※ 引述《bigblack0921 (owen)》之銘言：
: 最近看到許多國際一線公司打著Agentic AI大旗行裁員之實，我屬於悲觀派，覺得配套沒
: 有準備好的話未來沒有新人可以銜接工作會有斷層，老人以前有團隊一起打拼/背鍋現在
: 只剩自己扛責（AI產生垃圾但是你沒review好），而且如果公司深度綁定Agentic AI，未
: 來這些框架或模型的維護/升級的費用不就是賣家市場，你不給錢直接斷炊回到石器時代
: 而且團隊人數早被優化…
: 除了既得利益者（CEO高管團隊跟公司內做Agentic AI的團隊） 沒有人會私下反抗嗎？
: 還是我眼光太短淺誤會了第四次工業革命？
我覺得你說的事情不會發生，但我不是樂觀派。
除非未來發展出真正的智慧，
而非像現在這樣拿本來用來解決翻譯問題的程式 （LLM）餵一堆資料，
然後再一廂情願的把它基層工人來用，
否則幾年後他們可能會驚訝發現大費周章搞這些花裏胡哨的東西，
整體綜效竟然沒有顯著提高太多，現在裁掉的也只是過去超徵的冗員，
或是一些工作模式本來就比較低效的單位，而非生產力過剩。
（你若拿這些裁員企業領導人對外的說法來辯駁也行，只能說這就人人看法不同）
依我所見，LLM 真正善長的東西始終是語言事務，
也就是──翻譯、換句話說、照樣造句，
頂多再加上輔助人類擴展知識範圍的能力。
目前那些令人興奮的使用體驗其實往往問的是常見或主流的概念，
其普遍到人類語言中已經有個名字或是簡潔的表達方式，
因此使用者能用較短的提示詞得到夠多有用的結果而不必再花一堆篇幅描述規格。
舉凡那些叫 LLM 重新發明某些輪子的實驗都是這種狀況。
然而，如果你要的東西很常見或很主流，那或許你根本不用或不該自己做。
至於其他好的體驗本質多半是語言事務，只是用的人自己沒意識到罷了。
例如：人類講簡單邏輯，機器生程式碼、機器升級框架的版本或換框架──
這些體驗其實沒超出翻譯的範疇，但是用的人往往相信是機器靠智慧做到的。
若我的判斷沒錯，那麼當這些公司發現上述狀況後，
會做的也就是在利率正常化的時代用更高昂的代價把人再找回來而已，
因此也不至於有過度依賴大廠的問題，反而是大廠可能陷入泥沼。
大廠會意識到因為人類的知識會不斷增加和變化，
所以這些模型的訓練和開發工作也要不斷加碼，否則使用者會不樂意花錢。
它難以跟其他人類發明的工具一樣研發到夠好用即可減緩投入並且開始獲利了結。
硬體和營運的成本可能越來越便宜，但請人撰寫有用的訓練資料卻可能越來越貴。
到時這些大廠真正得到的好處大概就是那些對話紀錄。
這些資料應該有利大廠發展更精準的廣告投放服務，
只是這涉及到資訊的理解和判斷力，因此要投入大量研發資源開採和分析，
最後大概又是一個研發資源的黑洞。
LLM 的研究能有這樣的發展實屬不易，
但僅憑目前這樣的設計以及樹立在這種不穩定基礎上的工具鍊恐怕不會形成工業革命。