AI 进入一项工作时，我们最爱问的是：它会替代谁？
这个问题很有冲击力，却可能问早了。因为一种能力突然变便宜，组织首先要改的，未必是员工名单，而是工作从谁开始、在哪里停一下、什么时候交给下一个人。
语音识别就是一个已经发生的例子。
过去，一段采访视频通常要先被看完、听完，编辑才能知道哪句话值得留下。现在机器可以先把整段声音变成文字。看上去只是“转写更快了”，真正被改写的却是后面的分工。
同一份转写，打开了两扇不同的门
Descript 发布的 LinkedIn 客户案例里，制片人不再只能把一堆原始素材交给专业编辑，然后等待成片。他们先在转写文本里找句子、删段落、拼出粗剪，再把时间线导入 Premiere，交给编辑继续做叙事和精修。[S1][S2]
这并不是“制片人取代编辑”。更准确地说，原来只有编辑能开始的工作，现在制片人也能先往前走一步。
专业编辑的价值因此没有消失，却被推向了更难标准化的部分：节奏如何建立，画面怎样衔接，哪一处停顿应该保留。机器降低的是进入素材的成本，不是替作品做完所有判断。
但便宜的软件也没有自动长成新的组织习惯。案例称，这套用法经历了约六到九个月的工作坊、试用和迭代。工具上线只是开始；谁先做、做到哪一步、怎样把结果交给编辑，才是采用本身。[S1]
佛罗里达大学面对的是另一种麻烦。大量课程视频需要字幕，全部人工处理太贵，全部相信自动识别又过不了质量和无障碍要求。
学校与 3Play Media 采用了一条不同的路：先让自动识别给文件评分。达到设定阈值的，进入自动发布流程；低于阈值的，再送去人工复核。[S3]
LinkedIn 的做法，是让更多人可以开始；佛罗里达大学的做法，是让更少的文件需要人工收尾。一个扩大入口，一个收窄复核面，看起来相反，实际在做同一件事：把人的注意力从“每一份都处理”改成“只处理机器不适合承担的部分”。
真正的产品，可能藏在两步之间
如果只按功能给这两种产品分类，它们提供的都是语音识别。但客户真正买到的，不只是一份文字。
LinkedIn 需要的是一条不丢失上下文的交接路径：制片人的粗剪可以进入专业编辑的工具，前一步不会在导出时变成废稿。佛罗里达大学需要的是一套风险分配办法：阈值以上允许自动通过，阈值以下把责任交回给人。
这带来一个对 AI 产品更有用的观察：
当“生成第一版”越来越便宜，商业价值会向决定下一步的地方移动。
什么结果可以直接用？什么结果必须复核？交给人时要带上哪些上下文？出了错由谁发现、谁负责？这些听上去像流程问题，却可能比模型再提高一点准确率更接近客户愿意付钱的理由。
也因此，评估一款 AI 工具时，只看“它能不能做”常常不够。还要看它能不能进入原有工具，能不能让专业人员接得住，能不能把不确定性暴露出来，以及组织要付出多长时间才能真的换一种做法。
Agent 也不该只会交答案
这个判断可以迁移到 Agent。
一个 Agent 如果只会生成结果，它更像一个更积极的输入框。真正进入工作之后，它还要知道：哪些事可以自行完成，哪些事应该停下来；交回给人时，应该带上证据、未决项和已做过的尝试；人修正之后，下一轮是否真的会改变。
这不是说 AI 不会减少岗位。两个由供应商发布的客户案例，也不足以证明行业的长期就业变化。它们能说明的只是一个更近、更可观察的顺序：在完整岗位消失以前，任务边界和交接方式往往已经先被重写。
所以，下次再看到一种能力的成本骤降，也许可以暂时不问“谁会被替代”，先问三个更具体的问题：
谁因此第一次可以动手？谁从重复处理变成只看异常？而最后那个必须由人承担的判断，究竟被移到了哪里？