Trong thời đại của AI, ảo tưởng về việc nghe có vẻ thông minh và việc giữ quyền kiểm soát thông qua chuyên môn đã đến hồi kết. Để tránh những hiểu lầm, đáng để làm rõ những gì tôi muốn nói từ điều này (với sự trợ giúp của GPT-5): Trong một thời gian dài, một người có thể đạt được quyền lực bằng cách "nghe có vẻ thông minh." Ngôn ngữ trau chuốt, thuật ngữ dày đặc và bằng cấp tinh hoa thường được coi là những con đường tắt để đánh giá năng lực. Điều tôi muốn nói về "Chuyên môn" ở đây là trạng thái dựa trên những tín hiệu đó thay vì dựa trên kỹ năng đã được chứng minh và đo lường nhiều lần. "Kiểm soát" cũng có nghĩa là sử dụng trạng thái đó để kiểm soát ai có quyền truy cập vào thông tin, công cụ hoặc cơ hội. AI hiện nay đã loại bỏ nhiều giá trị từ những vẻ bề ngoài này và làm yếu đi những cánh cửa đó. Điều quan trọng là, cái kết thúc không phải là chuyên môn thực sự, mà là độc quyền mà ngôn ngữ có bằng cấp nắm giữ đối với độ tin cậy. Do đó, thị trường đang chuyển từ tín hiệu uy tín sang tín hiệu hiệu suất. Các câu hỏi trở thành: Mô hình của bạn có dự đoán dữ liệu mới với độ chính xác ngoài mẫu không? Các giao thức của bạn có tái tạo được trong tay người khác không? Các quyết định của bạn có liên tục vượt qua các tiêu chuẩn đơn giản không? Các tuyên bố của bạn có sống sót qua các cuộc kiểm toán đối kháng từ AI không? Vẻ bề ngoài của trí thông minh giờ đây ít quan trọng hơn khả năng tạo ra kết quả mà người khác có thể thực hiện, kiểm tra và cải thiện. Kiểm soát cũng yếu đi vì những lý do tương tự. Kiến thức và công cụ từng bị khóa sau các tạp chí, tường phí, hoặc các vòng tròn chuyên nghiệp có thể được tóm tắt, giải thích và vận hành bởi AI. (Mặc dù các bộ dữ liệu có tường phí hoặc lớn vẫn tồn tại trong kho, hy vọng rằng chúng cũng sẽ trở nên mở.) Mọi người có thể học nhanh hơn, tạo mẫu nhanh hơn và so sánh các lựa chọn mà không cần xin phép. Tất cả những điều này không làm cho chuyên môn thực tế trở nên tùy chọn. Kiến thức ngầm vẫn quan trọng: cách thực hiện một thí nghiệm mà không bị ô nhiễm, cách tuyển chọn bệnh nhân phù hợp, cách nhận thấy một mẫu thất bại sớm, cách thiết kế một giao thức sẽ sống sót qua đánh giá và hoạt động. AI có thể soạn thảo kế hoạch của bạn và phát hiện những lỗi rõ ràng, nhưng nó không thể pipette, kiểm tra một bệnh nhân, hoặc chịu trách nhiệm đạo đức, ít nhất là chưa phải bây giờ. Trong y học, kỹ thuật, khoa học, sự tiếp xúc nguyên nhân với thực tế và trách nhiệm về hậu quả vẫn là cốt lõi của thực hành chuyên môn. Hệ quả thực tiễn là một cách mới để tín hiệu năng lực. Các tuyên bố rõ ràng, có thể kiểm tra vượt trội hơn sự xuất sắc trừu tượng. Quy trình có thể tái tạo vượt trội hơn các giải thích cầu kỳ. Độ hợp lệ dự đoán vượt trội hơn uy tín.