人有人的用处·自动化与人的价值
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_70775cd1/wiener-automation-value。
技能介绍
要解决什么问题
团队要上 RPA、推荐系统或「全自动」审批时,常见两难:怕人变成可替换零件,又怕讨论伦理拖慢交付。另一个坑是把价值观写成可训练参数,或把「谁负责」推给算法——维纳在《人有人的用处》里谈的不是写代码,而是自动化如何改写劳动的经济条件,以及决策机器该限在什么角色。
技能如何工作
技能把原著第 9–11、14 章压成可复用的判断链:
- 分层替代:先说明新技术替代的是肌肉(第一次工业革命)还是神经与低级控制(第二次),再谈对人力的含义。
- 奴隶劳动力类比:自动化在经济学上接近「奴隶劳动的等价物」——与它竞争的人类劳动会被拉到同一计价逻辑;上线前要推演社会如何托住被冲击的人。
- preference 与 constraint:策略偏好可学可调;价值观与硬规则应是
constraint,不能当超参随便拧。 - 责任与 know-what:人必须为选择负全责;定期从
know-how(怎么做)回到 know-what(我们在生产什么、为谁),避免「为优化而优化」。
做对了,你能说清替代哪层能力、决策机规则经人审过、责任仍在人;做错了,会默认「机器提效=对人有益」,或把善恶抉择交给系统求免责。
适用边界
纯技术问题(准确率、延迟、调参)不必上这套框架。维纳对 1950 年代机器能力上限的判断不能原样套在今天大模型上;它也不替代政治经济学里对生产资料占有与分配正义的分析——只诊断「人是否被贬低为零件」。
使用场景
- 评估是否在客服或审批流程中用规则引擎替代一线判断,需先分清替代的是体力还是控制层
- 产品迭代陷入指标优化,需对照 know-what 检查是否偏离最初要交付的价值
- 上线会约束用户行为的推荐/风控模型前,需审计 preference 与 constraint 是否把价值观写成可调参数
- 向管理层说明裁员或岗位重组时,需用「奴隶劳动力等价」推演对社会与员工安置的影响
适合人员
- 负责 RPA/智能审批立项的产品负责人,要在拍板前写清责任边界与不可妥协规则
- 组织变革或人力规划经理,需向业务解释自动化对岗位计价逻辑的冲击而非只讲 ROI
- 算法/风控工程师,在把伦理或合规要求写进模型前需区分策略参数与硬约束
- 技术出身的创始人,团队狂热上 AI 时要用 know-what 拉回「我们在生产什么」