这是卡西卡西写公众号的第三个月👋第66篇文章，感谢阅读📖

写在前面

前几天跟几个做技术的朋友吃饭，大家无意中都透露着对未来的迷茫。这几个朋友都谈到：现在 AI 写代码比我快，我现在 80% 的代码都是用 AI 写的，要不要转行？

我相信这种焦虑无处不在。同样的迷茫，从翻译、律师、设计师、文员等岗位中都有。但如果我们拨开焦虑的表层，会发现一个更接近事实的结论：AI 从来不是按"职业"来消灭工作机会的，它是按"任务单元"来重新分配价值的。

换句话说，AI 取代的，从来都不是"人"，而是人类工作中那些重复度高、规则明确、不需要动脑子的动作。

真正需要担忧的，不是 AI 会不会抢走饭碗，而是我们是否仍然把职业安全感，寄托在那些正在加速贬值的任务单元上。

这篇文章把这件事拆开，从原理到方法，给你一套能看懂、能上手的自我迭代框架。读完之后，你至少能回答这三个问题：我的工作里哪些部分正在被 AI 吃掉？哪些部分反而会越来越值钱？以及，我今天该从哪里开始改？

第一部分：为何 AI 取代的不是人，而是职业中的工作单元

先搞懂 AI 到底是怎么干活的

要知道 AI 为什么只吃掉一部分工作，我们就得先弄明白它到底是怎么干活的。

你可以把 AI 想象成一个读了全世界几乎所有书的人。你问它一个问题，它不是真的"想"出了答案，而是根据它读过的海量内容，猜出"接下来最可能出现的词是什么"。它就像一个超级厉害的接话高手，你说上半句，它接下半句，接得又顺又漂亮。

这种本事让它特别擅长几件事：总结、翻译、改写、润色、找规律。因为这些事都有一个共同点——以前有人做过类似的，它见过，所以能模仿出来。

但它有一个致命的短板：它不会推理因果关系。

举个例子。你让 AI 写一份"为什么现在年轻人不爱生孩子"的分析报告。它会给你一份像模像样的东西，列出"房价高、养孩子贵、工作压力大、女性不想放弃事业"等等原因。看起来特别专业对吧？但问题是，它不知道这些原因里哪个是真的、哪个是假的，也不知道你所在的城市到底是什么情况。它只是把网上最常见的说法拼在一起给你。

它给不了你"答案"，只能给你一堆"可能的方向"。

这就是关键所在。AI 强在"见过很多、能模仿"，弱在"没见过的、需要自己判断的"。而人类的价值，恰恰就在后者。

三个一看就懂的例子

例子一：公司前台

前台每天干的事大概有这些：收快递、登记访客、接电话转接、订会议室、收发文件。

收快递、登记访客、转接电话这些事，规则特别清楚——有人来了就登记，有电话就转给对应的人。这种活 AI 加个系统就能干，现在已经有很多公司用自助访客机代替前台了。

但有一件事 AI 干不了：老板的客户来了，你得看出来今天老板心情不好，先让客户在会议室等一会儿，泡杯茶，等老板缓过来了再带进去。这种察言观色、判断时机的事，AI 做不了。

例子二：客服

客服每天干的事：回答"什么时候发货""怎么退换货""尺码怎么选"、处理差评、安抚生气的买家。

前三种问题，答案都是固定的，AI 客服现在回答得比人还快。但最后一种——一个买家收到货发现是坏的，气得要死，上来就骂人——AI 处理不了。它可能只会机械地说"亲亲抱歉呢，您可以申请退款哦"，结果买家更火了。而一个有经验的客服会先说"姐，您别急，这事确实是我们不对，我马上给您处理，您看是补发还是退款，运费我们出"，先把人情绪稳住，再解决问题。

例子三：数据分析师

做报表的每天干的事：从系统里导数据、把数据整理成表格、算各种汇总、做成图表、写一段分析给领导看。

导数据、整理表格、算汇总、做图表这些，AI 几秒钟就能干完，还不出错。但"写一段分析给领导看"这件事，AI 写出来的东西往往很空。因为它不知道你们公司上个月刚换了个供应商、不知道领导最关心的是成本还是销量、不知道哪个数字变了其实是因为系统出bug了。这些背景知识，只有天天在公司里的人才清楚。

说白了就是一句话：AI 会翻车的地方，就是人的价值所在。

给自己做个简单诊断

与其担心"我会不会被替代"，不如花十分钟做个自我诊断。

把你这一周干的事列出来，一件一件问自己三个问题：

1. 这件事有没有固定规则？
2. 这件事是不是要靠大量历史数据才能做？
3. 这件事是不是重复干、干得越多越熟练？

三个问题都是"是"，那这件事基本上可以交给 AI 了。三个问题里有"不是"，那这件事就是你的价值所在。

第二部分：AI 时代下的生存策略

从"干活的人"变成"安排活的人"

以前我们干一项工作，是从头到尾自己全包。比如写一篇文章，你得自己想题目、查资料、列提纲、写初稿、改错别字、排版，全是你一个人。

现在不一样了。写一篇文章，你可以拆成几块：想题目和列提纲你自己来，查资料和写初稿交给 AI，改错别字和排版也交给 AI，最后你自己审一遍、改一改、定稿。

这里面最重要的变化是：你从一个"干活的人"，变成了一个"安排活的人"。

为什么要变成"安排活的人"？因为 AI 只会回答你问的问题，它不会替你判断什么问题值得问。你问得模糊，它就答得模糊。你问得清楚，它才答得清楚。你定义问题的水平，直接决定了 AI 干活的水平。

为什么要重新设计流程？因为 AI 不是一个工具，它更像一个刚来的实习生。你不能把整个项目扔给它就不管了，你得想清楚哪一步它干、哪一步你干、哪一步你们俩一起干。流程设计好了，效率翻倍；设计不好，它就是个添乱的。

4种生存策略，建立人机协作

1、把问题说清楚

把模糊的要求，变成明确的任务。

比如老板跟你说"我想让用户多给我们留言评论"。你要是直接把这句话扔给 AI，它只能给你写几句"欢迎留言"的文案，没什么用。

你得先想清楚：用户为什么不愿意留言？是不知道怎么留？是怕留了没人理？还是觉得留了也没用？把这些想明白了，再告诉 AI："帮我写三种不同风格的评论引导语，一种是提问式的，一种是送福利式的，一种是情感共鸣式的。"这样 AI 才能干出有用的活。

2、拆解工作流程

把一个大任务，拆成 AI 能一件一件干的小任务。

还拿"让用户多留言"来说，可以拆成：

• 给不同用户写不同的提问（比如老用户问"您觉得哪里还可以改进"，新用户问"您最想了解什么"）
• 自动识别留言里有没有骂人的词
• 测试三种不同的留言框，看哪种点击率高

每个小块都有清楚的"输入"和"输出"，AI 才能干得准。

3、每个流程分清楚哪些人干、哪些 AI 干

原则很简单：关键的决定人来做，跑腿的活 AI 来做。

哪些是关键决定？比如"这个方案到底上不上线""这个数据异常要不要报警""这个客户要不要特殊处理"——这些必须人来拍板。

哪些是跑腿的活？比如查资料、写草稿、整理日志、盯着数据看有没有变化——这些全交给 AI。

4、AI干完的活，人做好审核反馈

AI 说的任何结论，你都要多问一句："如果它说的是对的，那应该还有什么现象？为什么没出现？"

比如 AI 告诉你"这个月销量下降是因为天气不好"，你就得想：那去年同期的天气也不好，为什么去年没降？隔壁家为什么没降？多问几句，你就能判断出 AI 说的到底靠不靠谱。

这四步刚开始做的时候会很不习惯，因为你得花很多时间去"解释需求"，比自己动手还累。但一旦跑顺了，你会发现：以前一天干十件事，现在一天真正需要你亲自处理的只有三五件，而且每一件都是关键的事。

第三部分 以终为始培养自己

现在反而是普通人的机会

现在的 AI 行业，说实话是乱的。大家都不知道怎么靠 AI 赚钱，真正冲进去干的人也没那么多。

大家又站在了一个新的起跑线上。这对普通人来说，可能反而是最好的机会。

以前的路很清楚：好好读书—考上好大学—毕业找份好工作。

现在这条路走不通了，因为"好工作"本身都在变。

反而是一些以终为始的人，能在这种混沌的环境里长出来，更容易在混沌状态下找到自己的路。

什么叫以终为始？就是先想清楚"我最终要成为一个什么样的人"，然后倒推现在该干什么。

比如你给自己定的身份是"我是公司里最懂用户的那个人"。那你就去看：要成为这样的人，我缺什么？缺用户调研的方法，那就去学；缺跟用户聊天的经验，那就去练。缺什么补什么，而不是漫无目的地"多学点东西"。

重要的不是你有多努力，而是你的特点放在什么环境里最值钱。

AI 时代恰恰放大了这种"以终为始"的价值。因为 AI 能帮你补上执行力的短板——它不会累、不会忘、不会闹情绪。你的精力应该花在"想清楚要干什么"和"设计怎么干"上。如果你还把精力全花在"多干点活"上，那你就是在跟 AI 比它最擅长的事，你肯定比不过。

定期问自己两个问题

我建议每半年停下来，问自己两个问题：

1.过去半年我亲手干的活，有哪些现在 AI 已经能干了？

2.我的时间，有多少花在"想—安排—检查"上，有多少花在"纯干活"上？

如果你的时间还有 70% 以上花在纯干活上，那你的风险不是 AI 替代你，而是你在浪费 AI 帮你省下来的时间。把精力放在哪些值得做上，而不是做了多少上。

AI 不会取代你，取代你的只会是另一个更会定义问题、更会安排 AI 干活、更敢为结果负责的人。从今天起，把 AI 当成你手下第一个得力的助手，而你，主动站到那个"你定问题、AI 干活、你验收"的新位置上。

这条路不需要你有超人天赋，只需要你愿意换个视角：从"完成任务"变成"定义任务"。

真正稀缺的从来不是干活，而是把一件事说清楚的能力。先让自己成为那个能定义问题的人，剩下的，交给 AI 去跑。

都看到这儿了，不点赞 收藏 转发一下嘛

我是谁？

10年资深产品人/vibe coder/自媒体撰写人/AI探索者

让我们一起探索AI的无限可能！