Kalshi创始人Luana Lopes Lara近期对预测市场在未来12个月内的演变进行了大胆展望。她认为，随着技术基础设施的完善与监管框架的清晰化，预测平台正逐渐从边缘小众工具转变为主流决策的核心参考。无论是政治选举、宏观经济走向，还是体育赛事，数据驱动的预判正在深刻重塑人们的日常生活与商业逻辑。
这一愿景描绘了预测市场深度渗透社会各个角落的未来图景，引发了Web3行业及传统金融界的广泛关注与热议。
“到今年年底，变化最显著的领域依然是工作。”
“目前还没有哪个职位被彻底取代，所有岗位都在经历AI的增强与重构。”
“人们往往担心自己不够努力，但在Kalshi，我们更担心的是对AI的利用还远远不够。”
Luana Lopes Lara于2018年联合创立了预测市场平台Kalshi。据Forbes统计，她是全球最年轻的白手起家女性亿万富豪。今年5月，Kalshi完成10亿美元融资，估值高达220亿美元。她每天关注的核心数据非常独特：人们愿意用真金白银押注的结果是什么。当讨论焦点转向AI与职场时，这些实时变动的价格不仅揭示了风险的热度，也往往不提供任何情感上的安慰。
公众关注点已从“能力”转向“后果”
一两年前，Kalshi平台上关于AI的市场提议大多聚焦于“能力”维度：模型能否完成特定任务？哪个模型会胜出？大型数学难题何时被破解？而现在，用户更频繁地询问AI将如何影响裁员潮、失业率以及选举结果。Luana指出，这一转变标志着普通大众已跨越了“AI是什么”的认知阶段，开始精准计算其落地到自己身上的实际代价。
“一两年前，人们提议的市场主要围绕AI的能力；现在，我们收到的请求更多聚焦于AI带来的社会影响。”
尽管对技术进步的兴奋感并未消退，但问题的重心已发生偏移。人们依然会交易模型能力、药物审批进度和量子计算突破，但“AI是否会成为本月裁员的首要原因”已成为每月备受瞩目的焦点市场。技术新闻不再仅关乎产品发布，更直接关联到工资单与岗位说明书。
平台上还有一个由Luana和联合创始人长期关注的AI“灾难情景”市场。该市场设定了五项触发条件，只要其中三项发生即结算为“是”。在采访期间，该事件发生的概率约为26%至30%，但成交金额已达数百万美元。这一数字远超多数人的直觉预期，也让团队反复核实数据。
73%的概率，究竟意味着什么？
在采访录制时，市场认为AI成为5月裁员首要原因的概率为73%，成交量约3万美元。事实上，3月和4月AI确实成为了裁员的主因。Luana提到，Kalshi Research曾进行过校准研究，结果显示，即使成交量仅有约5000美元，价格往往也能收敛至一个相当稳定的水平。资金量越大、距离结算时间越近，该读数的可信度通常越高。
“即使成交量只有5000美元，你也能看到数字收敛到一个校准良好的水平，因此这个数字确实值得信任。”
需要明确的是，这个73%不能直接等同于“你的岗位有73%的概率消失”。它回答的是一个边界极其明确的问题：在指定月份，AI是否会被官方记录为裁员的首要原因。预测市场的核心价值在于定义清晰的问题，并由愿意承担风险的人给出价格。题目含糊不清，数字便会失去意义。
有些问题可能需要等待五年才能结算，例如某种药物何时获批或量子计算何时实现突破。Kalshi开始为账户中的头寸和美元支付利息后，用户无需因资金被长期占用而放弃这些长期交易。这使得市场能够积累更多关于遥远事件的信息，价格也不再仅仅追逐当天的新闻头条。
概率不是预言，1%的事件也会发生
在美国籍教皇当选前，Kalshi上的相关概率长期维持在约1%。结果揭晓后，部分媒体宣称预测市场“错了”。Luana的回应非常直接：1%不等于零。教皇选举的秘密会议几乎是一个封闭的信息系统，外部观察者本就难以精准预测。小概率事件的发生，并不能反证此前的概率评估无效。
“70%不是100%。即便数字是99%，每100次里仍可能有一次不发生；1%也不是零。”
相同的成交量在不同市场中代表的可信度截然不同。距离选举仅剩一周时，政治市场可能只需一两千美元的交易量就能保持高准确性；若提前六个月，则往往需要上万美元的成交量。在解读数字前，应先审视结算时间、交易量和问题定义。这三个维度比单一的百分比更能反映真实风险。
Luana解释，预测市场的本质是让参与者为自己的判断付费。研究越扎实，押对后获利的机会越大；随口表态则需承担损失。它不会制造全知全能的群体，但能将“我觉得”转化为一个有成本、可连续修正的数字。
多数人来这里，不下注，只看新闻
Kalshi有70%的用户从不进行交易。他们打开网站，仅为了快速获取经济、选举、体育和文化事件的最新概率。这就像一份用价格写成的新闻：首页没有特定媒体的立场，只有无数人用资金表达出的集体判断。公司还将数千个选举市场压缩为K Power指数，让用户通过一个数字直观看到美国政治目前更偏向共和党还是民主党。
“我们70%的用户其实什么都不交易，他们只是进来获取信息，看看不同事件的预测。”
自动采集数据并生成 Web3 行业资本运作周报，包括融资、监管、上市公司 DAT、并购与 RWA 项目动态。用户提到‘写周报’、‘生成周报’、‘整理本周融资’、‘Web3 周报’、‘资本运作周报’、‘采编周报’，或请求整理本周加密行业动态时，立即激活本技能。即使用户仅说‘帮我写本周的’...
另一类用户则将市场视为对冲工具。纽约上东区的一家酒吧曾承诺，若尼克斯队赢球则免单，为控制最坏可能损失的一两万美元风险，他们买入了相反结果。佛罗里达飓风季来临时，也有人要求为居住的具体区域开设市场，用收益抵消保险自付额。预测帮助人们做决定，而对冲则让错误的判断不至于造成毁灭性打击。
平台背后的工作远比“开一个是非题”复杂。当用户询问“AI是否影响选举”时，团队必须先将“影响”拆解为可结算的条件。国家政治倾向难以用单一席位表达，因此K Power指数合并了众议院、参议院及各地选举的预测。一个好数字的背后，往往隐藏着漫长的定义与计算过程。
今年变化最大的，仍然是工作
Luana并未声称某个职位已在Kalshi彻底消失。她观察到的是所有职位都被AI放大：工程师同时调度约20个云端Agent，新员工利用Agent补齐公司背景知识，管理者能更快识别项目瓶颈。她依然判断，到今年年底，普通人感受最明显的变化将发生在工作中。
“我还没看到哪个职位被彻底切换成‘我们不需要这个人了，我们有AI’，所有职位都在被AI增强。”
她暂时更看好需要身体参与的工作（如健身教练）以及偏手艺的岗位；对于机器人技术的未来进展，她并未下定论。相反，过去被认为安全的工程职位，其安全感正在下降。岗位名称可能依旧存在，但完成任务的方法、团队所需人数及录用标准已悄然改变。
她用旅行规划举了一个日常例子。过去安排周末出行，需自行搜索住处和行程；现在她会让ChatGPT规划两天行程，但最后仍需亲手打开网页、预订每一家酒店。这个断点极具代表性：AI已接管思考与整理，真正跨系统执行的最后几步往往仍需人工介入。
170人的团队，如何运营一家AI优先公司？
Kalshi目前拥有约170名员工。Luana将市场运营视为一座工厂，持续监控错误率、市场上线延迟、结果判定延迟和覆盖率。AI系统从底层收集这些指标，并将邮件、文档和团队更新汇总给管理者。这使得她能同时管理更多项目，并更早发现员工承诺过多、交付不足的情况。
“AI让我更快获取上下文，更快了解正在发生什么，因此我能更有效地管理更多线程和人员。”
周日曾是她最忙碌的一天，需逐个回顾上周完成的工作、规划下周任务，并检查整套指标。现在，许多整理工作由Agent完成，她终于能在周日享受早午餐。节省下来的时间并未消除管理需求，而是将管理者从搬运信息转向判断信息。权限管理仍是难题，法律和监控材料只能对少数人开放。
团队希望每位新员工入职时都能获得一个专属Agent，并接入邮件、文档和工作记录。眼下最棘手的部分是权限控制：同一系统既要让新人快速补课，也要确保法务案件和市场监控资料仅对获准者可见。上下文越完整，权限设计就越不能含糊。
Agent越多，越需要有人全职负责
访谈中出现了一个反常识的细节：Kalshi在使用更多Agent的同时，仍在招聘工程师。Luana和联合创始人已被日常经营占满，若各自仅拿出5%的时间顺手开发内部AI系统，成品很难稳定。公司因此组建了专门团队，将工程师嵌入市场运营、设计和法务部门，逐个优化流程。
“如果我只拿5%的时间来做，它不会做得很好。AI要成为公司的重要部分，就需要顶尖人才全职负责。”
真实业务流程远比演示复杂。产品反馈散落在Slack、Discord、推文和内部讨论中，需自动排序并追踪哪些问题已上线；公司测试过多家QA产品，无一达标。设计团队则希望缩短“工程师先上线实验、设计师再回来修复”的循环。Solo Founder的故事虽吸引人，但稳定运转的AI系统依旧需要明确的负责人。
Kalshi刚推出永续合约，首次走出预测市场领域。Luana表示，若没有现有的AI能力，这个新产品要么会拖累主业务，要么需要大量增员。她期待公司利用AI拓展更多产品线、实现更大增长，其重点并非单纯减少人员。效率提升后，公司的选择可以是扩张边界，而非仅做人员减法。
招聘标准正从“会不会做”转向“会不会重学”
Kalshi允许候选人在工程面试中使用AI。两年前常问的“此人能否完成某项技术任务”，如今已缺乏区分度。团队将更多时间投入系统评审和过往项目复盘，设计岗位会询问候选人使用AI的频率，法务面试也开始追问“你将如何用AI处理此类案件”。
“你过去的工作方式，不会是我们在Kalshi继续工作的方式。我们需要愿意重新学习的人：那些自己曾经擅长的事，现在可能已不必亲手去做。”
Luana看重低自我意识、学习意愿和可靠交付。她所说的“努力工作”并非计算工时，而是重点在于把事情做好。工具会持续迭代，是否愿意放下旧优势，已成为招聘判断的关键。这也解释了为何工程师会介入设计和法务：公司要改变的不仅是一项孤立任务，而是每个团队处理任务的方式。
这种文化非常直接：同事若不喜欢某项工作，会当场直言。公司曾花费三到四年争取监管许可，又在沟通两年后起诉监管机构，最终赢得选举市场的操作空间。Luana将这段经历归结为一条朴素原则：把所有能做的事都做完，免得失败后发现自己其实还留了一步没走。
最后总结
73%值得认真审视，但也仅应被当作73%看待。对个人更有用的动作，是将担忧改写为可核对的问题：你的工作中哪些步骤已被Agent接管？哪些判断仍依赖经验？团队的录用标准最近有何变化？概率不会替你决定下一步，但它能提醒你别再用两年前的安全感来规划今天。
