簡報目標： 分析影片「The Last 7 Years of Human Work – Understanding the AUTOMATION CLIFF!」中提出的核心觀點，理解「自動化懸崖」的概念、其優勢與挑戰，以及講者對未來自動化發展和對人類工作影響的預測。
主要論點：
影片的核心概念是「自動化懸崖」（Automation Cliff），它主張企業和技術發展應該專注於端到端的完整自動化，而不是逐步的、增量的自動化改進。講者認為，一旦達到完整的自動化，將會帶來更顯著的效率提升和成本降低。然而，實現「自動化懸崖」面臨著經濟和技術上的挑戰，但隨著通用 AI 、代理（Agents）和機器人的發展，這些障礙將會快速消失，導致未來七年內人類工作發生劇烈的變革。
重要概念和事實：
- 自動化懸崖 (Automation Cliff) 的概念：
- 「自動化懸崖」是指直接從完全由人類控制的流程跳躍到完全由自動化系統控制的流程，中間沒有太多過渡階段。
- 講者用圖表形象地展示了這種「一步到位」的自動化方式，與逐步改進的「階梯式」方法形成對比。
- 類比特斯拉的全自動駕駛（FSD）等級，Level 5 代表完全自動化，不需要人工干預，這就是「自動化懸崖」的目標。
- 影片中提到：「Basically the the principle of the automation Cliff says that what you should do is wait until you have the full process automated end to endend and then just full sent just send it off and there you go.」
- 核心原則是任務應該完全由人類或完全由自動化系統控制，避免中間地帶：「tasks should be controlled completely by either humans or completely by automation systems with no middle ground.」
- 促成「自動化懸崖」的「落入式技術」(Drop-in Technologies)：
- 「落入式技術」是指可以迅速取代現有技術或流程，實現飛躍式發展的技術。
- 影片列舉了 USB 、雲端整合 (SaaS) 、聊天機器人、 GPS 、智慧建築改造、撥號數據機、有線數據機和串流媒體等作為「落入式技術」的例子。
- 這些技術一旦基礎設施成熟，就可以快速被採用，在消費者層面幾乎可以瞬間完成。
- 以撥號數據機為例：「an example of a drop in technology was dialup modems which used that was that’s probably honestly the best example because you started with existing phone lines and then you said well let’s make them digital so then you can just have modems call each other and exchange uh information that way…」
- 完全自動化的優勢：
- 影片強調，如果能實現完全自動化，通常會比部分自動化更優越。
- 舉例包括：
- 自動駕駛儀 (Autopilots)： 從最初僅能維持高度和速度，發展到現在幾乎可以完全操控飛機。
- 藥品生產 (Pharmaceutical Production)： 完全自動化的「熄燈生產」顯著降低了錯誤率：「when we talk about lights out manufacturing lights out manufacturing basically means no humans need to be present or even observing um and so that that took the effect rate from 0.1% to 0.001% um so in in other words keeping human supervisors was actually a net negative it was actually better to get humans completely out of the loop.」
- 自動收割機 (Automated Harvesters)： 通過消除操作員疲勞和錯誤，大幅降低了農作物損失：「fully autonomous combines uh reduced yield loss from 15% to 2.3% by eliminating operator fatigue and operator errors…」
- 部分自動化的問題：
- 部分自動化可能導致績效下降（例如，人類駕駛員在自動駕駛系統需要介入時反應不及）。
- 可能引發信任問題、工作量問題和增加認知負擔（特別是在監控多個部分自動化系統時）。
- 重複建設基礎設施以支援部分自動化，然後再進行全面自動化，可能會造成資源浪費：「you don’t want to keep Reinventing the wheel… every time you have to reinvent the infrastructure or Implement new infrastructure that handles you know human affordances and partial Automation and then you have to do it again to get to full automation often it’s better to just wait and then implement the full automation all at once.」
- 實現完全自動化的障礙 (但即將消失)：
- 經濟障礙 (Economic Barriers)： 完全自動化的前期投入可能非常昂貴。
- 技術複雜性 (Technical Complexity)： 自動化處理所有邊緣情況和異常情況非常困難。影片中提到：「the first 90% is usually actually really easy it’s the last mile of automation that is really hard and that’s where 90 to 99% of of your automation effort will go into is uh what was it one of you said something like you know when in in the space of automation you realize that everything is edge cases…」
- 然而，講者認為隨著通用 AI 、語言模型和認知架構的發展，技術複雜性不再是主要障礙。
- 加速的技術採納率：
- 相較於過去的技術（如汽車和電力），現代技術（如網路和行動電話）的普及速度要快得多。
- 網路的普及為基於網路的技術（包括 AI）提供了更快的採納途徑。
- 人形機器人由於其通用的形態，可以更容易地融入現有的人類工作環境，成為一種「完美的落入式解決方案」：「robots that are in humanoid shape are a perfect dropin technology… humanoid robots can operate in human spaces using human tools human vehicles and uh pretty much everything else.」
- 當前自動化的目標領域：
- 客服中心 (Contact Centers)： 部分企業已實現大幅裁員，但仍需人工處理邊緣情況；完全自動化有提高客戶滿意度的潛力。
- 零售結帳 (Retail Checkout)： 自助結帳存在盜竊和系統故障等問題，完全自動化仍具挑戰。
- 倉儲機器人 (Warehouse Robotics)： 亞馬遜等企業已採用，但仍面臨複雜的系統協調問題。
- 講者強調，隨著 AI 和機器人變得更智能，目前看似無法完全自動化的領域也將迎來突破：「as robots get more intelligent every every step of intelligence they that they gain and this also includes computer using agents that dramatically expands what they can do without human intervention… all that stuff that we couldn’t automate a year ago we can automate all of it now.」
- 人形機器人 (Humanoid Robots) 和電腦使用代理 (Computer Using Agents) 的關鍵作用：
- 人形機器人： 可以在人類環境中使用人類工具，執行各種需要手、眼和身體協調的工作。「if you have a human robot that is as smart as or honestly if you put you know gp4 or gp5 in it or you know clae 4 whatever whatever model comes out then it’s going to be smarter than the vast majority of humans already then if you have watched the Boston Dynamics videos where those robots are far more agile than humans… it is a perfect drop in solution… basically any job that a human does with their hands and eyes and body… these robots will be able to do very soon.」
- 電腦使用代理： 可以通過鍵盤、螢幕和滑鼠（KVM）這個「通用 API」操作任何電腦系統，無需客製化的 API 整合，實現大規模的數位知識工作自動化。「KVM keyboard video Mouse KVM is the universal API furthermore think about how the vast majority of what humans do… is done with KVM keyboard video Mouse if you can do it with KVM and an operator can do it with KVM that’s a universal UI that’s a universal interface that you don’t need any other infrastructure for… you just drop that agent onto any computer or servers… and you have literally the equivalent of hundreds thousands millions of of employees…」
- 講者個人的自動化時間表 (樂觀預測)：
- 2025 年： 電腦使用代理開始部署，人形機器人加速發展。
- 2026-2027 年： 大規模採用開始，財富 500 強企業將廣泛使用代理和機器人。
- 2028-2030 年： 全面整合。
- 2031-2032 年： 後期採用者和優化階段。
- 2033 年： 辦公室將充滿機器人和電腦使用代理。
- 講者預測：「we’re looking at seven years until you know knowledge work as we know it is over and done with in every industry.」
- 技術採納曲線 (不同類型的公司)：
- 2024 年及以前： 創新者 (Innovators) 。
- 2025-2026 年： 早期採用者 (Early Adopters) 。
- 2027-2028 年： 早期大眾 (Early Majority) 。
- 之後： 後期大眾 (Late Majority) 和落後者 (Laggards) 。
- AI 的保守預測 (與講者個人觀點不同)：
- 2025-2030 年： 數位知識工作被取代的初步階段。
- 2030-2035 年： 早期大眾開始採用。
- 2035-2040 年： 服務業整合（醫療保健和教育等）。講者認為這個時間表過於保守：「I this will not age well.」
- 2040-2045 年： 法規壓力促使進一步變革。
- 未來人類工作的預測：
- 講者預計，隨著電腦使用代理和機器人的普及，當前理解的「勞動力自動化」將會發生。
- 某些類型的工作（如影響者和藝人）可能仍然存在，也可能出現全新的工作類型。
- 大部分經濟活動將不再由人類完成。
- 列舉了可能被完全自動化的領域，包括醫療（精準手術）、建築（焊接、水電等）、緊急響應、科學與工程研究，甚至政府運作。講者對傳統行業發出警告：「electricians plumbers construction workers uh welders you guys like you’re on notice I’m I’m telling you I’m I’m trying to warn you ahead of time um that that job is probably going away.」
總結：
影片「The Last 7 Years of Human Work – Understanding the AUTOMATION CLIFF!」強烈認為，技術正處於一個轉折點，通用 AI 、電腦使用代理和人形機器人的快速發展將在未來七年內對人類工作產生顛覆性的影響。雖然實現完全自動化面臨挑戰，但這些挑戰正在迅速被克服。講者以樂觀的態度預測了知識工作和體力勞動領域的大規模自動化，並敦促人們認識到這一趨勢的緊迫性。雖然 AI 提供的保守預測時間表較長，但講者個人堅信變革的速度將遠超預期，「自動化懸崖」即將到來。
後續討論點：
關於自動化倫理和安全問題的考量。
如何應對大規模自動化對社會和經濟帶來的影響？
未來人類的角色和價值將如何定義？
教育和技能發展需要如何調整以適應新的就業形勢？