Kalshi创始人Luana Lopes Lara：AI正在重塑工作，而非取代岗位

AI增强而非取代：工作形态正在重构

“到今年年底，变化最大的仍然会是工作。”Kalshi联合创始人Luana Lopes Lara在近期访谈中表示。她观察到，目前尚无任何职位被AI完全取代，而是所有岗位都在被AI增强。工程师同时调度约20个云端Agent，新员工借助AI快速掌握公司上下文，管理者则能更早识别项目瓶颈。她认为，岗位名称或许保留，但任务执行方式、团队规模和录用标准已悄然改变。

市场焦点从“能力”转向“后果”

Kalshi平台上关于AI的预测市场提案正经历显著转变。一两年前，用户主要关注模型能力，如“哪个大模型更强”或“何时解决复杂数学问题”；如今，问题更多聚焦于AI对裁员、失业率乃至选举的影响。Luana指出，这标志着公众已越过“AI是什么”的认知阶段，开始评估其对自身生活的实际代价。“AI会不会成为本月裁员的首要原因”已成为每月高频交易市场。

73%的概率意味着什么？

采访期间，Kalshi数据显示，AI成为5月裁员首要原因的概率为73%，成交量约3万美元。Luana强调，这一数字并非指个人岗位有73%概率消失，而是针对一个边界明确的问题：在指定月份，AI是否被记录为裁员主因。她解释，即使成交量仅5000美元，价格也往往收敛至校准良好的水平，具备参考价值。但解读时必须结合结算时间、交易量与问题定义，单一百分比无法代表全部风险。

预测市场：用真金白银表达判断

Kalshi作为预测市场平台，让用户以资金押注事件结果，从而形成“用价格写成的新闻”。平台70%的用户并不下注，仅浏览概率信息获取洞察。此外，部分用户将市场用作对冲工具——如酒吧为尼克斯赢球免单风险买入反向合约，居民在飓风季前为特定区域投保。Luana认为，预测市场的核心价值在于将主观判断转化为有成本、可修正的数字，而非制造“全知群体”。

AI优先公司的运营逻辑

Kalshi现有约170名员工，公司全面采用AI优先策略。Luana将市场运营视为工厂，通过AI系统持续监控错误数、上线延迟等指标，并自动汇总邮件与文档供管理者决策。她本人因此得以从繁琐的信息整理中解放，专注于判断与协调。公司正为每位新员工配备专属Agent，但权限管理成为关键挑战——需在信息开放与敏感数据保护间取得平衡。

招聘标准转向“重学能力”

Kalshi在工程面试中允许使用AI工具，招聘重点从“能否完成任务”转向“是否愿意重新学习”。Luana看重候选人的低自我、学习意愿与可靠交付能力。“你过去工作的方式，不会是我们在Kalshi继续工作的方式。”她表示，公司需要的是能放下旧优势、适应新协作模式的人才。为此，工程师已深入设计、法务等团队，推动全流程AI化改造。

小概率≠不可能，预测需理性看待

Luana提醒，概率不是预言。例如，美国籍教皇当选前在Kalshi上的概率长期仅为1%，事件发生后有媒体称预测“失败”，但她反驳：“1%不等于零。”她强调，距离事件越近、交易量越大，预测越可信，但永远存在不确定性。用户应将概率视为风险提示，而非行动指令。

效率提升导向扩张，而非裁员

尽管AI显著提升效率，Kalshi并未因此缩减团队，反而组建专职AI工程组推进内部系统建设。“如果我只拿5%的时间来做，它不会做得很好。”Luana坦言。公司刚推出的永续合约新产品，若无当前AI能力支撑，要么拖累主业，要么需大幅扩招。她认为，技术红利应被用于拓展业务边界，而非单纯削减人力。