会管 AI 的人，正在变值钱

如果你最近一直在学 AI，我建议你先停一下。

别再只问：“哪个模型最强？”

更该问的是：你能不能把 AI 当成一个会做事、会出错、会消耗资源的同事来管理。

今天 Follow Builders 里有几个信号放在一起看，方向很清楚：AI 的能力还在往上走，但真正拉开差距的，已经不是谁更早试了新模型，而是谁能把 AI 放进一个可靠的工作流程里。

OpenAI 的 Thibault Sottiaux 说，ChatGPT Work 和 Codex 用户的用量限制已经重置。

他也解释了 GPT-5.6 Sol 为什么最近消耗更快：它更愿意长时间工作，会做更多工具调用，也会协调更复杂的任务和子 Agent。

OpenAI 做了优化，预计典型使用下，用量大概能多撑 18%。

这听起来像一条产品通知，但对做 AI 产品的人来说，里面有个更大的提醒：当 AI 从“回答问题”变成“持续做事”，管理方式就必须变。

以前你让 AI 写一段文案，错了就重来。

现在你让 AI 读文件、改代码、调用工具、整理反馈、导出版本。它一旦跑偏，错的就不只是一句话，而可能是一整段工作。

所以，AI 越能干，越需要清楚边界。

它能看哪些资料？能改哪些文件？能不能联网？哪些动作必须让人确认？做完以后用什么标准验收？

这些问题不性感，但它们决定了 AI 能不能真的进入工作。

Thibault 还提到，OpenAI 发布了一个开源 CLI 和 TypeScript SDK，用来发现、验证和修复代码里的安全漏洞。它可以扫描仓库、审查变更、跟踪问题，也能把安全检查放进 CI。

这件事很值得注意。

因为很多人用 AI 写代码时，第一反应还是“快”。以前半天写完的功能，现在 20 分钟跑出来，看起来很爽。

但问题是，代码不是写出来就结束了。它要能跑，要能维护，要别把用户数据暴露出去。

AI 写得越快，检查就越不能靠人肉补。

一个更现实的做法是：把 AI 的输出当成半成品，默认要过三道门。

第一道，看它有没有完成你真正要的任务。

第二道，看它有没有引入新的风险，比如权限、数据、接口调用。

第三道，看它能不能被下一次修改接住，而不是只有这一次能跑。

如果你正在做 AI 产品，这就是一个很好的产品方向：不要只帮用户生成东西，还要帮用户检查、修正、记录变化。

生成会越来越便宜，可信会越来越值钱。

Swyx 今天有个判断很直接：AI-native IC 和 player-coach 正在变抢手，只做管理头衔的人反而没那么吃香。

他甚至说，会管理 10 个 Agent 的 1 年经验，可能比管理 10 到 100 个人的 10 年经验更有价值。

这句话可能有点夸张，但方向不难理解。

未来很多工作不是“我亲手做完”，而是“我把任务拆清楚，让多个 AI 去做，然后我判断结果能不能用”。

这要求的能力，和传统意义上的熟练使用工具不一样。

会点按钮，只能让你快一点。

会管理 Agent，才可能让你同时推进多个任务。

比如你要做一个小产品，不能只对 AI 说“帮我做一个 App”。你要能拆成用户场景、页面结构、数据来源、权限规则、测试标准、发布检查。每一步交给 AI 前，都要有输入；每一步回来后，都要有判断。

这才是 AI 原生工作的核心能力。

Peter Yang 做了一个叫 Tastemaker 的产品，用来把电影、剧集和游戏评分整理成一个个人主页。

更有意思的是他的制作过程：先写 design.md 和 HTML spec，再用 Claude Design 做界面原型，最后用 Claude Code 搭建和迭代。

这说明一件事：个人做产品的门槛还会继续下降。

一个想法，从说明文档到界面，再到可用版本，可能不再需要一个完整团队。一个会拆任务的人，就能用 AI 把第一版做出来。

但这也带来另一个问题：当大家都能很快做出 demo，demo 本身就不稀缺了。

真正值钱的是判断。

这个产品解决谁的问题？用户会不会明天再打开？如果 API 成本上来，你扛不扛得住？如果只有前 100 个用户能免费用，你准备从他们身上验证什么？

Peter 用限量测试控制第一批用户，这个动作很实用。先做完整体验，再限制规模，观察真实反馈。

对个人创业者来说，这比一上来追大流量更稳。

今天这些信号合起来，其实给 AI 建设者一个很直接的提醒：别只学 AI 怎么用，要学怎么管 AI。

强模型会越来越多，生成速度也会越来越快。

但真正能帮你做成事的，是另一组能力：拆任务、设边界、放检查、控成本、做小范围发布。

下一次你准备做一个 AI 产品，先别急着接模型。

先写一张简单的任务单：用户给什么输入，AI 做哪几步，哪些地方必须停下来确认，最后交付什么，失败以后怎么退回。

这张任务单写清楚了，AI 才是帮手。

写不清楚，模型越强，只会把混乱放大。