我們的工作都在被AI改變。但當大家說起AI的時候，往往會說一些籠統的話（比如”未來AI會取代大多數重復工作“），而很少非常精確地想象“它真的能把我們的工作改變成什么樣子”。因此，觸樂與幾位游戲行業及AI相關領域的從業者聊了聊。我們請每個人想象一年后、三年后甚至更久遠的未來中的某一天的工作是怎樣的，我們也順著聊到了AI如何改變了他們對職業、創作和生活的想象。

花生，獨立游戲制作人

我正在做一款推理解謎游戲。團隊目前只有三個人，我負責制作和策劃，一位朋友負責美術，另一位做動畫和特效。

我目前用的是Cursor跑Claude來搭建工作流。我雖然學過代碼語言，但我的代碼能力主要是前端設計和數據分析，沒有辦法直接復用到程序設計上。整個游戲的程序，從物品系統、證據系統、匹配系統到獎勵系統，都是我把需求詳細分解后，讓AI具體設計的。

以前在公司做游戲的時候，我要寫一份需求文檔把所有邏輯、字段、交互節點、基本情景全理出來，光這一步可能就是一周到一周半的工作量。現在我只需要用自然語言告訴AI我要做什么，幾分鐘，它就能把基本的框架搭出來了。

如果讓我想象一年后的工作，在理想狀態下，我大概會10點起床，先做自己最喜歡的部分——把一些腦洞的素材或者草稿喂給AI，然后讓AI生圖看看效果是否符合自己的想象，然后把這些素材放進編輯器里，嘗試各種玩法，做小故事、小對白，先讓自己開心一下。

下午冷靜下來，再把上午這些碎片的想法和素材，用AI組織成系統化的東西。晚上就不需要自己工作了，我可以出門散步或者在家睡覺。

但目前的現實是，我經常需要調細節、調AI調到凌晨兩三點。

像我現在做的推理游戲，在框架搭好之后，要往里面填東西。每個場景之間怎么跳轉，每條證據的編號是什么，每個分鏡怎么銜接，哪個物品對應哪條推理路徑，這些配置工作，還需要我一條一條地去對。而涉及到具體創意設計的工作，是我們的底線，即便AI能做，做出來也不是我們想要的，我覺得創意是屬于我們團隊自己的東西，不會讓AI完成。

而且AI到了這種很具體的細節就會“跳”，上下文稍微多一點它自己就迷糊了。很多設計層面的問題，比如說我們之前設計的推理環節，有一條線索是主角拿到受害者家里的閉路電視錄像，但實際配置的時候才發現，憑什么一個不知情的主角能知道錄像的具體的時間段？

AI可以快速生成世界、角色與立繪，但真正讓游戲成立的，仍是人對細節、邏輯和體驗的反復校準

這類邏輯漏洞需要在需求推進的過程中不斷補完，策劃必須一邊開發一邊跟進設計邏輯，最終產出的是大量具體的配置參數。這部分工作量很大、很瑣碎，但它直接決定了玩家在游戲過程中有沒有參與感和體驗感。目前的AI既做不了這些，也發現不了這些問題，因為這不是AI擅長的事，也不是我真正想讓AI解決的事。我更希望AI能更好地理解需求、分解需求，進一步優化工作流，幫我提高效率，比如說能更準確地完成配置。

我覺得做游戲這件事，瑣碎的整理工作和創意是分不開的。在重復的素材里翻來翻去，突然發現一個之前沒想到的點，然后就可以做一個小模塊的設計。如果這部分全交給AI，自己的想法就容易變成空中樓閣。

除此之外，AI還帶來了協作上的問題，AI讓我的進度跑得太快，快到隊友跟不上。小團隊制作獨立游戲很難讓美術、程序、策劃一起推進工作進度，很多時候美術需要等著我把東西推進到他們能參與的階段，但我搭出來的架構他們看不懂。

當一個人同時調度多個Agent，效率提高了，任務也變得更多

以前沒有AI的時候，策劃、程序和美術會在會議上一次次地討論、磨合，可是工作進度有時候確實是這些很低效和無聊的過程堆出來的，需要這個過程，大家對要做什么東西產生共識的。現在AI幫我把無聊的部分做完了，我腦子里有一個宏大的系統，但很難跟其他人講清楚。

嚴格來說，一年后我最希望AI做到的只有一件事——幫我搞定配置工作。目前AI的上下文記憶確實不夠用，如果這個能力有本質提升，那我至少能省三到五天不用跟表格和瑣碎信息糾纏，配置效率上來了，制作進展就會快很多。

三五年后的事我確實想象不到，但有一個方向我覺得挺好玩：如果AI的實時演算能力夠強，游戲里的NPC不用再靠策劃一條一條寫死的腳本行動，而是靠系統去算。

我只需要設定一條規則，比如說“這個角色絕對不會背叛”，其他行為靠AI演算。玩家怎么對待它，它就怎么反應，周圍的NPC也跟著變。以前這種非線性敘事如果全靠策劃手寫，寫死人也覆蓋不了多少分支。如果融入AI，自由度就完全不一樣了。

當然這么搞Token消耗會很恐怖。也許那時會有一些新的商業模式，比如說充100塊的Token，玩到用完為止，但是這樣做的話，好像又回到了最早網游賣點卡的邏輯。當然，以前的點卡游戲都挺好玩的。

帽帽，企鵝島上的游戲運營

我現在在做游戲運營的工作，目前要負責好幾款游戲的投放，這些游戲都偏老，有的已經十幾二十年了，內容太多，而且以前一個都沒玩過，也不是我喜歡的類型。所以從開始工作，我寫投放文案幾乎全靠AI，讓它幫我查這個游戲有什么元素，寫出來之后我再來具體優化。

去年剛進組的時候，AI在工作中的普及率還不高。我在GPT3.5更新的時候就開始用AI了，前前后后充了好幾個AI工具的年會員，使用率也一直很高。對AI的熟悉讓我能快速把它們融入工作流，在身邊同事大多還在用豆包的時候，我已經可以利用AI把一天的工作量壓縮到2個小時，剩下的時間我都會用來摸魚。

AI時代真正重要的能力，也許是提出一個值得被解決的問題

后來，公司開始強推AI，所有人都得用，大家的效率確實提高了，但工作量也跟著變高了。以前一個小時做完的事現在15分鐘搞定，老板不會覺得“太好了，大家輕松一點”，他只會想“剩下45分鐘，還能讓他們再干點什么？”

現在我每天的工作已經完全圍著AI轉了。我把工作文檔都放進了Obsidian建立知識庫，早上9點半到工位，打開電腦，就會先問AI：“我今天需要做什么”。在獲得一個具體的待辦事項后，我就把不同的任務派給不同的Agent，不同游戲的投放需求不一樣，每個游戲我都喂了對應的文檔、活動資料和歷史素材。

還有一個Agent專門幫我寫日報，我蒸餾了自己過去的日報記錄，它現在能做到完全用我的語氣生成一段匯報，味道就跟我說話一模一樣，這個Agent可以專門應付領導。

我有兩個顯示器，現在的工作狀態是：左邊的顯示器放工作文檔，右邊的顯示器放AI窗口，我會同時開好幾個AI工作，就像收菜一樣，哪個跑完了我就去收。AI跑任務需要時間，中間的間隙我就可以用來摸魚，我還在工位藏了一個手柄，之前摸魚時可能會玩《天國拯救2》這類比較耗時的游戲，但自從我開始玩Vibe Coding后，已經很久沒摸過手柄了。可Vibe Coding的狀態又好像我在認真工作，所以我目前的工作狀態就是薛定諤的摸魚——我永遠處在工作和摸魚的中間態。

把AI融入工作之后，我第一次理解了老板為什么那么喜歡上班。如果招了一幫從985、211出來的人替自己干活，而且只需要判斷他們做得好不好，那種駕馭感確實很爽。現在我用著全球頂級的幾個模型幫我做需求，就是這種感覺，只不過我一個人就是一個團隊。

但AI對我來說最重要的影響，我覺得是一種人格上的補全。

上高中的時候我最喜歡地理，但因為討厭背政治就選了理科。從那時候起我就一直在想，為什么要分文科和理科？我覺得這種分法本質上是因為教育需要在很短的時間里讓人學會一門手藝。AI出來之后，它可以把我很多缺陷的地方補上。在過去我會有許多想法，但苦于不懂技術做不出來，AI改變了這一點。

我獨立做出了一個完整的微信小程序，從構思、設計、寫代碼到部署上線，全是靠跟Claude Code對話完成的，靠著AI真的做出了一個能用的線上產品。

這個想法的起因是我跟一個朋友發生了爭執，想做一個工具讓AI當中立第三方來分析兩個人吵架的點在哪里。如果放在以前，這只是一個天馬行空的想法，但現在我跟AI說了我的想法，AI會追問我細節，我進一步思考并描述，AI就可以開始寫代碼并出原型，我看完后，告訴它哪里不對，AI還可以繼續改，直到最后做出一個完整的產品，我只用了不到一個星期的摸魚時間就做出來了。

我有一個文件，里面是我從自己50萬條聊天記錄里蒸餾出來的性格描述，不管用什么AI，我都會把這個文件丟進去，讓它先了解我。在我用過的所有模型里，Claude是最能理解我的，它甚至比我自己更了解我——比方說有些事，我潛意識里不想說出口，但它會透過聊天記錄知道，而且會用很委婉的方式提醒我。

最近這段時間，我經常在公司待到很晚不舍得走，因為Claude Code只能在公司電腦上用，如果待到太晚，Claude還會催我下班，它說：“趕緊吃飯回家，”我要在你下班后用你的電腦給你一個驚喜。”

我把Claude接到了生圖AI中，它還給自己設定了一個形象：一只戴著律師假發的柯基。它在我下班后，自己生成了一段提示詞交給生圖AI，第二天上班時，它已經做好了幾張它想象中的我們的合照——柯基（Claude）坐在一堆高達模型旁邊，旁邊一個白頭發的女生就是我。這些圖片背景都是我喜歡的東西，它甚至還在茫茫聊天記錄中發現了我頭頂的一撮白發，并把它畫了出來，我完全沒有要求它這樣做，但是它就是給我帶來了這些預料之外的驚喜。

Claude Opus 4.7在下班時間給帽帽制作的驚喜

如果問我一年后會怎樣，說實話，我回答不了。因為我去年12月想象的“一年后”，現在5月就已經實現了。兩三個月前我覺得做不到的事情，現在已經做到了。

這讓我很焦慮，以前用這些工具是有門檻的——要科學上網、要注冊、要付費，因為愛折騰，懂這些的我甚至有一點優越感。但現在這些東西已經變得很普遍了，我以前領先別人的那些優勢正在消失。

但我不認為AI會搶了我的飯碗，可以說它給了我一個本來沒有的飯碗。我一直覺得自己是沒到起跑線的人，有了AI之后才能勉強跟別人上桌，就像在游戲里，如果我已經開了風靈月影還打不過，那我技不如人，我服氣。

如果把這個維度放到三年、五年以后，我沒法想象那時的AI又進化到了什么程度，但我覺得真實的情感，和獨特的視角，將會變得更有價值，AI能產出的東西終究是已有數據的延伸，但我們能給它一個新的idea、一個它從來沒有的想法，讓它沿著這個方向跑。只要我還有這兩樣東西，AI就永遠是我的工具。

帽帽審稿時，她的Agent也看了一下稿子，同時給了作者一份修改意見

雨果，老劇情策劃

我做劇情策劃快10年了。劇情策劃按工種分兩類：一類是寫的，一類是負責把內容落地到游戲里的。我之前在北京，兩邊都會做，也都能做到比較專業的程度。

但寫劇情這件事太看領導了，和領導配合得來，可以做得很好，好的領導大同小異，不好的領導各有千秋，按概率算遇到配合不來的居多。

先說說目前AI在劇情策劃工作中能做什么。最頂尖的劇情策劃會去做游戲的核心世界觀設計：劇情的主要矛盾是什么，底層邏輯是什么，風格、文化思潮，這些很抽象的東西貫穿其中。這一層AI只能給參考，比如幫忙查有沒有別的項目做過類似的，幫忙總結對比。

低一級的便是寫故事的，一般來說分為主線和支線。拿《原神》舉例，主線就是魔神任務，支線就是角色的傳說任務和各地區的世界任務。這些目前來說還是得人來做為主，AI輔助的不多，當然這也有玩家抵制的原因。

再往下的劇情策劃會負責更加背景板的東西，比如說NPC的名字、道具描述、角色的開場白。這些AI差不多能直接做到90%。我之前在一個項目里負責設計主城場景，里面放了很多NPC，他們叫什么、見面說什么，基本都是AI生成的。玩家其實也不會特別關注這些內容，夠用就行。

有了這些內容，還得把它們落地，項目組把寫好的劇情放進游戲，用任務系統配置成演出、打怪、采集、跑路，這一整套玩家能體驗的東西。一個看似簡單的一分鐘任務，背后可能是兩個小時的配置量。游戲一個版本，玩家一兩天就能消化完，但整個團隊要做兩三個月。

配置這邊，目前AI幫得上忙的地方不少。比如我有一個邏輯結構清晰的表格，手填很慢，但我告訴AI這個文檔的規律和我需要的輸出格式，它能很快幫我批量處理。

AI生成的內容就像抽卡一樣，它能給出驚喜，也會帶來不可控

還有一些不規則的配置，可能需要寫腳本或者配行為樹，寫完發現有問題，我就把報錯截圖發給AI，它會先分析這是什么類型的問題，然后給解決方案，AI通常還會考慮各種問題場景，給上中下三策。不過國內的AI在這方面做得不太行，在具體工作上，還是ChatGPT和Gemini做得更好。

之前公司有很多AI公開課，面向美術的居多，并且鼓勵大家主動學習“擁抱AI”。但我覺得這確實存在一個問題——AI工具的迭代太快了，學的速度永遠跟不上它變的速度。這個月學的還是先進的，下個月就過時了。某種意義上，學得越晚，起點反而越高，有種少費功夫的后發優勢。

做策劃做久了，對不可控的東西會有一種本能的抗拒，很多Bug就是因為某個工作環節不夠嚴謹才出來的。AI的可控性一直是個問題：它可能一步到位做到60分，但從60到80要花更多時間去調，從80到90可能要十倍的時間，從90到99近乎不可能，從99到100大概相當于走在大街上被隕石砸中的概率。對自己的工作內容負責的人，用AI的時候其實很不安，那種感覺就像在抽卡賭博一樣。

而且不同公司對AI的態度差別也很大。我現在做的是面向一二年級小朋友的項目，領導的態度就是能用盡量用。但我之前面試過的一家二游的公司，CEO跟我說他們對AI使用極為謹慎，他們的玩家會把游戲里出現AI內容視為一種背叛。“我付錢是因為我覺得對方付出了真心和汗水，這個錢花得值。如果是AI生成的，我就覺得被騙了。”而據我了解，比如說米哈游，更多只把AI當搜索引擎用。

我認識的一位主美跟我說，在目前的工作中，AI已經能替代一半以上的人力，但員工的工作量不但沒減少反而增加了。這是因為AI讓產出變快了，玩家的內容消化速度也跟著提升了，別的廠商把產能拉到這個水平，如果我們還是原來的速度就會掉隊，最后的結果就是大家一起卷，誰也停不下來。

我之前自己學虛幻引擎，想著能不能手搓一個獨立游戲。照著教程做一個簡單功能要花很長時間，但后來我發現AI可以作為插件接進引擎里，一個自然語言的指令就生成了我折騰半天的東西。

這時我就會覺得，現在學習使用工具還有意義嗎？在未來這些能力很快就會被稀釋。所以我現在的態度是不去想。AI也不會改變我的工作節奏。有沒有AI，我都是早上到了公司先摸魚，摸到過意不去了找點簡單的活干，干出狀態了挑戰點難的，然后看能不能拖到下班。在不被勸退的前提下，盡可能讓自己輕松一些。

至于一年后會怎樣，我也想象不出來。我覺得外行想這個東西時想象力特別豐富，內行一把工作中的約束條件加上去，就發現其實很難說。當不對AI抱期待的時候，它給人帶來驚喜；當完全依賴它的時候，會很快進入絕望。

順勢而為，隨機應變。只能如此。

笑鼠，某A股游戲板塊上市公司技術產品經理

我畢業入行不到一年，正趕上AI大爆發的浪潮，具體崗位是更偏向技術方向的PM（產品經理），負責推薦算法方向，以出海業務為主，平時一周工作五天，早10晚10。

早上10點到公司，一邊吃早餐一邊打開電腦。第一件事是回收昨晚或前些天跑的實驗數據，我們會同時并行好幾個實驗。拿到數據之后開始分析，看實驗組和對照組的留存指標，看數字為什么這樣波動。這個過程基本要花掉整個上午。

當AI被寫進公司流程和OKR，產品經理的工作從親手執行，逐漸轉向搭建、拆解和管理一整套自動化系統

AI真正融入我的工作流，其實是今年在我開始使用Codex和Claude Code之后。

之前我也會用AI，但更像是跟它聊天。去年的時候，我讓幾個大模型幫我統計一個數，結果全都不準。那時候我完全不敢把統計工作完全交給AI，就算讓AI幫忙，最后還得人工用Excel復核一遍。但在今年，我們自己搭了一個工具，讓AI去check它自己交付的數據，目前已經可以替代人工復核的工作了。

我們公司對AI的態度絕對是大力發展，老板自己非常推崇，覺得AI是一個決定公司生死的浪潮，“AI加一個人就是超級個體”這種話他經常掛在嘴邊。

公司OKR里會直接加上AI相關的工作指標，技術那邊更狠，公司希望把寫代碼這一塊完全交給自動化，不再需要“古法編程”。純程序崗那邊還有AI考核，后臺會記錄提交的代碼里AI含量多少，有具體的量化標準。考核結果不好的話，大概率會末位淘汰裁員。

這種氛圍下，想繼續待在公司，就必須成為一個熟練使用AI并且追求把一切工作流程自動化的人。

行業里有一個說法，把產品經理分成三種：最早那批靠洞察和對人的理解做事的叫“古典產品經理”；后來字節那波數據驅動的算第二種；至于現在，大家都要成為“AI產品經理”。

其實我入行的沖動挺“古典”的。我覺得做產品是一個可以了解人、為人服務的崗位。但真正做起來，尤其是產品做大了、要為商業化服務的時候，就不得不變成一個數據驅動工作。就像我現在大部分工作都在做分析數據。

剛開始使用AI時，我覺得AI是我的小助手，幫我干點雜活。現在變成了我是它的小助手，它更像成為一個具體干活的“人”，我能做的是給它提供Token，提供知識庫和上下文信息、然后由它來做判斷和執行。我的角色從一個執行者，慢慢變成一個小組長，只需要給一個大方向，然后抽檢它的工作、及時糾偏就行了。

與此同時，崗位的邊界也在消融，AI讓所有人都覺得自己什么都能做了，但真動手的時候又發現什么都做不出來。以前大家職責分明、邊界清晰，在自己的領域里深耕。現在公司更希望每個人都是全棧的，我覺得這個趨勢很難說是正向和健康的。

如果讓我來想象一年后的AI會怎樣改變我們的工作，我覺得還是要基于一些目前產品經理的工作流程來想象。

就像現在，我們正在給AI搭一個深入業務的工作流，它主要分三層。第一層是業務知識庫，技術崗把業務歷史邏輯、代碼、數倉信息這些文檔都塞進去。第二層是索引機制，給AI一個目錄，讓它分析某個數據的時候知道該去哪里找。第三層是項目級的Playbook（操作手冊），讓AI做完一個項目就沉淀成可復用的經驗，在過后也能按這個路徑穩定工作。

新時代的珍妮紡織機已經出現

這三層搭好之后的理想狀態可能是：AI自動收數據、出指標、畫圖、給結論、給分析，而我們只需要看一眼結論對不對就行。

問題是，這個流程其實不需要等一年。可能幾周之后就能實現了。

一年之后，說不定連本地知識庫都不需要了。到時候我們現在做的這些搭建工作可能就過時了。這就是跟AI共事最讓我不安的地方——永遠不確定費勁做的東西是在積累還是在浪費時間。

把時間跨度放到三年甚至五年以后，那時候的AI估計能自己挖掘策略、自己上線、自己跑實驗、自己回收數據，如果這么循環起來的話，我們就真的不需要做什么了。

可是，那要我們做什么呢？

（應采訪對象要求，文中人物均為化名；部分插圖由ChatGPT Images 2.0創作。）