Kebanyakan perbualan tentang AI dan pekerjaan sekarang berkisar pada lapisan yang kelihatan: siapa yang menulis kod, siapa yang memberikan prompt kepada model, siapa yang diberhentikan apabila chatbot boleh menghasilkan draf pertama. Terselit dalam berita minggu ini ialah kisah tentang satu lapisan yang tidak dipandang oleh sesiapa pun dalam perbualan itu — dan ia patut mendapat perhatian anda tepat kerana hampir tiada sesiapa yang bersaing untuk menguasai kemahiran yang diberikan ganjaran olehnya.

Pepijat yang sudah berada di situ sejak 2013

Penyelidik keselamatan minggu ini memperincikan cara ribuan pelayan yang bersambung ke internet daripada pengeluar utama boleh dipasang pintu belakang dari jauh melalui pengawal pengurusan papan utama, atau BMC — komputer kecil berasingan yang terbina dalam hampir setiap papan induk pelayan perusahaan, menjalankan OS, susunan rangkaian dan alamat IP sendiri, tidak bergantung pada apa sahaja yang berlaku pada mesin utama (Ars Technica). BMC membolehkan kakitangan IT but semula, memasang semula imej atau memantau pelayan dari jauh walaupun pelayan itu dimatikan atau langsung tidak memberikan respons — pengurusan “lights out” yang benar-benar berguna. Namun, menurut para penyelidik, protokol asasnya telah dikenal pasti sebagai sasaran mudah sekurang-kurangnya sejak 2013, dan sesetengah kelemahan yang kini dieksploitasi berusia lebih sedekad. Ars menggambarkannya sebagai “permukaan serangan selari yang meluas, kurang dipantau dan kurang ditampal” — bukan lubang baharu, tetapi lubang lama yang diabaikan secara senyap kerana berada di bawah lapisan yang biasanya menjadi tumpuan perhatian perisian dan keselamatan.

Pengekodan berasaskan ejen bakal menghasilkan lebih banyak perkara seperti ini, dengan lebih pantas

Pada minggu yang sama, Meta melancarkan Muse Code, ejen pengekodan berasaskan terminal yang menyertai Claude Code, Codex dan bidang harness yang berkembang pesat, yang menulis serta menghantar perisian dengan penglibatan manusia yang minimum (TechCrunch). Huraian Zuckerberg sendiri tentangnya amat bermakna: bagi tugasan yang cukup besar, ia mengagihkannya kepada beberapa subejen yang bekerja secara selari, dalam worktree terpencil, membina beberapa ciri serentak. Itu merupakan peningkatan produktiviti yang sebenar. Namun dari segi struktur, lebih banyak infrastruktur sedang diwujudkan, dikonfigurasikan dan digunakan bagi setiap unit perhatian manusia berbanding bila-bila masa sebelum ini — lebih banyak tika awan, lebih banyak persekitaran ujian, lebih banyak pelayan yang diperuntukkan dengan pantas oleh orang yang mungkin tidak pernah menyentuh tetapan BMC atau membaca changelog perisian tegar. Alatan berasaskan ejen sangat mahir menulis aplikasi. Ia tidak mengambil peduli sama ada cip pengurusan luar jalur di bawah aplikasi itu menjalankan perisian tegar berusia enam tahun.

Tiada satu pun daripada ini bermakna alatan pengekodan berasaskan ejen sememangnya tidak selamat mengikut reka bentuk — itu soalan yang berbeza daripada soalan dalam artikel Ars Technica. Maksudnya lebih khusus: jumlah infrastruktur yang diwujudkan berkembang lebih pantas daripada disiplin tidak glamor untuk menampal lapisan fizikal di bawahnya, dan jurang itu tidak tertutup dengan sendirinya hanya kerana kod di atasnya menjadi lebih pintar.

Mengapa ini merupakan petunjuk kerjaya, bukan sekadar kisah keselamatan

Letakkan perkara ini dalam konteks pemberhentian pekerja yang masih melanda industri — pengurangan tenaga kerja Monday.com kira-kira 20% minggu ini, yang dikaitkan secara jelas dengan penstrukturan semula berasaskan AI, menyertai senarai syarikat yang semakin bertambah yang menyebut AI dalam pemotongan pekerjaan (TechCrunch). Kita perlu jujur tentang perkara yang tidak kita ketahui di sini: tiada satu pun pemfailan ini memperincikan pemberhentian mengikut fungsi, jadi tiada data yang jelas mengatakan “peranan keselamatan dan infrastruktur terselamat.” Itu merupakan dakwaan yang melampaui bukti. Apa yang boleh dikatakan dengan lebih yakin ialah perkara yang bersifat struktur, bukan statistik: peranan yang paling pantas diautomatikkan ialah peranan yang hasil kerjanya berupa teks, kod atau interaksi pelanggan yang boleh dihampiri oleh LLM. Keselamatan pada peringkat fizikal dan perisian tegar — mengetahui apa itu BMC, cara IPMI dan penggantinya berfungsi, cara mengaudit akses pengurusan luar jalur, cara menolak tampalan perisian tegar merentasi seluruh armada tanpa menyebabkan separuh daripadanya rosak — berada lebih dekat dengan mesin berbanding model. Ia bukan tugas yang jelas sedang dikejar oleh ejen AI semasa, dan ia tidak menjadi lebih mudah untuk diautomatikkan hanya kerana lapisan perisian di atasnya melakukannya.

Apa yang sebenarnya boleh dilakukan dengan perkara ini

Anda tidak perlu menjadi jurutera perisian tegar untuk bertindak berdasarkan perkara ini. Beberapa langkah yang boleh disemak:

  • Tanya, jangan menganggap. Jika anda bekerja dalam bidang IT, platform atau keselamatan di mana-mana syarikat yang menjalankan pelayannya sendiri (bukan awan sepenuhnya), tanyakan sama ada perisian tegar BMC mempunyai kitaran tampalan. Banyak organisasi benar-benar tidak mengetahui jawapannya.
  • Pelajari istilahnya, bukan sekadar tajuk utama. BMC, IPMI, Redfish, pengurusan luar jalur — semua ini ialah konsep yang boleh dicari dan didokumentasikan dengan baik, dan memahaminya meletakkan anda di hadapan kebanyakan orang yang pembinaan kemahiran era AI mereka sepenuhnya tertumpu pada prompt dan ejen.
  • Perhatikan perkara yang tidak diliputi oleh alatan pengekodan berasaskan ejen. Apabila anda atau pasukan anda menggunakan alatan seperti Muse Code atau Claude Code untuk kerja yang berkaitan dengan infrastruktur, tanyakan secara jelas perkara yang berada di luar skop — sasaran penggunaan, perisian tegar, kawalan akses fizikal — dan anggap jurang itu sebagai ruang untuk membina kepakaran, bukannya kesilapan yang boleh diabaikan.
  • Jangan berlebihan. Ini ialah satu niche yang munasabah antara beberapa pilihan, bukannya tempat perlindungan yang dijamin selamat. Anggap ia sebagai langkah lindung nilai yang wajar disiasat, bukan perubahan kerjaya yang dibuat berasaskan satu kisah Ars Technica.

Pengajaran yang lebih luas ini boleh digeneralisasikan melangkaui BMC secara khusus: apabila AI semakin mahir mengendalikan perisian yang dapat dilihat oleh manusia, nilai yang lebih sukar diautomatikkan semakin banyak terletak pada lapisan fizikal dan operasi di bawahnya — bahagian yang tidak muncul dalam demonstrasi. Itu pertaruhan yang lebih khusus berbanding “belajar memberikan prompt,” tetapi lebih sedikit orang yang sedang membuat pertaruhan tersebut.