职业不会被平均替代，技能会被重新定价。

前两天看到两张图，讲的是 AI 采用率和技能自动化暴露度。

真正值得看的，不是“哪个行业用了多少 AI”，也不是“哪个技能更容易被自动化”，而是它们共同指向了一个更底层的判断：

AI 对工作的影响，不是从“职业”开始的，而是从“技能单元”开始的。
工作会被拆开，技能会被重组，人的价值会被重新定价。

一、先不要问：AI 会不会替代我的工作

很多人讨论 AI，第一反应是：

“我的行业危险吗？”

“程序员会不会被替代？”

“金融、咨询、营销还值不值钱？”

这个问法本身就有问题。

因为一个职业并不是一个整体，它是一组技能的组合。

比如一个“市场负责人”，里面至少包含：

• 用户洞察
• 文案表达
• 数据分析
• 渠道投放
• 品牌判断
• 团队协调
• 预算分配
• 对老板和客户的说服能力

AI 不会一次性吞掉“市场负责人”这个职业，但会逐步吞掉其中可标准化、可生成、可复制、可校验的部分。

所以更准确的问题应该是：

我身上的哪些技能，是 AI 最容易接管的？哪些技能，是 AI 只能辅助但很难负责的？

二、技能暴露度的分水岭：能不能被标准化

麦肯锡的 Skill Change Index 把大量技能按照自动化暴露程度排序。

图上暴露度较低的技能，集中在：

韧性、影响力、同理心、领导力、创新、协作。

暴露度较高的技能，集中在：

软件开发、发票处理、会计、SQL、质量控制。

这个排序背后有一条非常清晰的底层逻辑：

越接近规则、流程、数据、语言、代码的技能，越容易被 AI 接管。越依赖情境、信任、责任、冲突处理和价值判断的技能，越难被 AI 独立完成。

这不是简单的“软技能安全，硬技能危险”。

更精确地说：

可编码的技能更容易被自动化；需要承担后果的技能更难被自动化。

SQL 会被 AI 强化甚至部分替代，因为它有明确语法、明确目标、明确反馈。

发票处理和会计基础工作会被自动化，因为它们高度依赖规则、凭证、核对和流程。

但领导力、影响力、同理心、协作为什么不容易被替代？

因为这些能力的核心不是“输出一句正确的话”，而是在复杂场景下让别人愿意相信你、配合你、跟随你，并共同承担结果。

AI 可以写一段鼓舞人心的话。

但它很难替你在组织里建立信用。

它可以模拟共情。

但它不能替你承担真实关系中的责任。

它可以提出方案。

但它不能替你面对利益冲突后的后果。

这就是人类技能的护城河。

三、真正危险的不是“会写代码”，而是“只会写代码”

很多人看到软件开发、SQL 这类技能暴露度较高，会得出一个粗暴结论：

“程序员危险了。”

这个判断太简单。

AI 对代码类技能的冲击确实大，但它不是把所有技术人一起抹平。

它抹平的是“只执行明确需求的人”。

过去，一个人会写 SQL、会写脚本、会调接口，就能获得不错的职业溢价。

未来，这类技能会逐渐变成基础生产力，就像办公软件、搜索引擎、Excel 一样。

真正值钱的技术人，会从“代码执行者”变成“系统设计者”和“问题翻译者”。

能把业务问题拆成技术路径，能判断数据质量，能定义模型边界，能知道哪里不能自动化，能为结果负责，这类人反而会更贵。

AI 降低了执行成本，也提高了判断的价格。

四、AI 不是平均渗透，而是沿着“低摩擦场景”扩散

这张图看的是企业在不同业务职能中使用生成式 AI 的比例。

总体看，AI 使用最集中的几个职能是：

营销与销售：30%知识管理：29%IT：21%产品与服务开发：21%服务运营：21%

最低的是：

供应链与库存管理：7%制造：4%

这组数据非常关键。

AI 最先进入的地方，通常具备四个特点：

第一，输入输出高度数字化。
营销文案、知识库、客服、代码、方案、PPT，本质上都是文本、图像、数据和流程。

第二，试错成本相对较低。
一条营销文案写错了可以改，一个内部知识库回答不准可以标注，一个代码片段可以测试。

第三，反馈速度快。
广告点击率、销售转化率、客服满意度、代码运行结果，都能很快验证。

第四，组织阻力小。
相比制造、供应链、法务、风控等高责任环节，营销、知识管理、IT 更容易先试点。

这解释了为什么 AI 采用率最高的行业，是媒体、电信、科技、专业服务。

因为这些行业的主要生产资料，本来就是信息、内容、知识和软件。

而制造、供应链、能源、建筑等行业，虽然长期潜力巨大，但落地会更慢，因为它们牵涉物理世界、设备系统、安全责任和组织流程改造。

五、第一性原理：AI 的本质是降低“认知劳动的边际成本”

从第一性原理看，生成式 AI 做的事情并不神秘。

它降低了三类成本：

1. 生成成本
过去写一份方案、做一份资料、写一段代码，需要大量人力。现在初稿成本急剧下降。

2. 检索成本
过去企业知识散落在文档、邮件、会议纪要和个人经验里。AI 可以把这些知识重新组织成可调用的系统。

3. 表达成本
过去一个人有想法，但未必能写出来、讲清楚、做成图、变成产品说明。AI 把表达门槛大幅降低。

所以 AI 最先改变的岗位，往往不是体力劳动岗位，而是大量依赖“文档、沟通、代码、分析、内容”的白领岗位。

但这不代表白领整体消失。

更可能发生的是：

低质量认知劳动被压价，高质量判断能力被放大。

会写普通文案的人，价格下降。

能定义品牌战略的人，价值上升。

会做基础数据分析的人，价格下降。

能判断数据背后商业含义的人，价值上升。

会写基础代码的人，价格下降。

能设计系统、理解业务、控制风险的人，价值上升。

会整理资料的人，价格下降。

能形成洞察、组织知识、推动决策的人，价值上升。

六、企业真正该做的，不是“采购 AI 工具”，而是重构工作流

很多公司现在的 AI 应用，停留在“给员工开一个账号”。

这远远不够。

从第二张图看，AI 已经在营销、知识管理、IT 等职能中开始规模化渗透。企业接下来要做的，不是简单鼓励员工“多用 AI”，而是把 AI 嵌进流程。

比如：

营销部门
从“AI 写几篇文案”，升级为“用户洞察—内容生成—素材测试—投放复盘”的闭环。

知识管理部门
从“搭一个知识库”，升级为“企业经验、客户案例、流程制度、项目复盘”的可调用系统。

IT 部门
从“辅助写代码”，升级为“需求拆解、代码生成、测试、部署、运维监控”的工程化流程。

销售部门
从“AI 写销售话术”，升级为“客户画像、异议处理、跟进节奏、成交复盘”的智能销售系统。

企业的竞争力，不在于有没有 AI 工具，而在于有没有把组织经验沉淀成 AI 可以调用的资产。

未来公司之间的差距，会越来越像这样：

一家公司拥有大量散落在员工脑子里的经验。

另一家公司把经验变成了结构化知识、自动化流程和可复用智能体。

前者靠人扛。

后者靠系统复利。

七、个人真正该做的：把自己从“技能工人”升级为“问题负责人”

对个人来说，这两张图最重要的提醒是：

不要把自己的价值押注在单一技能上。

尤其不要只押注在那些高度可标准化的技能上。

未来更好的能力组合，应该是：

一项可被 AI 放大的专业能力
比如编程、财务、研究、设计、营销、法律、投研。

一套 AI 协作能力
知道如何提问、拆任务、校验结果、搭建流程、训练自己的知识库。

一种难以自动化的人类能力
比如判断力、沟通力、审美、领导力、同理心、商业敏感度、价值排序能力。

最危险的人，不是处在高暴露度行业的人，而是只会执行、不理解上下文、不承担结果的人。

最有机会的人，也未必是最懂技术的人，而是能把技术转化为业务结果的人。

八、给创业者和老板的判断：AI 机会不在“替代人”，而在“压缩组织成本”

创业者看这两张图，应该看到一个更现实的机会：

AI 最大的商业价值，不只是替代岗位，而是压缩组织成本、提升组织杠杆。

过去一个小团队要做营销、客服、销售、产品、开发、数据分析，需要大量人手。

现在，一个高质量的小团队，可以通过 AI 放大成过去十几个人甚至几十个人的产能。

这意味着未来创业公司的形态会变化：

人更少。

流程更密。

工具更多。

反馈更快。

老板对业务和技术的理解要求更高。

真正强的创业者，会把 AI 当成“组织操作系统”，而不是单点工具。

谁能把客户需求、内容生产、销售转化、交付流程、知识沉淀串起来，谁就能用更低成本跑出更高效率。

九、教育也要变：别只教孩子技能，要教他们定义问题

这两张图对教育也有很强的启发。

如果未来很多技能都会被 AI 辅助甚至部分自动化，那么教育的重点就不能只是“掌握某项工具”。

孩子当然可以学编程、学商业、学表达、学财务，但更关键的是：

他们能不能发现问题？

能不能理解人的需求？

能不能讲清楚一个想法？

能不能组织别人一起完成一件事？

能不能判断什么值得做？

能不能在不确定中做选择？

这些能力，恰恰对应第一张图里自动化暴露度较低的技能：

领导力、协作、同理心、创新、影响力、韧性。

未来不是不需要技能，而是更需要“技能之上的判断力”。

工具会越来越便宜。

表达会越来越便宜。

知识获取会越来越便宜。

真正稀缺的是：

知道该问什么问题，

知道该相信什么答案，

知道该把资源投入哪里，

知道如何让别人一起行动。

十、结论：AI 时代，人的价值会从“会做事”转向“会定义事”

这两张图放在一起，给出的结论非常清楚：

AI 会优先进入数字化程度高、反馈快、流程清晰的业务场景。

AI 会优先改变规则明确、可编码、可复制的技能。

AI 会压低普通执行能力的价格，同时抬高判断、组织、沟通和责任能力的价值。

所以，未来最值得训练的不是单点技能，而是三种复合能力：

第一，问题定义能力。
知道真正的问题是什么。

第二，系统组织能力。
能把人、工具、流程、数据组织起来。

第三，结果负责能力。
能判断风险，承担后果，推动事情完成。

AI 会让很多人第一次意识到：

会做事的人很多。

会定义事情的人很少。

会用系统把事情做成的人，更少。

未来的竞争，不再是“我会不会某个技能”。

而是：

我能不能把 AI、专业知识和人的复杂需求组合起来，创造真实价值。

这才是 AI 时代真正的分水岭。

资料来源：
McKinsey Global Institute, Agents, robots, and us: How AI reshapes work and skills in Europe, May 2026.
McKinsey & Company Global Survey, June 25–July 29, 2025.