一篇题为《写作可能是AI最安全的职业》的博客文章上周在技术圈流传，作者给出一个反直觉的判断：程序员正在被AI逼近淘汰边缘，而写作者几乎不用改变工作方式。理由是写作是一个「棘手问题」——没有编译器、没有单元测试，读者是否被说服全凭主观感受，AI因此始终卡在陈词滥调的泥潭里出不来。
这个论证读起来很顺，但站不住的地方恰恰在它最自信的两处：编程已经被攻克，写作永远卡在uncanny valley。把这两个假设放到最近一年的实证数据里看,情况都要复杂得多。
编程真的已经被验证环攻克了吗
原文把编程归为「验证环闭合」的领域——编译器和单元测试能自动纠错，所以AI能一路狂奔，人类逼近「obsolescence」。但这个说法忽略了一个关键区别：代码产出量暴涨,不等于软件价值同步暴涨。
一项覆盖超10万名GitHub开发者的研究发现,自动补全工具能带来commit数量约40%的增长,交互式agent约140%,自主agent更是冲到约180%。可一旦看实际发布的项目数和版本数,这个涨幅会大幅衰减到约50%更多项目、30%更多发布——中间那段差距,就是没被计入「productivity」却真实存在的审查、集成、返工成本。
更打脸的是METR做的随机对照实验:经验丰富的开源开发者本以为AI工具能让自己快20%到24%,实测却反而慢了19%。Google的DORA报告也发现,AI采用率越高,交付稳定性反而越差。这些数字凑在一起说明一件事:「5倍生产力配额」目前更像管理层的KPI想象,不是已经验证的事实。
写作真的卡在uncanny valley出不来吗
原文另一个支点是「AI写作的最后20%桥不过去」。这个观察在通用提示场景下大体成立——用同一套模板套路生成的文本,确实容易被读者一眼识破,也确实容易同质化。低不确定性研究也证实,AI生成的创意文本倾向停留在高概率、安全但缺乏惊喜的表达区域。
但一项预注册的对比研究把「通用提示」和「作者特定微调」分开测试后,结果反转得很干脆。普通提示下,AI文本在风格保真度和写作质量上的读者偏好优势比只有0.16和0.13,明显不如人类;可一旦针对特定作者的全部作品做微调,优势比直接翻到8.16和1.87——变成AI更受专家读者偏好。更关键的是识别率:普通提示生成的文本97%会被认出是AI,微调后这个比例掉到3%。
- 结论.卡壳的不是写作能力的天花板,而是「通用提示」这种低成本用法的天花板。
真正的分界线不在职业类别,在有没有验证环
把两组数据放在一起看,能画出一条比原文更精确的线:AI攻克得快的从来不是「代码」这个门类,是具备闭合验证环的任务——编译器能报错、单元测试能打分、特定作者的全部作品能拿来微调。AI啃不动的也不是「写作」这个门类,是缺乏客观反馈、又没有个性化语料的任务。
这条线同时切穿编程和写作内部。通用文案、SEO稿、平庸的营销软文,已经进入AI的舒适区,风险不比初级编程岗位小。真正安全的,是那些积累了足够体量、足够独特语料的作者——他们的护城河不是「AI写不好」,而是AI还没拿到足够的他们本人的文字去微调。这也意味着,版权和训练数据的边界,会比原文设想的经济学论证更早决定谁的饭碗真的稳。
安全的从来不是职业标签，是有没有留下可被验证或可被喂养的痕迹。
对普通撰稿人和初级程序员来说,现实提醒都差不多:別指望靠「我是写手」或「我是coder」这个身份本身获得豁免,真正值钱的是那部分AI暂时拿不到、也复制不走的个人积累。接下来值得盯的,是主流AI公司是否会把「作者风格微调」做成标准产品,以及围绕受版权保护作品训练AI的争议会往哪个方向裁决——那才是决定这条分界线最终落在谁身上的变量。