ARTICLE · 1134362
AI越强,通才越值钱
你有没有过这样的时刻：明明知道客户的问题在哪里，却只能叹一句：“可惜，我不会写代码。”“可惜，我不懂设计。”“可惜，这不是我的专业。”
过去，这些“不会”像一道道墙，把一个好想法挡在原地。现在，AI正在墙上开门。值得重新思考的，不只是我们能做多少事，而是我们还要不要把自己关在一个岗位的格子里。
10月2日发布的《American Optimist》访谈中，Anthropic的Sholto Douglas和Nicholas Marwell谈到，未来十年可能是通才的机会窗口。这是研究者的判断，不是已经确定的职业规律。但它给我们提出了一个重要问题：当越来越多专业能力可以借助AI调用，什么样的人更有机会把事情做成？
我的答案是：不是样样懂一点的人，而是有专业底盘、能连接不同领域、愿意为完整结果负责的人。
金句AI把工具交到更多人手里，真正拉开差距的，是谁能把工具变成结果。
第一，通才的机会，不是专业的消失
过去的工作像接力赛：销售接到需求，交给产品；产品画好方案，交给技术；技术做完，再交给运营。每个人都跑好自己的一段，却未必有人盯住终点。
AI带来的变化，是让一个人更容易跨过几段跑道。懂客户的人，可以先做出一个演示版本；懂财务的人，可以把分析做成业务看板；懂运营的人，可以尝试搭建一个简单的服务流程。
Anthropic在2025年发布的内部研究中，观察到工程师借助AI处理原本不熟悉的工作，例如后端工程师尝试制作界面。不过，这来自一家AI公司的特定样本，不能直接推断所有行业、所有人都会获得同样的收益。
方向值得关注，结论不能夸大。未来不是“不需要专家”，而是专业之间的围墙可能变矮，能穿过围墙的人，拥有更多行动空间。
通才也不是工具收藏家。会打开十个软件，却不能解决一个客户的问题，仍然只是逛了一遍工具市场。
金句真正的通才，不是每个领域都能说两句，而是能让几个领域一起做成一件事。
第二，最有价值的连接，发生在真实问题里
想象一家小工厂。客户问交期，销售去问生产；生产去问采购；采购再查库存。消息转了一圈，客户已经去找另一家。
如果你懂销售，也愿意了解一点生产和数据，就可能发现：缺的不是更漂亮的话术，而是一条能让信息及时流动的通道。
你可以借助AI整理订单、设计查询页面、生成进度提醒。但首先必须弄清楚：交期由谁确认？库存多久更新？异常由谁处理？谁能看见哪些数据？
这里面既有技术，也有业务、客户体验和组织协作。只盯着软件，很容易做出一个好看的空壳；只懂业务、不肯向外一步，又容易永远停在“我们应该有个系统”。
这个例子是一个实践场景，不是对某家企业的业绩报道。它说明，跨领域能力的价值，不在于给简历添几个标签，而在于找到问题之间的连接。
AI可以帮助造桥，但你得知道桥的两头在哪里。
所谓“一个人背后是一家千人公司”，更适合作为对未来能力调度的想象，而非今天普遍成立的事实。模型调用有成本，执行有边界，业务仍需要授权、协调和验证。
对普通人而言，不必等到拥有一千个智能体。先让一个原本断开的流程连起来，就已经是在创造价值。
金句离问题近，是你的起点；让问题得到解决，才是你的价值。
第三，向外拓展之前，先守住判断力
有些人听到“通才时代”，马上想把原来的专业扔掉。这恰恰走反了方向。
一个不懂财务的人，可能看不出AI把利润和现金流混为一谈；一个不了解销售的人，可能把客户的礼貌回复当成购买意愿；一个缺少技术基础的人，可能把“能运行”误认为“安全可靠”。
AI像一辆马力很大的车。你可以不亲手造发动机，但至少要知道路往哪里走、什么情况下必须刹车。
Anthropic的内部研究也提醒，能力拓宽可能伴随专业技能练习减少，以及监督AI输出的困难。便利与风险，是同一枚硬币的两面。
庄子讲庖丁解牛，精彩之处不在蛮力，而在看懂结构、顺着关节下刀。借用到今天，真正的高手不是把所有任务都甩给AI，而是知道哪里适合自动化，哪里需要人判断，哪里必须请专业人士把关。
这里是对庄子智慧的现代引申，不是说古人已经预见了AI。它提醒我们：工具越锋利，越要看清纹理。
保留一项能拿得出手的专业，再向相邻领域跨一步。财务学一点业务，销售学一点产品，产品学一点数据，技术学一点客户需求。
不是漫无目的地横着走，而是沿着一个真实问题扩展自己的能力地图。
金句专业是你的根，跨界是你的枝；没有根的广博，只是随风飘散。
第四，用四周，做一次真正的跨界交付
如果你是职场人，不必先申请一个全新的职位。如果你是中小企业主，也不必先采购一套宏大的AI系统。从一个小问题开始。
第一周，找问题。列出最近反复出现的三个麻烦，找实际使用者聊一聊。选择一个高频、边界清楚、出错后可以纠正的问题，把目标写成能检查的结果。
例如，不是“提升客户体验”，而是“让客户查询订单进度时，不必反复找销售”。先记录现在要花多少时间、容易出什么错，留下比较的起点。
第二周，补一块能力。围绕这个问题学习一个相邻领域，借助AI解释概念、拆解步骤、制作初稿。让它同时列出假设、缺少的资料和可能的风险，不要只接受一份漂亮答案。
第三周，手工跑通。用脱敏样本做一个最小版本，和三五位真实使用者一起走完流程。遇到错误，先修正规则。涉及付款、合同、隐私和重要承诺，保留人工确认，不让AI擅自执行。
第四周，验收结果。比较耗时、错误、使用意愿和维护成本。有人持续使用、结果确实改善，再考虑自动化和扩大投入；没有价值，就缩小范围或换问题。
企业主尤其要把责任讲明白：谁提出需求，谁核验信息，谁批准对外输出，出了错由谁处理。AI可以减少环节，不能让责任消失。
这四周的目标，不是证明你什么都会，而是拿到一份可以展示的成果：一个工具、一段流程、一项真实改善。
未来的简历，除了“我学过什么”，更值得增加一栏：“我连接了哪些能力，解决了什么问题。”
第五，别等成为通才，再开始行动
“未来十年属于通才”不能保证任何人成功。行业壁垒、监管要求、资源和信任，仍然会影响机会。医疗、法律等高风险场景，更不能靠会用AI就越过专业边界。
但我们不必等预测兑现，才改变工作方式。
今天就挑一个你熟悉的问题，往专业之外走一步：多理解一个客户，多弄清一个流程，多尝试一次交付。让AI帮你补短板，同时让现实反馈修正你的判断。
你不需要在所有领域赢过专家。你要做的，是围绕一个值得解决的问题，把该连接的能力连接起来，把该承担的责任承担起来。
过去，“可惜我不会”常常是故事的结尾。现在，它可以成为学习和尝试的开头。
金句别急着证明自己是通才，先做成一件过去做不成的事。
参考来源
American Optimist第164期：Anthropic研究员访谈（16:30职业建议与通才时代） Anthropic：How AI is transforming work at Anthropic Anthropic Institute：When AI builds itself（能力调度与组织瓶颈）