Kalshi 創始人：未來12個月你的真實生活會是什麼樣子

播客："$22B Kalshi 共同創辦人：市場已經知道你工作的哪些事"丨矽谷女孩

編譯：晚點再聽 LatePost

"到今年年底，變化最大的仍然會是工作。"

"現在還沒有哪個職位被我們徹底換掉，所有職位都只是被AI增強了。"

"人們總擔心自己工作得不夠努力。在Kalshi，我們更擔心AI還沒有用夠。"

Luana Lopes Lara在2018年共同創辦預測市場平台Kalshi。按Forbes的統計，她是全球最年輕的白手起家女性億萬富豪。今年5月，Kalshi融資10億美元，估值達到220億美元。她每天看的東西很特別：人們願意拿真金白銀押在哪個結果上。當討論對象換成AI和工作，這些價格不斷描出風險怎樣變化，很少提供安慰。

人們問的，已經從能力變成了後果

一兩年前，Kalshi收到的AI市場提議大多在問能力：模型能不能完成某項任務，哪個模型會贏，大型數學難題何時被解開。現在，用戶更常問AI會怎樣影響裁員、失業和選舉。Luana認為，這個變化說明普通人已經越過了"AI是什麼"的階段，開始計算它落到自己身上的代價。

"一兩年前，人們提議的市場大多關於AI能力；現在，我們收到的請求更多關於AI帶來的影響。"

興奮沒有消失，問題的重心卻變了。人們仍會交易模型能力、藥物審批和量子計算，但"AI會不會成為本月裁員的首要原因"已經成了每月都有人盯著的市場。技術新聞不再只關乎產品發布，也開始進入工資單和崗位說明書。

平台上還有一個被Luana和聯合創始人長期關注的AI"災難情景"市場。它設置了五項條件，只要其中三項發生就結算為"是"，採訪時的概率約為26%至30%，成交金額達到數百萬美元。這個數字比許多人直覺中的風險高得多，也讓團隊反復查看。

73%，究竟能告訴你什麼

採訪錄製時，市場認為AI會成為5月裁員首因的概率是73%，成交量約3萬美元。3月和4月，AI確實是裁員的首要原因。Luana提到，Kalshi Research做過校準研究，即使成交量只有約5000美元，價格往往已經會收斂到相當穩定的數字。資金越多、距離結算越近，讀數通常越可信。

"即使成交量只有5000美元，你也已經能看到數字收斂到一個校準得很好的水平，所以這個數字確實值得信任。"

這個73%不能直接翻譯成"你的崗位有73%的概率消失"。它回答的是一個邊界明確的問題：在指定月份，AI是否會被記錄為裁員的首要原因。預測市場的價值來自定義清楚的問題，再由願意承擔損失的人給出價格。題目含糊，數字也會失去意義。

有些問題要等五年才結算，例如某種藥物何時獲批、量子計算何時突破。Kalshi開始為帳戶裡的頭寸和美元支付利息後，用戶不必因為資金被長期佔用而放棄這些交易。市場因此能為遙遠事件積累更多信息，價格也不只追著當天的新聞跑。

概率不是預言，1%也會發生

美國籍教皇當選前，在Kalshi上的概率長期只有約1%。結果出現後，有新聞說預測市場"錯了"。Luana的回應很直接：1%並不等於零。秘密會議幾乎是封閉的信息系統，外部人本來就很難預測。小概率事件真的發生，不能反過來證明此前的概率無效。

"70%不是100%。即便數字是99%，每100次裡仍可能有一次不發生；1%也不是零。"

同一個成交量，在不同市場裡代表的可信度也不同。距離選舉一周時，政治市場可能只需一兩千美元就很準確；提前六個月，往往需要上萬美元。看數字之前，先看結算時間、交易量和問題定義。這三個條件會比單獨一個百分比更接近真實風險。

Luana解釋，預測市場從一開始就讓參與者為判斷付費。研究越扎實，押對後賺到錢的機會越大；隨口表態卻要承擔損失。它不會製造全知全能的群體，卻能把"我覺得"變成一個有成本、可以連續修正的數字。

多數人來這裡，不下注，只看新聞

Kalshi有70%的用戶從不交易。他們打開網站，只想快速看經濟、選舉、體育和文化事件的最新概率。這像一份用價格寫成的新聞：首頁沒有某家媒體的立場，只有很多人用資金表達出來的判斷。公司還把數千個選舉市場壓成K Power指數，讓用戶用一個數字看美國政治目前更偏向共和黨還是民主黨。

"我們70%的用戶其實什麼都不交易，他們只是進來獲取信息，看看不同事情的預測。"

另一類用戶把市場當成對沖工具。紐約上東區一家酒吧承諾，如果尼克斯贏球就為到店顧客免單，最壞可能損失一兩萬美元，於是它買入相反結果控制風險。佛羅里達颶風季來臨時，也有人要求為自己居住的具體區域開市場，用收益抵掉保險自付額。預測能幫人做決定，對沖則讓錯誤判斷不至於一次傷得太重。

平台要做的工作也比"開一個是非題"麻煩。用戶說想知道AI是否影響選舉，團隊必須先把"影響"拆成可以結算的條件。國家政治傾向更難用單一席位表達，K Power才會把眾議院、參議院和各地選舉的預測合併。一個好數字，前面往往藏著很長的定義過程。

今年變化最大的，仍然是工作

Luana沒有聲稱某個職位已經在Kalshi徹底消失。她看到的是所有職位都被AI放大：工程師同時調度約20個雲端Agent，新員工用Agent補齊公司上下文，管理者能更快知道哪些項目卡住。她仍然判斷，到今年年底，普通人感受最明顯的變化會發生在工作裡。

"我還沒看到哪個職位被徹底切換成'我們不需要這個人了，我們有AI'，所有職位都被AI增強了。"

她暫時更看好需要身體參與的工作，比如健身教練，以及偏手藝的崗位；機器人以後會走到哪一步，她沒有下結論。過去被認為安全的工程職位，她反倒覺得安全感正在下降。崗位名稱可能還在，完成任務的方法、團隊所需人數和錄用標準已經開始變化。

她用旅行規劃舉了個很日常的例子。過去安排週末出行，要自己搜索住處和行程；現在她會讓ChatGPT規劃兩天，但最後仍得親手打開網頁、預訂每一家酒店。這個斷點很能說明現狀：AI已經接過思考和整理，真正跨系統執行的最後幾步還常常留給人。

170個人，怎樣跑一家AI優先公司

Kalshi目前約有170名員工。Luana把市場運營看成一座工廠，持續盯錯誤數、市場上線延遲、結果判定延遲和覆蓋率。AI系統從底層收集這些指標，再把郵件、文檔和團隊更新匯總給管理者。她因此能同時管理更多項目，也能更早看到有人連續幾週承諾過多、交付不足。

"AI讓我更快拿到上下文，更快知道正在發生什麼，所以我能更有效地管理更多線程和更多人。"

週日曾是她最忙的一天，要逐個回看上週完成了什麼、下週做什麼，再檢查整套指標。現在不少整理工作由Agent完成，她終於能在週日去吃早午餐。節省下來的時間沒有消滅管理，它把管理者從搬運信息推向判斷信息。權限仍是難題，法律和監控材料只能對少數人開放。

團隊希望每位新員工入職時都能拿到一個自己的Agent，並接入郵件、文檔和工作記錄。眼下最棘手的部分是權限：同一個系統既要讓新人快速補課，也要保證法務案件和市場監控資料只對獲准的人可見。上下文越完整，權限設計就越不能含糊。

Agent越多，越需要有人全職負責

訪談裡出現了一個反常識細節：Kalshi用更多Agent，卻仍在招聘工程師。Luana和聯合創始人已經被日常經營佔滿，如果各拿5%的時間順手做內部AI系統，成品很難穩定。公司於是組建專門團隊，把工程師放進市場運營、設計和法務，逐個處理流程。

"如果我只拿5%的時間來做，它不會做得很好。AI要成為公司的重要部分，就需要很厲害的人全職負責。"

真實流程也遠比演示複雜。產品反饋散落在Slack、Discord、推文和內部討論裡，要自動排序，還得追蹤哪些問題已經上線；公司測試過多家QA產品，沒有一個達到要求。設計團隊則想縮短"工程師先上線實驗、設計師再回來修好"的循環。Solo Founder的故事很吸引人，穩定運轉的AI系統依舊需要明確的負責人。

Kalshi剛推出永續合約，第一次走出預測市場。Luana說，如果沒有現在的AI能力，這個新產品要麼會拖累主業務，要麼需要多招很多人。她期待公司用AI做出更多產品、長得更大，考慮的重點並非少招人。效率提升後，公司的選擇可以是擴張邊界，而非只做人員減法。

招聘標準正在從會不會做，轉向會不會重學

Kalshi允許候選人在工程面試裡使用AI。兩年前常問的"這個人能不能完成某項技術任務"，現在已經沒有那麼有區分度。團隊把更多時間放到系統評審和過往項目復盤，設計崗位會問候選人用過多少AI，法務面試也開始追問"你會怎樣用AI處理這類案件"。

"你過去工作的方式，不會是我們在Kalshi繼續工作的方式。我們需要人願意重新弄明白：那些自己曾經很擅長的事，現在可能已經不必親手做了。"

Luana看重低自我、願意學習和可靠交付。她說的努力工作並非計算工時，重點是把托付的事情做好。工具會繼續變，願不願意放下舊優勢，已經進入招聘判斷。這也解釋了為什麼工程師會走進設計和法務：公司要改的不是一項孤立任務，是每個團隊處理任務的方式。

這種文化也很直接：同事不喜歡某項工作，會當場說清楚。公司曾花三到四年爭取監管許可，又在溝通兩年後起訴自己的監管機構，最終拿到選舉市場的空間。Luana把這段經歷歸結為一條樸素原則：把所有能做的事都做完，免得失敗後發現自己其實還留了一步沒走。

寫在最後

73%值得認真看，也只該被當成73%。對個人更有用的動作，是把擔憂改寫成可以核對的問題：你的工作裡哪些步驟已經被Agent接管，哪些判斷仍依賴經驗，團隊的錄用標準最近改了什麼。概率不會替你決定下一步，卻能提醒你別再用兩年前的安全感規劃今天。