AI · MM · 194
任务与工作之辨
Task Vs Job · task-vs-job--benedict-evans
所属簇 个人效能、判断力与职业
解决什么问题
判断某个职业/行业会不会被 AI 自动化掉：到底 AI 吃掉的是这份工作，还是这份工作里的某个环节。Benedict 认为这是"大家问得还不够多"的核心问题。
核心内容
核心提问：工作里难的部分是什么？是 task（任务）还是 job（职业本体）？
- Task 就是 job 的情况 → 被整体自动化：经典例子是电梯操作员——"开电梯"这个任务就是全部职业，按钮出现后职业消失。
- Task 只是 job 的载体 → 任务自动化，职业反而扩张：会计是范例——加法机、打孔卡、大型机、数据库、ERP、云、电子表格轮番"自动化会计工作"，而美国会计师数量贯穿 20 世纪一路上涨，21 世纪继续涨。Excel 没有让高盛 analyst 周五中午下班。
- 拆解工具：三种价格弹性结局（Jevons Paradox = 应用版价格弹性）：某事变便宜后，要么 1) 花更少的钱做同样多；要么 2) 同样的钱做更多；要么 3) 因为新 ROI 出现，花更多的钱做多得多。软件开发史站在 2/3：IDE、库、操作系统让"写 iPhone app 90% 的代码是 Apple 替你写好的"，工程师却更多了。
- 类比一（Amazon/SKU）：Amazon 的能力是"你知道 SKU 就给你拿到 SKU"，但"知道该要哪个 SKU"是另一份工作。Claude Code 能写代码——但你要什么代码？要什么功能？客户是谁？怎么上市？
- 类比二（McKinsey/PPT）：AI 能生成"麦肯锡式 deck"，但你雇 Bain 买的不是 75 页 PPT，而是他们在你公司里走一圈、搞清"为什么你们自己没做成、政治阻力在哪、客户真怎么想"。PPT 只是 task。
- 类比三（解耦风险）：真被互联网碾平的行业，是"物理制造/分发"与"内容本体"可以解耦的行业——唱片公司实际上做的是塑料小圆盘制造生意，报纸实际上是印刷+卡车生意，解耦即死。判断 AI 冲击时同样要问：你的业务里有没有一个"其实是包装物"的部分即将被解耦？
适用边界
- 该模型帮助提问，不直接给答案；每个行业要单独拆（"it depends"）。
- 有些职业确实 task=job，会被整体替代；不要拿这个模型自我安慰。
关键引述 · 原话
"Claude Code can write you the code, but what code do you want? ... Is the hard part of the job writing the code line by line, or is it something else? Is it the task or the job?" — Benedict Evans
"What you actually pay Bain to do is to go and walk all over your company and work out: yes, but why is it that you didn't do that?" — Benedict Evans
关联卡片
- 与 Jevons Paradox（Scott Wu 也引用于软件工程，见 `bricklayer-to-architect--scott-wu`）同一机制，这里给出更完整的三分支表述。 - 职业预测的两个谬误见 `job-automation-prediction-fallacies--benedict-evans`。
出处：Benedict Evans (独立分析师，前 a16z 合伙人) · 03-podcasts/benedict-evans.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2