AI Compounding 固化前最後六個月
大多數話自己「用緊 AI」嘅人都唔係 adoption，而係 trying it。
呢個 difference 喺星期二晏晝睇落 trivial，但係星期四朝早就係 fatal，因為 AI adoption levels 之間嘅 gap 唔係 linear，佢係 compounding。你爬上一格，下一格就乘以上一格，兩個同事差一個 level 已經喺 diverging curves 上面。2026 H2 係嗰個 divide 開始 harden 成 structure 之前嘅 preflight window。大多數人要等到已經要追落後先會注意到 split。
最危險嘅 stall point 唔係 zero，而係上面一格：access 扮成 adoption、copy 個 chat window answer 當係 progress 嗰個位。
個個星期二朝早將你 office 分開
星期二朝早九點，一個同事依然喺度打同一個 Slack message 三次、每封 email 都由空白 screen 用手打。隔離張 desk，或者可能只係隔離條 thread，另一個打開 laptop 發現有個 agent 已經幫佢 draft 晒回覆、 triage 晒 calendar conflicts、仲 shipment 晒一份佢聽日走之前assign 咗嘅 research report。
佢哋之間嘅 gap 唔係 software 唔同，係 levels 唔同。
大多數人將「用 AI」當係 binary。唔係。
四個 levels 係 fixed。Observer 從未碰過 AI。Chatbot user 問 AI 問題但係次次由零開始，冇 context、冇 memory、冇 workflow integration。佢可能開 ChatGPT rewrite 一段，但係聽朝一樣用同一個 blank prompt 由零開始。
Assistant user 將 AI embed 喺日常工作：GitHub Copilot 幫佢完成一個 function、Deep Research 幫佢 pull sources、email client 入面已經有 AI-assisted drafting。Delegator define 問題、review output、然後讓 AI execute 成個 workflows overnight。
啲 gaps 睇落 even，但其實唔係 linear。Chatbot user 喺 blank-slate query 度 save 幾分鐘。Assistant user 將 already-in-motion tasks shave 幾個鐘。Delegator 加 parallel streams，佢訓覺嗰陣都喺度 compound。
每個 level 係建喺上一個上面，但係 returns 係 multiply 唔係 add。差一個 rung 嘅兩個人唔係 slightly different，佢哋係喺 diverging curves 上面。Assistant user 對今日嘅 tasks 有帮助；Delegator 對聽日嘅 queue 有帮助。
嗰條 curve 而家仲可以爬。但係 2026 H2 係 divide 開始 harden 成 workflow structure 之前嘅 preflight window。一旦發生，大多人要等到已經要追落後先會注意到 split。
Access 唔係 Adoption
最危險嘅 stall 位唔係喺 zero，而係喺 Level 1——chat window 係 open 但係 engine 從未著過。
真正嘅 risk 係將 basic access 當作 momentum：做 Chatbot user 就似揸住架 Ferrari 但係淨係用嚟去街角士多。你有 AI access 但係淨係用嚟做一啲 trivial Q&A。
睇實吓 behaviour。一個同事打開 ChatGPT，打「draft 個禮貌 reminder email 催客戶跟進 Friday delay」，copy 回覆，paste 入 Gmail，閂 tab。聽日佢又由零開始 build 成個 prompt。
Urban Institute 嘅分析 話 51% of U.S. adults 喺 level 1 或以下。Basic access 唔等於 true literacy。我哋已經將呢個 exact gap map 埋上 AI：架喺車房，但係出車仲係用行。
呢個就係 blank-slate tax。
每一個 answer 都係 disposable draft；冇嘢 remember 聽晚。與此同時 Assistant user 喺同一個 app 內完成呢個 task，嗰個 app 係佢做嘢已經喺度用緊嘅，唔使 copy、唔使重建 context、冇 detour。
Level 1 感覺上係 progress，因為 login screen 好幾好。但係 access 唔係 adoption。
喺 2026 H2 之前，Chatbot user 同 Assistant user 之間嘅 difference 唔係一個小 step；係一個 compounding velocity gap，呢個 gap 喺你 celebrate 自己有 keys 嗰陣不斷擴大。National Skills Coalition 話而家 92% of jobs 需要 digital skills，但係 31% of workers 只有少少或完全冇。AI literacy 正喺度走同一條 curve——access 第一，use 永遠都係之後嘅事。
如果個 team 仲喺度 copy AI answers 入 email threads，揀一個你已經日日用緊嘅 tool。Gmail、Slack、Docs、或者 VS Code，六月尾之前開佢嘅 native AI。唔好學新 dashboard；改變你已經用緊嗰個 dashboard。呢個係唯一可以 close gap 嘅 upgrade。
同一個 upgrade dynamics 喺過去二十年喺 search literacy 方面出現過，不過個 clock 慢啲。由 manual search 行去 embedded fluency 用咗十年；由 chat window 行去 autonomous agent 可以壓縮到幾個月。
2001 到 2011，壓縮成一年
喺 2001 年，識唔識用 Google 感覺上係一個好細嘅 difference；十年內佢已經變成每一個 job description 同 workflow 嘅一部分。
AI喺 2026 年就係同一個 clock 嘅 compressed version。
Google gap 形成嗰陣睇落唔係懸崖，只係一個 slight convenience：省幾分鐘唔使去圖書館，搵電話號碼唔使打 directory assistance，出發前睇 map 唔使問人。每一個 search 都係一個 tiny optimization，skip 咗啲人聽日依然過到。
但係 search literacy 唔單止係一個 skill，佢係一個 compounding infrastructure。到僱主開始 assume 求職者可以「就咁 Google it」嗰陣，呢個 divide 已經唔再係 choice，而係變成 platform assumption，寫入 job descriptions、social norms、同 default workflows。
四個 AI levels 正喺度踩緊同一條 curve，只係條 slope 更加斜。Chatbot user 同 Assistant user 喺同一個 afternoon 可能睇落 interchangeable；兩個都答到 email 或者 debug syntax error。但係 Assistant user 喺度 accumulate workflow memory、Copilot 入面 persist 嘅 context、Deep Research 記得嘅 threads、因為 tool 知道佢過去十次 revision 所以越寫越好嘅 drafts。
嗰個 context 就係 compound interest。與此同時 Chatbot user 每一次 session 都由 blank slate 開始，一次又一次咁 pay 同一個 setup tax。
Delegator level 進一步加速 return。唔係因為 tools 唔同，而係因為 human role 由 operator 變成 editor。Chatbot user 打字，Assistant user 喺 workflow 裏面 steer，Delegator 呢就 frame 問題、set acceptance criteria、review 晚黑 agent produce 嘅 output。喺度 compounding 緊嘅 skill 唔係 typing speed，而係 judgment under uncertainty。
Search 用咗十年先 harden 成 expectation，因為 infrastructure 郁得慢：dial-up 去 broadband，desktop 去 mobile，isolated machines 去 always-on accounts。每個 rung 都俾人時間去 adapt。
今日嘅 AI wave 冇呢個 ramp。一個 user 如果喺五月由 Chatbot 升到 Assistant，秋天就可以變成 Delegator，因為同一個 models powers 住 casual queries，仲 support hands-off execution 跨多個 apps。Levels 之間嘅 distance 而家係以 weeks of habit formation 計算，唔係 years of hardware deployment。
2026 H2 係 preflight window，喺呢啲 compound returns crystallize 成 durable structural advantage 之前。一旦 hiring managers assume embedded-AI fluency，一旦 project timelines assume Delegator-level parallel output，gap 就唔再係 skill difference，而係 category difference。
未摸過 AI 嘅 Observer 同永遠由零開始嘅 Chatbot user 唔會被視為 slow adopters，佢哋會被分埋一邊——同一個原因，「唔識用 search engine」變成不可思議，唔係因為 tool 難，而係因為 economy 已將自己rewire，assume 每個人都已經可以。
呢個 economic rewiring 即將加速，因為下一個 level 唔單止加快工作，佢將人完全 remove 出 execution loop，，將 advantage 嘅 source 由 typing speed 移去 parallel surface area。
Unlimited Intern Team 同埋即將嚟嘅 Fault Line
Assistant-level tools 加快你已經做緊嘅 tasks。Delegation 改變你到底有冇 touch 某個 task。
Delegator 唔會坐喺 AI 旁邊逐頁逐頁寫。她寫 brief，「用上季 structure 起草 Q2 budget narrative，flag 任何超過百分之五嘅 line items」，然後 agent 喺佢喺另一個 meeting 嗰陣返回完整文件。她 review，紅筆劃兩段，繼續下一個。AI execute 咗個 workflow；佢淨係編輯 output。
一個 Delegator effectively 擁有一個無限量嘅 intern team，佢唔會累、唔會請假、凌晨三點都照運作。
個 multiplier 喺 parallel 度出現。當 Delegator 訓著覺，一個 agent sequence 可以 run 緊 competitor pricing sweep、起草 customer outreach、更新 project tracker。到星期二早上佢有三個完成咗嘅 workstreams，而 Assistant user 要分三日先做完。Gap 唔係 single task 上面嘅 speed，而係十個 task 上面嘅 surface area。
佢嘅 role 由 executor 變成 editor。佢 define 問題、set criteria、judge output。Machine 處理 loops。難位唔係盲目信 agent，而係搭好 memory、retrieval、verification 同 approval boundaries，令 delegation 安全。
但係隨住 AI agents 喺呢個 cycle 成熟，Observer 同 Delegator 之間嘅 distance 唔再似 gentle slope，而會變成 structural drop。呢個 maturation 正喺度 2026 H2 前發生。到個 window 十二月關閉嗰陣，好多 tools 會越嚟越 assume agent delegation 係 normal，依然由零開始 prompt 嘅人會喺 curve 低位追趕。
到 2027 年，兩個同一 job title 嘅人可能佔據完全唔同嘅 economic realities。一個 manage fleet of agents 返嚟嘅 output；另一個 manage 自己嘅 typing speed。佢哋嘅 résumés 睇落一模一樣。Impact 唔係。
如果你仲未 delegation 成個 workflows，呢個禮拜揀一個 recurring report 或者 research task，寫一個 brief 俾佢——明確 format、sources、同 success criteria——然後 review 返嚟嘅 output 而唔係自己寫 first draft。呢個 handoff 係分隔 additive speed 同 compound growth 嘅唯一 step。
條橋依然 open，但係 move 要 match 你已經喺嘅 level。Close gap for Chatbot user 嘅嘢唔同 for Assistant user，但係每一步都 follow 同一個 ratchet logic。
2026 H2 Preflight Checklist
大多數話自己「用緊 AI」嘅人依然係做緊 Chatbot user。四個 levels 之間嘅 compounding gap 而家仲可以 bridge，但係 2026 H2 係 preflight window，之後會開始 lock 成 operating divide。
如果你是 Observer，揀一個 chat，喺入面完成一個真實 task。如果你是 Chatbot user，將 AI 連接到你每日都 already open 嘅一個 app——你嘅 email、你嘅 calendar、你嘅 notes——等你嘅 context 唔再 reset 去零。如果你是 Assistant user，揀一個完整 workflow，hand it off 由頭到尾，唔好 hover。如果你是 Delegator，建一個第二個 self-running helper，等第一個唔係幸運 one-off。
每個 move 都係 small，但係 gap 係 fast 咁 compounding。Window 通過 2026 H2 尾之前都 open；一旦 close，相同 steps 會更加費力，return 返更少 advantage。
四個 levels 唔係 menu 而係 ratchet：每個 turn 令下一個更加容易、令上一個更加難返轉頭。如果你今日依然由零開始 prompt，你唔係 standing still，你係 sliding backward，因爲 curve 變緊。
注意 AI agents 係咪開始喺 Q3 2026 以 light supervision execute end-to-end tasks。如果呢件事變成 normal，相同 job title 會 hide 兩個唔同 economies of impact。你 land 喺邊一面，會由你喺十二月之前 lock in 嘅 habits shape 出嚟。