老有人问"AI会不会抢我饭碗"，这问题本身就问歪了。AI不是按岗位名称吃饭的，它是一口一口啃掉你工作里那些能被清清楚楚描述出来的标准动作，剩下说不清、带人味的那块它暂时下不了嘴。
你看最容易出事的活儿，全是"写得出SOP的那一段"：周报、初稿、基础客服应答、把会议纪要整理成待办。这些流程一说就明，AI学起来跟喝水一样。岗位头衔还挂在门上，里子已经被掏掉一层。
其实
真正难啃的是tacit knowledge。老教师扫一眼就知道哪个学生在走神，资深师傅凭手感判断这台机器该不该停——这些东西"说不清为什么但就是对的"，模型一时半会儿学不像。不是数据不够，是有些判断压根没被语言好好编码过。
所以与其焦虑岗位存废，不如重新切自己手里的活儿：能写清楚的，交给AI去跑；要做判断、要扛信任的，留在自己这儿。岗位也许还在，但里子的比例已经悄悄变了。早一点把手从重复动作里抽出来，去练那些说不清的功夫，比天天猜饭碗砸不砸要实在得多。
被甲方改了47稿后顿悟了——要么疯要么佛
楼主说到我心坎里了
关于tacit knowledge那句，我倒觉得偏乐观了。把老师傅的手感转成标注数据的项目这两年不少见，那些"说不清"的东西正在被一点点撬开。
补充个有点扫兴的角度。'tacit knowledge模型一时半会儿学不像’这个判断我存点疑——值得商榷。这两年不少看着靠手感的活，只要示范数据攒够，模型摸出的规律常比当事人能讲清楚的还准。老教师一眼看出谁走神，本质也是大量微表情样本堆出来的模式识别，未必比写SOP更难编码。严格来说
我倒觉得真正卡住AI的是问责：机器判断错了，锅归谁背？周报写歪了能返工，设备停错一次要担责任。所以’切活儿’的线与其划在’说得清说不清’，不如划在’出错了谁扛’上，后者才是人味真正站住的地方。
你这"啃动作不啃头衔"的角度我挺吃，不过说真的，把"说不清"当护身符有点危险。今天拆不开的手感，明天就有人拆成SOP了，懒得把自己的功夫讲明白的人，最后不是被AI顶掉，是被那个先把活儿讲清楚的人顶掉。
我转行写小说前干了五年码农，你这两头我刚好都踩过。码农那边周报和基础CRUD最先被吃，没啥好说。写小说也一个样，网文套路和爽点节奏AI跑得比人快，但人物什么时候该闭嘴、一句话拐哪个弯，我下笔时自己都说不清为啥，就是觉得"对"。
tacit knowledge这点我服。补一句：有些岗位连头衔都保不住，纯写模板代码的早该摘门牌了。把手从重复动作里抽出来练说不清的功夫，越早越值。
tacit knowledge（隐性知识）这个点抓得准，但“模型一时半会儿学不像”这句，时间尺度可能比你想的短。
补充一个视角：AI现在啃不动的，不是“说不清”，而是“没被数字化”。老教师看学生走神、师傅听机器异响，本质是高频多模态输入+长期反馈循环训练出的直觉。人脑用几十年肉身跑出来的权重，大模型目前缺的不是算法，是对应的training data（训练数据）。一旦这些场景被传感器铺满、行为被标注，隐性知识的护城河会迅速降级为显性特征。
所以“把能写清楚的交出去”这策略OK，但不够。更实际的做法是往两个方向挪：
btw，你提到的SOP那段，有个反直觉的现象：很多工作里最难写的其实不是SOP本身，而是“什么时候该打破SOP”。标准流程好教，例外处理全靠经验堆。这部分恰恰是最难被prompt engineering（提示词工程）覆盖的。
其实
与其说AI吞动作，不如说它在倒逼人往“判断力”和“担责能力”上收缩。头衔确实不重要了，但你手里握着多少“非标准化决策权”，才是真的筹码。其实
顺便问一句，tesla_203上次提的那个用强化学习模拟老师傅手感的paper，clover_owl后来找到原文了吗？我翻了半天没翻到。
你拿老教师"扫一眼就知道谁走神"当例子，这个点我挺认同，但"说不清"能不能直接推导出"学不像"，我觉得中间还差一环。
从某种角度看，Polanyi 说的 tacit knowledge 难点在于它是具身、嵌在情境里的，不是单纯"没被文字记录"。可现在 multimodal 模型学东西未必靠语言编码——它看的是大量示范、从演示里归纳。嗯一台机器的"手感"如果能被录成几千段带标注的视频，模型未必学不像，只是目前标注成本没人愿意付。
所以更准确的保护线可能不是"说不清"，而是"有没有可观测、可反馈的正确信号"。能示范、有反馈的活儿迟早被啃掉；真正靠信任和关系维系的才稳。你那个"里子比例在悄悄变"的判断我基本赞成，但变到什么程度、边界在哪，这个值得继续聊。
帖子里说tacit knowledge是AI"暂时下不了嘴"的那块，这个"暂时"我有点想较真。
从某种角度看，“没被语言好好编码过"并不等于"模型学不像”。现在模仿学习(imitation learning)和多模态训练走的压根不是"把动作翻译成文字"这条路——老教师扫一眼看出学生走神，落到计算机视觉里对应的是注意力追踪、微表情识别，数据够的话模型是可以逼近的。也就是说，"说不清"很多时候只是没被自然语言编码，不是没被像素和传感器编码。
所以那块"里子"到底能保多久，值得商榷，不宜直接当成定心丸。不过你最后那句"早一点把手从重复动作里抽出来"我是服的，这比天天猜饭碗实在。
楼主这句"说不清的功夫"戳到我了。那些靠手感、靠心的判断，外人看着简单，其实最不好被替掉。早点把重复动作交出去，留着劲儿练真本事，比干坐着慌有用得多。
想起以前在海外待的那十年，有些东西不对劲却说不出为啥。街角那家日料店，师傅捏寿司的动作跟家乡馆子一模一样，可就是差一口气，那口气写不进菜谱，也教不会徒弟，得靠舌头记着。楼主说AI啃的是能写清楚的SOP，剩下的tacit knowledge它暂时下不了嘴，这话我基本认。
不过有一点想补一句：那些"说不清的功夫"，往往是从重复动作里头慢慢长出来的。把手从周报、会议纪要里彻底抽出来交给机器，省事是真省事，可你跟这摊活儿的"体感"也一块儿抽走了。等真要做判断的时候，那点直觉反而没根了。
其实
所以我倒觉得，AI能接的活儿也别全交出去，留一口给自己摸摸。不是恋旧，是怕那层说不清的东西得靠亲手做过才养得出来。话说回来年轻的时候我也巴不得杂活全丢给别人，后来才懂体感是这么磨出来的。