George Leimer 說，他立刻認出了那張圖。

在最近一次與 Yahoo Finance 產品主管的通話中，一張投影片把兩個漢堡並排放在一起，作為人工智慧出現前後工作型態的比喻。Leimer 身體靠向螢幕說：「完全就是這樣。」

這張投影片來自 Arvind Narayanan。他是普林斯頓大學電腦科學家，近期在首爾舉行的國際機器學習大會發表主題演講。在 Narayanan 的圖示中，標示為「Traditional」的漢堡有一塊厚肉排，代表工作的執行層——寫程式、除錯以及實際完成任務——夾在相對較小的麵包之間。標示為「With AI」的漢堡則顯示肉排縮成薄薄一層，而標示為「decide」的上層麵包與標示為「deliver」的下層麵包都變得大得多。

這個比喻描述了知識工作的轉變。曾經是工作最大部分的核心任務，正在被 AI 壓縮。但位於執行層上下的人類工作並未消失。相反地，決定應該打造什麼，以及驗證、整合與交付成果的工作正在擴大。用 Leimer 的話說，工作正日益變成一場關於工作的對話。

「我們進來彼此討論，並確保我們真的對要做的事情有真實的確認和信念。這就是我們將釋放代理的方式，」Leimer 說。

Leimer 的團隊主導開發了 AlphaSpace，這是一項新的投資產品；Fortune 首次報導時，該產品已上線約兩個月。在那段期間，團隊推出超過 100 項新功能，Leimer 表示，這個速度說明執行層已大幅加速。他告訴 Fortune，使用者在 AlphaSpace 花費的時間是一般 Yahoo Finance 使用者的 3x，團隊也能迅速回應回饋，包括透過與 Unusual Whales 的合作加入即時選擇權資料。

Leimer 表示，過去需要兩週的衝刺開發，現在只要 24 小時：早上規劃、當天結束前上線、晚上檢討。在一個案例中，使用者回饋在週五下午 4:45 傳來；到當晚 8:30，問題已修復、審查並部署完成。

在軟體團隊中，這種週期改變了敏捷衝刺的意義。如果 AI 工具讓實作更快，稀缺資源就不只是工程時間，而是團隊選擇正確問題、檢查輸出，並判斷其是否足夠安全且有用、可以發布的能力。

「在過去，」Leimer 說，「那會變成『我們下週無法推出。』」

決策-執行-交付三明治

Narayanan 將這個框架稱為「決策-執行-交付三明治」。在他看來，多數知識工作有三個層次。最上層是決定需要打造什麼以及為什麼。中間層是執行，也就是實際實作。底層是交付，包括整合、測試、驗證與長期責任。

AI 代理正在壓縮中間層。Narayanan 的論點是，執行層從來只占整體工作約三分之一。兩個外層不只是維持原狀；它們正在成長。

「隨著 AI 壓縮中間層，第一層與第三層可以說正在擴大，」Narayanan 告訴 ICML 聽眾。一旦建置變得更便宜、更快速，啟動專案就變得更容易，但要跟上決定哪些專案重要，以及驗證產出是否可靠的速度，則變得更困難。

隨著 AI 降低技術門檻，角色開始模糊

多年來，大型科技公司的產品團隊往往是依據每個人不能做什麼來組織。設計師製作靜態模型，等待工程師將其轉換成可運作的程式碼。產品經理撰寫需求，但需要開發人員測試某個想法是否可行。分析師理解資料，但不建置生產系統。

Yahoo 團隊表示，隨著 AI 自動化更多建置軟體所涉及的「語法」，這些界線正變得不那麼僵硬。

在 Yahoo Scout 背後的團隊中，這是該公司的 AI 答案引擎，首席產品設計師 Nick Lockington 開始直接向 Google 的 Vertex AI 下提示，要求它為新功能生成結構化 JSON 邏輯。後來，一名工程師觀察到，Lockington 實際上已透過提示建立了一個可運作的 API，繞過了傳統建置階段。

「那完全是一個『啊哈』時刻，」該專案的傑出軟體應用工程師 David Grandinetti 在 Yahoo 的部落格上表示。「Nick 立刻成為我們團隊中槓桿最高的工程師，因為他是在最高抽象層次上工作。」

團隊其他成員也走上類似路徑。一名在程式碼提交方面多產的設計師，在內部被稱為「設計工程師」。一名對可用性有敏銳眼光的工程師，則被稱為「工程設計師」。

Yahoo 高層表示，重點並不是職稱正在消失。相反地，角色越來越由人們擁有哪些決策來定義，而不只是由他們能手動產出哪些程式碼來定義。設計師仍然判斷使用者行為與美學。工程師仍然負責架構與安全。但現在兩個群體都能直接使用 AI 工具進行建置與迭代。

「這是為了提高決策速度並降低實驗成本，讓團隊可以測試 100 個想法，而不是 5 個，並在沒有傳統技術債負擔的情況下迅速淘汰失敗方案，」Yahoo 副總裁 Stephane Koenig 說。「這讓我們能把人類專業留給最困難的決策，也就是需要 AI 所不具備的情境判斷之處。」

Leimer 在與 Fortune 的談話中也提出類似觀點：工作現在很大程度上是一場關於工作的對話。「我們進來彼此討論，並確保我們真的對要做的事情有真實的確認和信念，」他說。

Leimer 補充說，風險在於，團隊現在需要對工作的最上層特別「真正深思熟慮」，因為 AI 讓「想打造什麼就打造什麼」變得很容易。

Leimer 引用了他的主管、Yahoo Media Group 總裁 Ryan Spoon 的建議：「你必須真的堅信自己要打造的東西，這很重要，」因為團隊幾乎可以在瞬間打造出幾乎任何東西。他說，過去組織會在上層麵包花大量時間，因為工程資源稀缺。「你不想浪費工程師一秒鐘的時間。」如今，風險是瞬間打造出不必要的東西——McKinsey 全球科技與 AI 負責人 Kate Smaje 先前向 Fortune 描述過的一種模式，即「虛假生產力」陷阱。

Leimer 表示，當他看到外界粗糙的 AI 生成工作——常被稱為「AI slop」——時，這反映出「基本上就是麵包真的很薄的地方」。在這些情況下，人類對自己發布的工作成果不夠審慎，因為漢堡中的執行部分幾乎已被壓縮到沒有。

這種動態有可衡量的成本。專業人士已開始使用「workslop」一詞，形容未經適當驗證就送交審查的 AI 生成電子郵件或工作成果。Harvard Business Review 的專家撰文指出，這個問題不只是令人惱火，而是會破壞生產力。根據 Techdirt 引用的一份報告，Stanford Social Media Lab 估計，對一家有 10,000 名員工的公司而言，其成本為每年 900 萬美元。

隨著企業從 AI 展示走向日常工作流程，這項疑慮尤其相關。草稿、原型或生成的功能，可能在尚未對照使用者需求、安全要求、資料準確性以及組織自身標準進行檢查前，就看起來已經完成。

決策疲勞成為新限制

綜合來看，這些例子支持 Narayanan 的觀點：目前 AI 更像是一種協作技術，而不是完整的自動化引擎。他主張，多數 AI 代理在高風險環境中仍面臨可靠性挑戰，這使企業傾向採用人在迴路中的系統，而非完全自動化流程。

在 Yahoo，高層表示，結果呈現為決策疲勞，而非立即性的工作流失。由於 AI 讓團隊能測試並建置更多功能，瓶頸變成產品經理、設計師與工程師能夠審慎做出、審查並引導至完成的決策數量。

Lockington 表示，AI 並未消除職場角色重疊的複雜性。「傳統上，可能會有人問：『為什麼這位工程師在做設計工作？』或『為什麼這位設計師在做我的工作？』」他說。他肯定 Koenig 為團隊建立了處理這些問題所需的心理安全感。「我們已經能夠打破這一點。」

Leimer 表示，一旦這種安全感存在，工作就變得「真的很有趣」。在管理職待了約 20 年、讓他遠離最初從事的建置與寫程式工作後，他說這項轉變改變了人們體驗產品開發的方式。「現在，每個人都有很酷的工作，」他說，因為每個人都能感覺自己直接參與建置。「看到大家圍繞問題和正在打造的東西變得有活力，而不是把更多時間花在讓它被建成的流程上，也很有趣。」

漢堡的未來，以及披薩的可能

Narayanan 提醒，不應假設工作會維持不變。他曾表示，隨著企業圍繞 AI 重組，他預期會出現數十年的結構性調整，並將其比擬為電力促成流水線後，工廠經歷的 40 年轉型。

不過，到目前為止，在軟體、法律、醫療與內容翻譯等領域的模式顯示，隨著 AI 擴散，人類工作的需求會轉移並成長。放射科醫師已採用 AI，而就業人數仍上升。由於撰寫文件變得更容易，律師提起更多訴訟。電腦翻譯接近人類水準多年後，譯者仍有穩定工作，因為可翻譯的內容或可翻成的語言數量並沒有固定上限。

Yahoo 的經驗顯示，白領工作可能會走上類似、但更混亂的道路。隨著技術門檻下降，公司高層表示，個人能動性與判斷力正成為更重要的差異化因素：關鍵不是誰會寫程式，而是誰能決定哪些問題值得解決，以及如何驗證 AI 產出的內容。

Leimer 被要求進一步延伸這個食物比喻，包括提到他的費城背景與該市著名的起司牛肉三明治。如果起司牛肉三明治的決定性特徵不只是肉，而是義大利長麵包，那麼問題是，這是否也適用於工作的未來。

Leimer 表示，更大的瓶頸是「下層麵包」，也就是交付層。團隊決定要做什麼後，工作可能幾乎瞬間就被產出，但交付仍然困難。「你必須處理所有其他事情，必須審查它，」他說，指的是安全風險以及建立部署管線的需要，即使工作看起來已準備好，只要按下一個按鈕就能發布。

對於與金融資訊相關的產品而言，該交付層除了軟體部署外，還可能包括資料品質、權限、可靠性與使用者信任。這些檢查不會只因為程式碼或介面能更快生成而消失。

當被問到最終目標是否更接近披薩或扁麵包——人類工作集中在決策上，任務縮小到配料般的規模，而交付變得無縫——Leimer 笑著說：「差不多是那樣。」

在 Narayanan 的漢堡比喻中，AI 已經讓肉排變薄。正在擴大的麵包，正是工作、責任與風險如今所在之處。企業能否把工作重新設計成更扁平且更可持續的型態，仍是未來幾年、甚至幾十年有待回答的開放問題。

本文最初刊載於 Fortune.com。