夜雨聆风上个月，一个在深圳做HR的朋友给我看了一组数据。
他们公司今年春招，投AI相关岗位的简历量同比翻了3倍，但真正符合要求的候选人不到5%。与此同时，传统软件开发岗位的简历量下降了四分之一，薪资预期普遍缩水10%到15%。
同一个招聘季，同一个公司的不同岗位，一个在疯狂找人加钱，一个在默默减编降薪。
这不是个例。2026年，这种事正在各行各业同时上演。
腾讯研究院最近发布的一份报告显示：明确要求AI技能的岗位占比虽然不足2%，但高度集中于长三角、珠三角等五大城市群，涨薪幅度高达30%到50%。而另一边，传统重复性脑力岗位的需求正在系统性收缩。
AI带来的不是简单的"替代"或"创造"。它带来的是一次撕裂。
就像字母"K"的两条腿，一条向上走，一条向下走。
这就是2026年职场的"K型分化"。
一、K型分化来了：同一个人，两种命运
先看两组数据。
向上的那条腿：AI应用开发需求增长超过60%，AI+制造、AI+金融、AI+医疗等垂直领域的人才被企业疯抢。光电子、人工智能行业2026年一季度职位数同比增长近两成。在机器人领域，人才供需比已经突破5.2:1——也就是说，每5.2个岗位抢1个合适的人。
向下的那条腿：传统软件开发需求整体下降约25%。初级会计审计岗位中，凭证录入和自动对账几乎被AI全面接管，替代程度接近100%。基础文案、商业修图这些曾经还算体面的白领工作，正在被AI以几乎为零的边际成本取代。
麦肯锡全球研究院做了一项预测：到2030年，每个员工约60%到70%的日常例行工作内容将实现自动化。
不是"可能"，是"将"。
牛津经济研究院2026年的最新预测更直接：全球约20%的全职岗位将被AI软件深度接管。
但请注意一个关键数字：高盛的研究报告说，即便AI在全行业全面普及，也仅有大约2.5%的美国工作岗位可能"完全消失"。
也就是说，大多数情况不是"你被AI取代了"，而是"你工作里那60%到70%的重复部分，不需要人来做了"。
岗位还在，但岗位里的人在换。
以前需要10个人干的活，现在3个会用AI的人就能干完。剩下的7个，要么学会用AI挤进那3个人的队伍，要么去找AI暂时还干不了的活。
这就是"K型分化"的本质：不是岗位消失了，是门槛变了。
二、三类岗位正在加速消失
哪些岗位最先感受到冲击？我总结了三个类型。
第一类：重复性信息处理岗
初级会计、审计助理、法务助理、行政文员。这些岗位有一个共同点：每天处理的信息高度结构化，决策空间小，规则明确。
麦肯锡的报告直接把"办公室支持人员"列为AI替代的重灾区。高盛的报告也点名了信贷分析师、校对与文字编辑、法律与行政助理。
这不是危言耸听。国内某大型银行2025年已经把柜面业务的80%迁移到了智能柜员机和手机银行，物理网点三年内缩减了15%。曾经一个网点需要20个柜员，现在5个就够了。
不是银行不需要人了，是银行不需要"只会办业务"的人了。
第二类：初级代码编写岗
这个可能出乎很多人的意料——程序员不是最安全的吗？
错了。
高盛的报告显示，计算机程序员是AI替代风险最高的职业之一。美国的科技行业就业占比自2022年11月以来持续下滑，已跌破疫情前的趋势线。特别是20到30岁的年轻科技从业者，失业率自2025年初以来上升了近3个百分点。
原因很简单：AI最擅长的事情之一，就是写代码。
GitHub Copilot这样的工具，已经能把初级开发者的效率提升30%到50%。这意味着什么？意味着一个团队以前需要3个初级程序员干的活，现在2个就够了。公司不会裁掉那个有5年经验的架构师，但会少招一个刚毕业的新人。
应届理工科毕业生的处境，正在变得前所未有的艰难。
第三类：标准化内容生产岗
基础文案、商业插画、简单翻译、客服话术。这些岗位的共同点是：产出是标准化的，评判标准相对固定。
AI客服已经能处理90%以上的标准化客诉。AI语音外呼几乎可以零成本覆盖所有初级销售场景。AI写作工具生成的引流文案，流量表现不比人工写的差。
当一个岗位的产出可以被"标准化"，它就进入了AI的射程范围。
但不是所有岗位都会消失。高盛的报告里有一个很有意思的名单，列出了"最不可能被AI取代的岗位"：空中交通管制员、放射科医生、药剂师、摄影师、神职人员、首席执行官。
这些岗位有什么共同点？
它们都需要在复杂、模糊、多变的环境中做判断。不是"规则明确"的工作，而是"规则一直在变"的工作。
三、新职业在爆发，但门槛变了
有人说：旧岗位消失了没关系，新岗位会出来的。
这话对，但不全对。
我们来看看2025年5月人社部公示的新职业名单：生成式人工智能系统测试员、人形机器人数据采集师、无人机航线规划师、大模型提示词工程师、机器人产品经理。
一共17个新职业、42个新工种。
这些新职业有一个共同特征：它们不是传统意义上的"技能工种"，而是"复合工种"。
拿"大模型提示词工程师"来说。这个岗位需要的能力包括：理解模型的底层逻辑、掌握特定行业的领域知识、具备优秀的语言表达能力、还要能写代码做自动化。它不是"学一门技术就能干"的岗位，它是"你得同时会好几样东西"的岗位。
再看"无人机航线规划师"。这个岗位要同时懂空域规则、地理信息系统、AI调度算法。单一技能根本干不了。
这就是新职业的残酷现实：它们确实在创造大量机会，但这些机会的门槛远比消失的那些岗位高。
以前做初级会计，考个会计证、会用Excel就够了。现在想做AI系统测试员，你得懂机器学习、会写自动化测试脚本、还得理解业务场景。
门槛从"单一技能"变成了"复合技能"。
高盛的报告里还有一个让人深思的数据：如今大约60%的美国工人从事的职业，在1940年尚不存在。过去80多年的历史证明，技术变革确实会创造大量的新就业机会。
但历史也告诉我们另一件事：从旧岗位消失到新岗位消化，中间有一段"阵痛期"。这段时期里，被替代的人和新岗位的要求之间，存在巨大的技能鸿沟。
我们现在就处在这个阵痛期。
四、普通人现在该做什么
说完了问题，该说怎么办了。
我不是要贩卖焦虑。恰恰相反，我想说的是：AI时代的核心能力，其实跟"学AI"关系不大。
很多人一听"AI来了"，第一反应是"我要去学编程""我要去学机器学习"。这是一个巨大的误区。
高盛的报告已经说得很清楚了：初级程序员是AI替代风险最高的人群之一。你去学编程，很可能刚学会就被AI替掉了。
那到底该学什么？
第一，学会用AI工具，而不是学会造AI工具。
这两件事完全不一样。造AI工具需要博士学位和顶级实验室，但用AI工具只需要一台能上网的电脑和愿意尝试的心态。
具体来说，就是去用一用ChatGPT、Claude、Midjourney、Notion AI这些工具。不是为了"学技术"，而是为了"提效率"。你会发现，写一份报告的时间从3天缩到3小时，做一份PPT的时间从半天缩到半小时。
这件事跟你的专业背景没有任何关系。会计可以用AI做财务报表分析，律师可以用AI做案例检索，教师可以用AI做备课教案。每个行业都有适合自己的AI用法。
第二，培养"不能被标准化"的能力。
我前面说了，当一个岗位的产出可以被标准化，它就进入了AI的射程范围。反过来，如果你的工作内容很难被标准化，你就相对安全。
什么能力最难被标准化？
审美判断力。AI可以生成100张图，但它不知道哪张"好看"——这个判断需要人来下。
宏观协调力。AI可以执行具体的任务，但它不知道"为什么要做这个任务"以及"这个任务要不要优先做"。
原始创新力。AI能做的是在已有知识里进行组合和重组，但它很难提出一个完全跳出框架的新想法。
这些能力不是在大学里学到的，是在真实的工作中积累的。所以对于还在读书的人，我的建议是：多去做项目，多去实习，多在真实场景里解决真实问题。对于已经在工作的人，我的建议是：不要把自己限定在"执行者"这个角色里，试着往"定义问题的人"这个方向走。
第三，接受"终身学习"这件事。
这不是鸡汤。
以前的职业路径是：上大学学一门技能，然后靠这门技能吃一辈子饭。这个模式已经彻底失效了。
麦肯锡说，到2030年，一个员工60%到70%的工作内容会被自动化。这意味着什么？意味着一个做了10年会计的人，他10年前学的那些技能里，有一大半在5年后可能就没用了。
他必须学新的东西。
不只是"学一次"，而是"一直学"。
听起来很累。但好消息是，AI本身就是最好的学习工具。你可以用AI帮你快速理解一个新领域，用AI帮你梳理知识结构，用AI帮你模拟练习。以前学一个新技术可能需要半年，现在可能只需要两周。
终身学习这件事，以前是要求，现在是标配。
总结
AI对就业的冲击，想的太乐观是自欺欺人，想的太悲观是自我设限。
真相是：岗位不会大面积消失，但岗位里的人会大面积换血。
K型分化的本质不是"AI抢了人的饭碗"，而是"会用AI的人抢了不会用AI的人的饭碗"。
所以你不必去学怎么造AI。你要学的只有两件事：怎么让AI帮你干活，以及怎么做一个AI模仿不了的人。
这两件事都不难。第一件靠动手，第二件靠用心。
现在就做。
参考来源：高盛研究部《人工智能将如何影响全球劳动力》、腾讯研究院《2026年AI职业新趋势大数据研究报告》、麦肯锡全球研究院、牛津经济研究院、人社部2025年新职业公示目录
