创造性任务）去理解 AI 的价值，导致"业务流程自动化"这类需要与企业数据、企业决策、多个内部系统深度打通、追求高确定性而非探索性的领域，因为不在硅谷的话语体系和日常讨论范围内，而被系统性忽视。
4. 规模判断：作者认为业务流程自动化这块机会"比人们从社交媒体讨论热度推断出的规模要大得多"，虽然他自己也不确定这块机会在绝对量级上是否真的超过软件工程（软件本身也是一个巨大且昂贵的领域），但可以确定的是它被严重低估。

由此推出的实操含义：企业在思考"AI 将如何在未来重塑我们的公司"时，软件工程只是故事的一部分，真正的增量空间可能更多在于把 AI 与企业数据、决策流程、内部系统深度整合，实现高确定性的业务流程自动化。