夜雨聆风
最近和一位朋友聊天，他一脸生无可恋地跟我说：
“上周我刚学会用Claw部署电商后台，结果同事转头就在摸鱼群晒起了Hermes Agent的实测报告——我连龙虾都还没养明白，赛博宠物就已经升级换代了。现在我整个人的状态就是：追赶AI的路上，永远气喘吁吁，永远热泪盈眶。”
我听完深有同感，哈哈大笑，笑着笑着发现，这不就是咱们打工人的真实写照吗？
1
学不动了，要不我再等等？
眼下AI圈流传着两个相互矛盾又同时成立的段子：一个是“AI不会替代你，但会用AI的人会替代你”，另一个是“第一批用AI的人，已经染上了AI疲惫症”。
这两个段子精准命中了当代职场人最大的精神内耗——焦虑和疲惫正在以一种前所未有的方式同时上演。
一方面，看着各路极客在社交媒体上炫技秀效率，忍不住心慌：“完了完了，全公司就我不会用AI写周报了”。
另一方面，每天睁眼就是新的AI应用横空出世，小作文写得天花乱坠，除了Token消耗量蹭蹭上涨，银行卡余额纹丝不动——“AI越发达，我为什么越累”？
于是很多人心生一个朴素的念头：既然AI迭代这么疯狂，我何必每次都追着跑？不如先躺平，等工具稳定下来了再学。
这套逻辑听起来似乎有那么一点点道理，就好像等餐厅的招牌菜改良到终极版再去吃，省去了踩雷的风险。
然而这个策略最大的bug在于：AI可能根本不会“稳定下来”。
回想一下，从2023年“提示词工程”红极一时，到2024年RAG成为新宠，再到2025年Agentic AI和智能体系统全面爆发——不过18个月，技能热榜已经换了四茬了。
今天你费劲学的大模型API调用技巧，明天可能就被某个开箱即用的Agent集成到自动化的闭环里，让你连在技术文档里Ctrl+F的机会都找不到。
所以，所谓“等稳定了再学”，大概率等来的是——又一个新版本的“不稳定”。
这种感觉就像是逛宜家：你刚研究明白这套书架的拼装说明书，工作人员告诉你，这款已经停产了，现在流行的是AI智能升降书桌。
2
我不学，我焦虑，我打开浏览器，我还是学不动
当AI焦虑开始蔓延，最典型的表现往往不是疯狂的加班，而是一种“熟悉的陌生感”。
比如文案主管智博。
公司引进了AI文案工具后，老板在周会上豪言壮语：“初稿让AI写，你们负责优化和润色。”
太太翻了翻身安慰他：“你想太多了吧，你又不是只靠打字吃饭的。”
可是焦虑就像一颗种子，一旦种下去就开始野蛮生长。
开会时他盯着AI产出的文案，觉得比自己刚入行时写得还通顺；回到座位上，他发现自己握鼠标的手在微微发抖。
后来体检时医生看了他的报告，问了一句：“你最近是不是常常觉得胸口发紧、睡不好？”
他愣了几秒，才点了点头。
比智博处境更魔幻的，是大厂里的打工人。
这几年Token已经成为继工资、奖金、股权之外的“第四薪酬”，腾讯每年为员工提供最高达22万的Token配额，英伟达也将发放相当于基础工资一半左右的Token预算。
问题是，老板放Token就跟过年发红包一样，看上去是好意，但绩效考评却在悄悄转型：你消费的Token越多，可能越代表你在努力用AI工作。
于是公司里出现了奇观——有些同事为了展示自己的Skill开发成果，连夜写代码，白天还要在部门周会上激情路演：“我这套智能体今天处理了1300封客户邮件，累计消耗18万Token，妥妥的全组第一！”
有一位程序员朋友跟我吐露内心深处的困惑：从前他写代码靠脑子，现在他写代码靠AI——90%的代码都是AI生成的，一个项目的交付周期从一年缩短到了4个月。
项目压力非但没有减轻，反而越来越大。
他所在的小组今年已经主动离职了两位成员。
更要命的是，职场新人正在遭遇系统性的职业路径断层。
有调研显示，全球超过七成员工对AI感到担忧，这种担忧正在实实在在地影响到Z世代的职业规划。
在已就业的Z世代中，高达48%的人认为AI在工作场所的风险远大于收益，这个比例一年内激增了11个百分点。
AI不是在消灭岗位，而是在消灭“通过初级岗位成长为专家”的路径。
这才是最深层的冲击——你连上船的机会都没有了。
3
学会学习，可能才是AI焦虑的解药
面对这种荒诞的现状，依然有人看得很通透。
LinkedIn的《2025年职场学习报告》揭示了一个“AI技能悖论”：AI技能的平均有效期已经缩短到18个月以内——你刚学完一门课，新知已经迭代了一轮。
这意味着，追逐具体技能本身是一条注定会越跑越累的死路。
那么真正有效的方法是什么呢？
答案是：学会“学会AI”。
就像巴菲特说的，投资最重要的事不是预测明天的股价，而是拥有一套稳定的决策框架。
放在AI这个赛道上，真正值得投入的不是具体的工具操作，而是三种元能力：
第一，学会提问。
很多人打开AI对话框只会说“写一份方案”，然后抱怨AI写得像shi一样。
但其实AI的能力取决于提示的质量——你如果会拆解任务、会注入背景信息、会给出边界条件、会要求多轮迭代，AI就能从“鸡肋”变成“利器”。
就像运营人用一个精心设计的Prompt模板，让2分钟内生成三个符合平台偏好的文案版本，效率提升300%。
第二，学会分配。
聪明人不是事无巨细什么都让AI代劳，而是懂得：什么该交给AI批量处理，什么必须亲自把关。
比如把数据分析、日报生成、会议纪要这些机械化任务打包成一个智能工作流交给Coze自动化，每天硬生生白赚两小时，然后把这腾出来的时间用来做真正的创造性工作。
这才是AI的正确打开方式——不是把自己的脑子关掉，而是把机械重复的脑力劳动外包出去。
第三，学会快速上手新工具。
现在的主流开发者平均每月要接触3到5种新工具框架，其中68%的人已经承认患上了“学习工具疲劳症”。
但焦虑归焦虑，你不能停下来。
最快的成长方式是建立一个“学习-实践-复盘”的小闭环：发现一款新工具后，一个小时内读完它的核心文档和最关键的三个案例，然后立刻在自己的一件小任务上跑通，记录成效。
迭代速度超过技术迭代速度——这就是唯一的活路。
4
未来已来，只是还没均匀分布
看衰AI的人喜欢夸大AI将带来的阵痛，而乐观主义者往往也对它“取代人类”的威胁嗤之以鼻。
但BCG最新的报告给出了一个理性的结论：未来2到3年内，超过一半的工作将会被“重塑”，但真正完全消失的岗位占比大约只有10%到15%。
换句话讲，AI不会让你突然失业，但它会悄悄改写你的工作内容和能力要求。
客服、基础财务、文案、基础程序员等规则清晰的岗位首当其冲，但高阶的审美判断、情感沟通、复杂决策，AI还在犯傻——而这些，正是人类不可替代之处。
数据也证实了这一点：2026年第一季度，全球科技行业裁员约7.8万人，其中近半数被归因于AI替代；但与此同时，7家代表性AI公司的在招岗位总量从718个涨到了1570个，翻了一倍多。
岗位并没有变少，只是形态变了，就像汽车取代了马车夫，但也诞生了司机、修理工、交通规划师。
至于那些还在观望的人，我最想说的是——最危险的状态不是“我不会用AI”，而是“我不知道自己不会用AI”。
未来最恐怖的人，不是用了AI的人，也不是没用AI的人，而是那些以为自己会但根本不会的人和会用但从不迭代的人。
斯坦福大学的《2026AI指数报告》告诉我们，AI代理已经开始执行曾经只有人类才能胜任的复杂任务，美国约11.6%的岗位已具备AI完全替代的技术可行性，你还等什么？
5
五条接地气的行动建议
最后，送给当代职场年轻人五条不制造焦虑、不走弯路、也不画大饼的行动建议：
一、每天用AI“摸鱼”一小时，就从小事开始。
不用报几千块的AI课，从最简单的场景入手——让AI帮你改一封邮件、整理一个会议纪要、优化一段文案。
用了不亏，不用也不涨工资。
坚持一个月，你会发现至少工作效率提升了20%。
二、建立一个“工具测试清单”，减少选择压力。
面对层出不穷的新工具，搞一个极简版的评估清单：能否解决我最头疼的重复工作？上手需要多少分钟？试用后是否明显提升了效率？
达不到这三条，直接pass，眼不见为净。
三、建一个“AI知识复利库”，拒绝从头学。
别每次都像第一次用AI那样从零折腾。
把你的常用Prompt模板、操作技巧、踩过的坑整理成一个私人的“AI技能复利笔记本”，每个新工具都从过去的经验中延伸，一步步搭建你的AI能力树。
今天会调Prompt，明天就会拆解任务，后天就会整合自动化流程。
四、跟着10后和大学生做赛道学徒。
数据显示，全球已有51%的Z世代保持每天或每周使用AI的高频习惯，甚至有11岁的男孩用AI开发了一个小程序帮妈妈的鲜花店在母亲节一天卖出10万元。
你不用做少年天才，但要懂得从这些“人狠话不多”的实践者身上偷师。
不要觉得自己学得晚，恰恰因为学得晚，你可以直接站在他们跌坑的肩膀上往前走。
五、关注“迁移技能”，不再惧怕工具过时。
与其焦虑今天学的工具下个月就过时了，不如把重心放在那些可以迁移的能力上：问题拆解力、复杂决策力、跨领域知识整合力。
AI再快也永远在模仿人类，而人类最牛的地方就是——
我们永远能比它快一步，因为我们可以随时不按套路出牌。
总而言之，AI焦虑不是因为你落后了，而是因为你比那些还在装睡的人多了一份清醒。
真正的安全感不是来源于“把所有新东西学完”，而是在于你知道学什么、怎么学、学了之后如何让生活和工作更好。
当你不把自己当成技术的“维修工”，而是AI的“指挥家”，你就赢了。
— END —
