一、消失的不只是流水线

很多人以为，AI取代人类工作，是一个渐进的过程。

先取代简单的，再取代复杂的。

先取代重复性的，再取代创造性的。

先取代蓝领，再取代白领。

这个逻辑听起来很合理。

但现实从来不按逻辑出牌。

(作者:艾评)注意到一个反常识的现象：AI这轮浪潮，最先受冲击的不是工厂流水线，而是写字楼里的文字工作者。

为什么？

因为AI处理文字的成本，比处理物理世界事务的成本，低太多了。

一个会编程的AI，可以在一秒内写出一个人类程序员需要一天才能完成的代码。

一个会写作的AI，可以在一分钟内生成一篇人类需要几小时才能写出的报告。

但一个会组装手机的AI，研发了这么多年，还是没能取代工人。

不是技术做不到。

是成本算不过来。

二、那些正在消失的岗位

说几个正在发生的变化。

初级程序员。以前，一个科技公司招聘初级程序员，是因为项目太多、人手不够。

现在，很多公司发现，让AI写代码，效率高、成本低、出错率也不见得更高。

当然，AI写的代码还需要人类审查。

但审查一个初级程序员的工作，需要的技能比写代码本身更高。

这意味着什么？

意味着“写代码”这个技能本身的含金量在下降。

(作者:艾评)判断：三年内，科技公司对初级程序员的需求量会下降30%到50%。

不是不需要程序员了。

是需要更少的人，做更多的事。

初级分析师。华尔街日报写过一篇报道，说摩根士丹利已经在用AI辅助分析报告。

不是取代分析师，而是让分析师的效率提升几倍。

一个分析师以前每天能读十份报告，现在能读五十份。

但公司需要五十个分析师吗？

不需要。

需要的是十个人，用AI做五十个人的活。

(作者:艾评)预计：未来五年内，金融行业的数据分析岗位会有大规模整合。

不是不需要分析能力，而是需要的“纯分析执行者”数量会减少。

文案和内容创作者。这是个敏感话题。

很多文案创作者会发现，甲方开始要求“AI辅助写作”，或者直接用AI生成初稿。

不是说AI写得一定比人好。

而是AI写得”够用”。

对于那些要求不高的场景，够用就够了。

(作者:艾评)悲观地认为：未来三年内，基础文案工作的市场价值会下降50%以上。

这不是危言耸听。

这是正在发生的事情。

三、被忽视的岗位迁移

但问题不只是“某个岗位消失了”。

更复杂的是：岗位在迁移。

一个初级程序员找不到工作了，他可能会去送外卖。

这不是假设。

这是正在发生的事情。

2023年到2024年，美国外卖骑手的增长中，有相当比例是转行的科技从业者。

他们不一定是找不到工作。

而是找到的工作，待遇下降太多，不如先跑外卖。

这种现象，在经济学上叫“向下替代”。

(作者:艾评)把这种趋势称为”就业版图的塌陷”。

意思是：不是某个点消失了，而是整个高度在下降。

以前，一个普通人学会编程，能找到还不错的工作。

现在，学会编程，可能只能找到比送外卖好一点的工作。

但好一点的工作数量在减少。

竞争在加剧。

四、那些逆势增长的岗位

有消失的，就有增长的。

说几个有意思的方向。

AI训练师和提示工程师。这是最近两年兴起的新职业。

本质上，是教AI怎么更好地完成任务。

听起来简单，做起来需要很强的理解力和创造力。

因为AI的”脾气”和人类不同，有时候需要用很巧妙的提问方式，才能让它发挥最大能力。

这个岗位目前需求增长很快，但门槛也不低。

(作者:艾评)保守估计：未来三年内，提示工程相关岗位的需求量会翻倍。

但五年后，这个岗位本身可能也会被AI取代。

听起来矛盾，但技术的发展从来都是这样——先创造一个中间层职业，然后把这个职业也自动化。

数据标注员。这是一个被忽视的行当。

AI需要训练，而训练需要数据。

数据的标注，需要人工完成。

图像需要人标注哪个是猫哪个是狗。

文本需要人标注哪个情感是正面哪个是负面。

对话需要人标注哪个回答更合适。

这些工作，技术含量不高，但需求量巨大。

(作者:艾评)观察：数据标注产业正在从中国向东南亚、非洲转移。

因为这个工作的核心竞争力是成本，而不是技术。

AI伦理和监管相关岗位。当AI变得无处不在，如何确保AI不被滥用，成了一个问题。

这催生了AI伦理学家、AI监管专员、AI合规官等新岗位。

这些岗位目前数量还不多，但增长速度很快。

五、技能保质期的加速折旧

说个残酷的事实：技能的保质期，正在以前所未有的速度缩短。

二十年前，你学会一门编程语言，能吃二十年。

十年前，你学会iOS开发，能吃五到十年。

现在，你学会任何具体技能，都可能在两到三年内过时。

(作者:艾评)把这种现象称为”技能通货膨胀”。

意思是：技能的价值在不断贬值，就像货币通货膨胀一样。

以前，掌握一门手艺，能安稳一辈子。

现在，你需要不断学习、不断适应、不断迭代。

这不是内卷。

这是结构性变化。

应对策略是什么？

培养“元技能”。

什么是元技能？

是学习的能力，是适应新环境的能力，是把未知变成已知的能力。

具体来说：

批判性思维。这是AI最难替代的。因为AI擅长在已知框架内优化，但不太擅长质疑框架本身。

创造力。这不是指艺术创作那种创造力，而是指把不同领域的知识连接起来、产生新想法的能力。

人际沟通。机器可以处理数据，但很难处理人心。理解他人、说服他人、与他人协作，这些能力在未来会越来越值钱。

六、被夸大的和被忽视的

关于AI对就业的影响，舆论场上有很多声音。

有人极度乐观，说AI会创造比它取代的更多的工作。

有人极度悲观，说人类即将大规模失业。

真相在中间。

(作者:艾评)的判断是：AI会创造工作，但不会均分给所有人。

创造出来的新工作，会流向那些已经具备相关能力的人。

被取代的人，不一定能平滑地转型到新岗位。

这不是因为他们不努力。

是因为能力结构不匹配。

一个被淘汰的流水线工人，不大可能在三年内转型成AI训练师。

不是因为学不会。

是因为中间隔着教育背景、知识储备、学习习惯等一系列障碍。

七、谁在受益？谁在受损？

客观分析，这轮AI浪潮，受益最大的是三类人。

第一类：已经拥有资本的人。AI能大幅提升资本的生产效率。拥有资本的人，只需要投入AI，就能获得更高回报。

第二类：已经具备高技能的人。比如顶级程序员、资深分析师、资深创作者。他们用AI放大自己的能力，能做的事情更多，获得的收入也更多。

第三类：年轻且善于学习的群体。他们没有旧技能的包袱，可以直接学习新技能，快速适应新环境。

(作者:艾评)直言不讳：受损最严重的是中间层。

什么意思？

就是那些技能已经成熟、但还没有达到顶尖水平的人。

比如，中级程序员、中级分析师、中级文案。

他们以前是公司的中坚力量。

但现在，他们发现自己“不上不下”。

比效率，比不过AI。

比经验，比不过资深人士。

这是最尴尬的处境。

八、地缘因素：中国就业市场的特殊性

说个中国语境下的问题。

中国的就业市场有自己的特点。

第一，产业链完整。从低端制造到高端研发，中国都有。这意味着AI对就业的冲击，会在不同的产业链层级上分散发生。

第二，政策调节能力强。政府对就业市场的干预能力比较强。这意味着就业问题的演变，可能不完全取决于市场规律。

第三，人才储备量大。每年毕业的大学生数量巨大。这意味着即使某些岗位消失，劳动力市场的调整也会持续很长时间。

(作者:艾评)判断：未来五到十年，中国就业市场会经历一个”大洗牌”。

不是灾难性的洗牌。

而是结构性的调整。

有些行业会萎缩，有些行业会扩张。

关键问题是：萎缩行业的从业者，能多快转向扩张行业？

九、教育体系的滞后

说个根本性的问题：教育体系，跟不上技术变化的速度。

大学里教的技能，通常是五到十年前的技术。

等你毕业，这些技能可能已经过时。

这不是大学的问题。

是技术变化的速度，超过了教育体系调整的速度。

(作者:艾评)认为：未来十年，传统的”四年制大学+专业”模式，会面临越来越大的挑战。

不是说大学没用。

是说大学教育需要与时俱进。

需要更快地更新课程，更灵活地设置专业，更注重培养“元技能”而不是”具体技能”。

同时，终身学习会变得越来越重要。

不是毕业就完事了。

是活到老，学到老。

这听起来很鸡汤。

但这是现实。

十、个人如何应对

说了这么多宏观的，聊几个实操建议。

建议一：不要只学一项技能。

单一技能的抗风险能力太差。

尽量让自己具备多项互补的技能。

比如，既会编程，又懂业务；既会分析，又能表达。

复合型人才，在任何时代都稀缺。

建议二：关注AI不能做什么。

AI擅长处理结构化任务，但不太擅长处理模糊问题。

培养自己处理模糊问题的能力。

比如，怎么在信息不全的情况下做决策，怎么在目标不清晰的情况下找到方向。

这些能力，AI暂时还做不到。

建议三：建立个人品牌。

在AI时代，个人品牌比以往任何时候都重要。

因为AI可以复制技能，但不能复制声誉。

一个有口碑的个人IP，即使技能被AI部分替代，也依然有价值。

建议四：保持开放和好奇。

这听起来是老生常谈。

但确实重要。

技术变化太快，任何“这就行了”的想法都是危险的。

保持学习的习惯，保持对新技术的好奇心，保持对自己能力的怀疑精神。

十一、写给正在焦虑的人

我知道，很多人看到这类文章，会更焦虑。

觉得自己的工作随时可能被取代。

觉得自己怎么努力都赶不上变化。

这种感觉，很正常。

(作者:艾评)想说：焦虑是可以的，但不要被焦虑吞噬。

技术变化是客观规律，你改变不了。

但你可以改变自己应对变化的方式。

不是躺平，也不是瞎卷。

是找到适合自己的位置，然后持续进化。

进化是痛苦的。

但进化的痛苦，是成长的代价。

不进化，也痛苦。

是被淘汰的痛苦。

十二、未来的样子

最后，聊一个开放性的话题：未来十年，工作会变成什么样子？

(作者:艾评)有几个不成熟的预测。

预测一：人机协作会成为主流。

不是AI取代人，也不是人指挥AI。

是人和AI协同工作，各自发挥优势。

这意味着未来需要的技能，不是单纯的操作AI，而是与AI配合的能力。

预测二：工作的边界会越来越模糊。

以前，一个岗位的职责是清晰的。

未来，这个边界会越来越模糊。

你可能需要同时做几件不同的事，而不是专注于一件事做到底。

预测三：情绪价值和情感劳动会越来越重要。

当AI能做大部分”理性”的工作，人的”感性”价值会凸显。

怎么让人感到被理解、被尊重、被关心——这些是AI很难替代的领域。

预测四：自由职业和灵活用工会成为趋势。

大公司主导的雇佣模式，可能会有所松动。

越来越多人会选择成为独立工作者，通过平台接单。

这对个人能力的要求更高，但也意味着更大的自由度。

英语职场表达加油站

在职场中表达观点、汇报分析是必备技能。这里有几个实用的英语表达，帮你更专业地沟通。

“The data suggests a different story”

当你的分析结果和普遍认知不一致时，这个表达很实用。

比如：Everyone assumes AI adoption is slow. But the data suggests a different story—adoption is actually accelerating across all sectors.

（大家都认为AI采用率很低。但数据显示的不是这样——实际上所有行业的采用率都在加速增长。）

“Let me put it this way”

当你需要用一个更直白的说法来解释复杂问题时，这个表达能帮你换一种方式切入。

比如：The training gap is concerning. Let me put it this way—we’re looking at a three to five year lag between technology adoption and workforce readiness.

（技能培训的差距令人担忧。这么说吧——我们面对的是技术采用和劳动力准备之间三到五年的滞后。）

“That’s a fair point, but have you considered”

当你想礼貌地挑战对方的观点时，这个表达既尊重对方，又能引入新视角。

比如：Fair point about the cost savings. But have you considered the implementation risks and change management challenges?

（关于成本节约，你说得有道理。但你有没有考虑实施风险和变革管理的挑战？）

技术的浪潮来了又去。

每一次浪潮，都会有人被淹没，也会有人冲浪。

关键不是浪潮本身。

是你站在什么位置，准备好了没有。