Narzędzie Karpathy'ego to brutalnie jasna wizualizacja: oceniło wszystkie 342 zawody w USA na podstawie danych BLS w skali ekspozycji AI od 0 do 10, ważonej liczbą zatrudnionych w interaktywnej mapie treemap. Dlaczego jest naprawdę przydatne? > Przecina hype/katastrofizm jednym, łatwym do zrozumienia mapą, oddzielając "prace ekranowe" (wysoka ekspozycja: programiści 8–9, księgowi/prawnicy/analitycy finansowi ~7–8, wprowadzanie danych 10) od ról fizycznych/ludzkich (hydraulicy 1, dekarze 0–1, pielęgniarki/chirurdzy ~2). > Średnia praca w USA plasuje się na poziomie ~5.3/10 → w przybliżeniu połowa gospodarki wkrótce będzie podlegać znaczącej presji AI, ale druga połowa (prace manualne, oparte na zaufaniu lub nieprzewidywalne fizycznie) wydaje się znacznie bezpieczniejsza na dłużej. > Świetny sprawdzian rzeczywistości / kompas kariery w 2026 roku: jeśli jesteś w dziedzinie o wysokim wyniku, to silny sygnał, aby przejść w kierunku umiejętności augmentacyjnych lub ról hybrydowych, a nie czystej negacji. Wczoraj wybuchło (14 marca 2025) dzięki wątkowi @_kaitodev → 10k+ polubień, 1.4k+ repostów, 2.4M+ wyświetleń samego oryginalnego posta. Dziś wciąż jest bardzo żywe: mnóstwo tweetów cytujących, repostów z listami ("naucz się hydrauliki", "szkoła zawodowa > college"), panika/dyskusje o forkach po tym, jak Karpathy zdjął stronę na żywo/repo, oraz ludzie dzielący się linkami do Wayback lub odbudowanymi wersjami. Odpowiedź Elona "wszystkie prace opcjonalne + uniwersalny wysoki dochód" wciąż podsyca debatę utopia vs dystopia. W tej chwili to jeden z głośniejszych tematów dotyczących pracy w AI krążących na X. Jeśli szukasz pracy lub planujesz karierę, warto szybko rzucić okiem na archiwum. Sprawdź stronę demo: