AI會(huì)如何改變就業(yè)？這是當(dāng)下最受關(guān)注，也最容易陷入情緒化爭(zhēng)論的話(huà)題。上一篇《第一份工作正在消失：AI如何切斷年輕人的職業(yè)階梯？》關(guān)注的是AI如何改變工作的入口；今天，我們希望繼續(xù)追問(wèn)更深層的問(wèn)題——AI究竟在改變什么樣的能力？希望為理解這場(chǎng)正在發(fā)生的勞動(dòng)變革，提供另一種觀(guān)察視角。

本文來(lái)自微信公眾號(hào)：騰訊新聞大聲思考，作者：胡泳，題圖來(lái)自：視覺(jué)中國(guó)

AI對(duì)職業(yè)技能結(jié)構(gòu)的重塑

談到AI對(duì)就業(yè)的影響，“技能”是一個(gè)無(wú)法繞開(kāi)的關(guān)鍵詞匯。這可以從許多不同的維度來(lái)討論。

比如，專(zhuān)業(yè)技能正在經(jīng)歷快速貶值和更新周期縮短的過(guò)程。勞動(dòng)專(zhuān)家和研究人員過(guò)去普遍認(rèn)為，一項(xiàng)職業(yè)技能的有效價(jià)值周期大約為5到10年。然而，隨著人工智能的發(fā)展，技能的生命周期正在被大幅壓縮，一些估計(jì)認(rèn)為，如今一項(xiàng)職業(yè)技能的有效期可能已經(jīng)縮短至僅僅 1到3年。這意味著，勞動(dòng)者過(guò)去依靠一次教育或早期職業(yè)訓(xùn)練所獲得的知識(shí)和能力，越來(lái)越難以支撐整個(gè)職業(yè)生涯，而必須持續(xù)學(xué)習(xí)、更新和重塑自身技能。

世界經(jīng)濟(jì)論壇《未來(lái)就業(yè)報(bào)告2025》（The Future of Jobs Report 2025）預(yù)計(jì)，到2030年，全球勞動(dòng)者現(xiàn)有核心技能中，平均約39%將發(fā)生變化或過(guò)時(shí)。這并不是指39%的職業(yè)會(huì)消失，而是意味著：雖然同一個(gè)崗位仍然存在，但完成這一崗位所需要的能力組合變得相當(dāng)不同。

以我關(guān)注的新聞業(yè)來(lái)說(shuō)，一個(gè)記者仍然需要采訪(fǎng)、核實(shí)、寫(xiě)作與調(diào)查能力，但還需要學(xué)會(huì)更多：具備多模態(tài)內(nèi)容生產(chǎn)能力，能夠綜合運(yùn)用文字、圖片、音視頻、數(shù)據(jù)可視化和交互敘事進(jìn)行報(bào)道；掌握生成式AI工具，將其應(yīng)用于資料檢索、文獻(xiàn)梳理、數(shù)據(jù)分析、采訪(fǎng)準(zhǔn)備、事實(shí)核查以及內(nèi)容編輯等工作流程，提高新聞生產(chǎn)效率；具備較高的AI素養(yǎng)，能夠辨別AI生成信息中的幻覺(jué)、偏見(jiàn)和深度偽造，準(zhǔn)確判斷信息來(lái)源及其可信度；精通平臺(tái)算法推薦和流量分發(fā)機(jī)制，懂得新聞內(nèi)容如何在平臺(tái)上傳播、擴(kuò)散和形成公共議題；具備數(shù)據(jù)新聞和計(jì)算傳播能力，能夠利用數(shù)據(jù)庫(kù)、數(shù)據(jù)分析和可視化工具發(fā)現(xiàn)新聞線(xiàn)索、揭示社會(huì)規(guī)律；同時(shí)，還需要了解平臺(tái)規(guī)范、數(shù)字倫理、隱私保護(hù)和人工智能治理等新興議題，以應(yīng)對(duì)新聞職業(yè)所面臨的復(fù)雜挑戰(zhàn)。由此來(lái)看，未來(lái)就業(yè)競(jìng)爭(zhēng)的核心不只要看有沒(méi)有工作，還要看是否擁有適應(yīng)工作變化的新技能。也不妨說(shuō)，適應(yīng)變化的能力本身正在成為一種關(guān)鍵技能。

又比如，究竟是高技能職業(yè)還是低技能職業(yè)更容易受到AI影響？這一般被稱(chēng)為“AI暴露”（AI exposure）問(wèn)題，其實(shí)，應(yīng)該對(duì)兩個(gè)經(jīng)常被混淆的概念加以區(qū)分：AI暴露和自動(dòng)化替代風(fēng)險(xiǎn)（automation risk）。很多爭(zhēng)論之所以產(chǎn)生，是因?yàn)榘选笆艿紸I影響”直接等同于“會(huì)被AI取代”。

如果討論AI暴露程度，答案是：高技能職業(yè)通常更容易受到AI影響。原因在于，生成式AI最擅長(zhǎng)處理的是大量基于知識(shí)、語(yǔ)言、信息和符號(hào)操作的任務(wù)，而這些任務(wù)恰恰集中在高技能職業(yè)中，例如：管理人員、律師、工程師、法官、研究人員、金融分析師、教師、設(shè)計(jì)師、程序員等。可以說(shuō)，幾乎所有知識(shí)密集型職業(yè)都面臨高AI暴露度。

國(guó)際勞工組織（ILO）和經(jīng)濟(jì)合作與發(fā)展組織（OECD）的研究皆認(rèn)為，生成式AI首先影響的是高度依賴(lài)認(rèn)知?jiǎng)趧?dòng)和信息處理的職業(yè)，而不是傳統(tǒng)意義上的低技能勞動(dòng)。然而，高AI暴露并不意味著高替代風(fēng)險(xiǎn)。很多高技能職業(yè)雖然受到AI深刻影響，卻更可能出現(xiàn)“增強(qiáng)”而不是“替代”的情況。醫(yī)生使用AI輔助診斷，并不會(huì)因此在醫(yī)院消失，因?yàn)獒t(yī)學(xué)工作還涉及臨床判斷、醫(yī)患溝通、倫理責(zé)任和復(fù)雜情境決策。律師使用AI梳理法條，也不意味著律師職業(yè)消失，因?yàn)榉蓪?shí)踐還需要策略判斷、談判能力和對(duì)社會(huì)情境的理解。

如果我們討論的是自動(dòng)化替代風(fēng)險(xiǎn)，答案則有所不同：低技能和中等技能職業(yè)往往風(fēng)險(xiǎn)更高。因?yàn)檫@些崗位通常包含大量重復(fù)性任務(wù)，有著規(guī)則明確的流程和標(biāo)準(zhǔn)化的操作。不管是數(shù)據(jù)錄入還是基礎(chǔ)行政工作，生產(chǎn)線(xiàn)操作還是簡(jiǎn)單客服，這些工作更容易被自動(dòng)化系統(tǒng)完全執(zhí)行。

所以，AI時(shí)代的核心矛盾不是簡(jiǎn)單的“高技能vs低技能”，更準(zhǔn)確地說(shuō)，是一種雙重效應(yīng)的出現(xiàn)：高認(rèn)知、非重復(fù)、需要判斷和社會(huì)互動(dòng)的工作更容易與AI形成互補(bǔ)；高度重復(fù)、規(guī)則化、缺乏情境判斷的工作更容易被AI替代。

AI的雙重邏輯：降低門(mén)檻，同時(shí)抬高天花板

隨著企業(yè)越來(lái)越多地采用AI技術(shù)，一個(gè)日益凸顯的問(wèn)題是技能鴻溝的不斷擴(kuò)大。AI的采用往往伴隨著任務(wù)構(gòu)成的轉(zhuǎn)變：它將常規(guī)性和重復(fù)性的活動(dòng)自動(dòng)化，同時(shí)放大了對(duì)高級(jí)分析、技術(shù)和認(rèn)知技能的需求。這種動(dòng)態(tài)在勞動(dòng)力市場(chǎng)中制造了一種結(jié)構(gòu)性挑戰(zhàn)：受教育程度較低、數(shù)字能力有限的個(gè)人，面臨著顯著更高的失業(yè)或職業(yè)發(fā)展停滯風(fēng)險(xiǎn)。這些勞動(dòng)者大多集中在制造業(yè)、零售業(yè)和行政支持等行業(yè)，而這些行業(yè)正是預(yù)計(jì)受自動(dòng)化影響最大的領(lǐng)域。

也就是說(shuō)，AI對(duì)于不同的人，意味著不同的東西：它是增強(qiáng)性工具還是替代性技術(shù)，完全看勞動(dòng)者站在技能鴻溝的哪一邊。因?yàn)?strong>AI帶來(lái)的并不是能力的平均化，而是能力的分化。

有關(guān)AI最常見(jiàn)的一種論調(diào)是“民主化”敘事：一個(gè)山區(qū)的孩子和一個(gè)藤校的學(xué)生，現(xiàn)在面對(duì)的是同一個(gè)Claude或DeepSeek，享有同等規(guī)模的人類(lèi)知識(shí)資源。在這個(gè)意義上，AI確實(shí)擴(kuò)大了普通人的能力邊界，讓更多人能夠完成更多事情。

這在入門(mén)層面或許不無(wú)正確性。以前不會(huì)寫(xiě)代碼的人現(xiàn)在可以做一個(gè)簡(jiǎn)單網(wǎng)站，不會(huì)設(shè)計(jì)的人也能生成海報(bào)，不會(huì)剪輯的人能夠制作短視頻。然而，我們需要思考的是，沿著能力曲線(xiàn)繼續(xù)向上看，會(huì)發(fā)生什么。

一個(gè)本來(lái)就很優(yōu)秀的操作者，在獲得強(qiáng)大的AI工具之后，并不是簡(jiǎn)單地提高一點(diǎn)效率，而是在原有優(yōu)勢(shì)基礎(chǔ)上實(shí)現(xiàn)復(fù)利式增長(zhǎng)。他們的思考能力、判斷能力、戰(zhàn)略能力以及執(zhí)行能力，會(huì)通過(guò)AI被進(jìn)一步放大。

需要注意的是，AI對(duì)優(yōu)秀者的放大有個(gè)前提，任務(wù)必須是開(kāi)放式、高復(fù)雜度的，而不是標(biāo)準(zhǔn)化工作。2025年，哈佛商學(xué)院、波士頓咨詢(xún)集團(tuán)（BCG）、沃頓商學(xué)院等機(jī)構(gòu)合作完成一項(xiàng)研究，邀請(qǐng)758名BCG咨詢(xún)顧問(wèn)參與隨機(jī)對(duì)照實(shí)驗(yàn)，要求他們完成18項(xiàng)真實(shí)咨詢(xún)工作中常見(jiàn)的復(fù)雜任務(wù)，包括市場(chǎng)分析、商業(yè)戰(zhàn)略制定、創(chuàng)意方案設(shè)計(jì)、客戶(hù)溝通以及商業(yè)寫(xiě)作等。這些任務(wù)并非簡(jiǎn)單的信息檢索，而是涉及綜合分析、價(jià)值判斷和策略制定等高階認(rèn)知活動(dòng)。

研究者首先根據(jù)GPT-4當(dāng)時(shí)的能力，將任務(wù)劃分為兩類(lèi)：一類(lèi)位于AI能力邊界之內(nèi)，即AI能夠較好完成或提供高質(zhì)量支持的任務(wù)；另一類(lèi)位于AI能力邊界之外，即需要復(fù)雜推理、跨領(lǐng)域整合或?qū)I(yè)判斷，AI容易產(chǎn)生錯(cuò)誤或不完整答案的任務(wù)。實(shí)驗(yàn)結(jié)果顯示，在AI能力范圍內(nèi)，使用GPT-4的咨詢(xún)顧問(wèn)完成任務(wù)的速度提高約25%，完成任務(wù)數(shù)量增加約12%，成果質(zhì)量平均提高40%以上，說(shuō)明生成式AI能夠顯著增強(qiáng)知識(shí)工作的生產(chǎn)效率和輸出質(zhì)量。

然而，當(dāng)任務(wù)超出AI能力邊界時(shí)，情況則發(fā)生了明顯變化：部分顧問(wèn)開(kāi)始過(guò)度依賴(lài)AI提供的建議，即使AI出現(xiàn)推理錯(cuò)誤或事實(shí)偏差，也傾向于直接采納，導(dǎo)致最終成果質(zhì)量下降。

研究最重要的發(fā)現(xiàn)并不是“AI讓所有人都變得更優(yōu)秀”，而是AI的價(jià)值取決于使用者是否具有判斷AI能力邊界的元認(rèn)知能力。表現(xiàn)最優(yōu)秀的咨詢(xún)顧問(wèn)并沒(méi)有把AI視為最終答案，而是將其作為一個(gè)認(rèn)知伙伴：在AI擅長(zhǎng)的領(lǐng)域充分利用其快速生成、信息整合和方案發(fā)散能力，而在AI容易出錯(cuò)的環(huán)節(jié)，則依靠自身的專(zhuān)業(yè)知識(shí)、行業(yè)經(jīng)驗(yàn)和批判性思維進(jìn)行驗(yàn)證、修正甚至推翻AI的建議。相比之下，表現(xiàn)較弱的參與者更容易產(chǎn)生自動(dòng)化偏見(jiàn)，即傾向于默認(rèn)AI輸出是正確的，從而降低了獨(dú)立思考和審慎判斷。

這項(xiàng)研究揭示了生成式AI時(shí)代的一個(gè)重要規(guī)律：AI放大的并不是知識(shí)本身，而是人的判斷力、元認(rèn)知能力以及駕馭工具的能力。一個(gè)自律、高水平的使用者與一個(gè)普通使用者之間的差距，并不會(huì)因?yàn)閾碛型瑯拥墓ぞ叨s小，反而可能加速擴(kuò)大。決定結(jié)果的變量并不是工具本身，而是使用工具的人。

因此，我認(rèn)為，AI不會(huì)彌合技能鴻溝，而是會(huì)擴(kuò)大這種鴻溝。從經(jīng)濟(jì)學(xué)和技術(shù)史的角度看，這符合“技能偏向型技術(shù)變遷”理論（SBTC，Skill-Biased Technological Change）。該理論是勞動(dòng)經(jīng)濟(jì)學(xué)和宏觀(guān)經(jīng)濟(jì)學(xué)中的一個(gè)核心理論，主要用來(lái)解釋為什么自20世紀(jì)70～80年代以來(lái)，盡管高學(xué)歷、高技能勞動(dòng)者的供應(yīng)大幅增加，但他們的工資不僅沒(méi)有下降，反而與低技能勞動(dòng)者的差距越拉越大（即收入差距擴(kuò)大和薪酬極化現(xiàn)象）。

傳統(tǒng)經(jīng)濟(jì)學(xué)認(rèn)為，某一類(lèi)勞動(dòng)者變多時(shí)，他們的工資應(yīng)該下降。但SBTC理論指出，技術(shù)的進(jìn)步并不是中立的，它更偏向于那些擁有高技能、高學(xué)歷的勞動(dòng)者。對(duì)這些人來(lái)說(shuō)，新生產(chǎn)技術(shù)（如計(jì)算機(jī)、互聯(lián)網(wǎng)、AI、自動(dòng)化軟件）是他們的互補(bǔ)品（complements），能極大地提高他們的生產(chǎn)率，從而推高對(duì)他們的需求。而對(duì)低技能和中等技能者，新生產(chǎn)技術(shù)是他們的替代品（substitutes），不斷取代大量重復(fù)性、機(jī)械性的常規(guī)工作，導(dǎo)致對(duì)他們的需求相對(duì)下降。這種技能需求與勞動(dòng)力供給之間的失衡，引發(fā)了薪資差距的擴(kuò)大，這種差距通常被稱(chēng)為“技能溢價(jià)”（skill premium）。

舉例來(lái)說(shuō)，在現(xiàn)代物流與零售業(yè)，以亞馬遜和沃爾瑪為代表的供應(yīng)鏈巨頭，通過(guò)技術(shù)重塑了整個(gè)行業(yè)。對(duì)于倉(cāng)儲(chǔ)中心的搬運(yùn)工、清點(diǎn)員以及超市的收銀員而言，自動(dòng)分揀機(jī)器人和無(wú)人自助結(jié)賬機(jī)直接替代了這些常規(guī)性的體力或簡(jiǎn)單腦力勞動(dòng)。但自動(dòng)化與算法革命同時(shí)帶來(lái)的是對(duì)數(shù)據(jù)科學(xué)家、供應(yīng)鏈優(yōu)化專(zhuān)家、算法工程師需求的爆炸式增長(zhǎng)。這些高素質(zhì)人才利用系統(tǒng)監(jiān)控全局、預(yù)測(cè)消費(fèi)行為、優(yōu)化庫(kù)存，其薪資在過(guò)去十年間水漲船高。

因此，AI可能同時(shí)具有兩種看似矛盾的效果：一方面，它降低了進(jìn)入門(mén)檻，更多人的確可以完成過(guò)去做不到的事情。另一方面，它也抬高了能力天花板，最優(yōu)秀的人能夠以前所未有的速度和規(guī)模創(chuàng)造價(jià)值。

這也是為什么我們應(yīng)該把AI視為一種 “認(rèn)知杠桿”，而不是簡(jiǎn)單的自動(dòng)化工具。杠桿從來(lái)不會(huì)改變?nèi)说姆较?，它只?huì)放大人的力量。對(duì)于會(huì)使用杠桿的人來(lái)說(shuō)，它創(chuàng)造的是指數(shù)級(jí)收益；對(duì)于不會(huì)使用的人來(lái)說(shuō)，它可能只是一個(gè)看起來(lái)很先進(jìn)的工具而已。

技術(shù)革命往往不會(huì)平均提升所有人的能力，而是優(yōu)先放大那些已經(jīng)擁有較強(qiáng)認(rèn)知能力、組織能力和學(xué)習(xí)能力的人。很多時(shí)候，技術(shù)在擴(kuò)大機(jī)會(huì)的同時(shí)，也在擴(kuò)大優(yōu)勢(shì)。這才是AI時(shí)代最值得關(guān)注的悖論。這個(gè)悖論可以被稱(chēng)為“能力的馬太效應(yīng)”——能夠有效利用AI的人將獲得更大的能力提升，而缺乏相關(guān)素養(yǎng)的人則可能進(jìn)一步被邊緣化。

多管齊下回應(yīng)技能不平等

當(dāng)技術(shù)將努力的含金量稀釋?zhuān)颜J(rèn)知的杠桿率無(wú)限放大時(shí)，優(yōu)勢(shì)的雪球只會(huì)越滾越大。這也正是當(dāng)前各國(guó)政府、經(jīng)濟(jì)學(xué)家和全社會(huì)都在焦慮，并試圖通過(guò)政策、稅收或教育改革來(lái)干預(yù)的根本原因。

在政策層面，政府可以通過(guò)建立全民AI能力提升體系，賦能普通勞動(dòng)者。例如，可以將AI素養(yǎng)納入基礎(chǔ)教育、職業(yè)教育和成人教育體系，使不同年齡、職業(yè)和教育背景的人都能夠?qū)W習(xí)如何使用、理解和評(píng)估AI工具。同時(shí)，政府可以支持企業(yè)開(kāi)展員工再培訓(xùn)和技能提升項(xiàng)目，并推動(dòng)公共就業(yè)服務(wù)體系的轉(zhuǎn)型，從過(guò)去幫助失業(yè)者尋找工作，轉(zhuǎn)向幫助勞動(dòng)者持續(xù)更新技能。一個(gè)好的例子是新加坡政府的“技能創(chuàng)前程”計(jì)劃（SkillsFuture），目標(biāo)就是從政府提供就業(yè)保障向幫助公民“終身可雇用”轉(zhuǎn)變。政府為每位成年公民建立專(zhuān)屬的個(gè)人培訓(xùn)賬戶(hù)，并定期注入資金或提供分層補(bǔ)貼。賬戶(hù)資金只能用于購(gòu)買(mǎi)獲得國(guó)家或行業(yè)認(rèn)證的技能培訓(xùn)課程，重點(diǎn)覆蓋 AI 應(yīng)用、數(shù)據(jù)分析和網(wǎng)絡(luò)安全等領(lǐng)域，幫助人們掌握機(jī)器難以替代的情境判斷力與創(chuàng)造力。這樣的“個(gè)人學(xué)習(xí)賬戶(hù)”制度，使終身學(xué)習(xí)成為一種公共基礎(chǔ)設(shè)施。

在稅收和經(jīng)濟(jì)政策層面，可以通過(guò)調(diào)整技術(shù)收益分配機(jī)制，避免AI紅利過(guò)度集中。AI的發(fā)展可能使擁有先進(jìn)模型、數(shù)據(jù)和計(jì)算資源的企業(yè)獲得巨大的生產(chǎn)率優(yōu)勢(shì)，從而進(jìn)一步擴(kuò)大資本與勞動(dòng)之間的不平等。因此，有識(shí)之士提出，應(yīng)通過(guò)更公平的稅收制度，將部分技術(shù)收益重新投入公共教育和技能培訓(xùn)。例如，對(duì)從自動(dòng)化和AI應(yīng)用中獲得超額利潤(rùn)的大型企業(yè)，可以通過(guò)企業(yè)稅、數(shù)字服務(wù)稅或其他形式的公共貢獻(xiàn)機(jī)制，將部分收益用于支持勞動(dòng)者轉(zhuǎn)型。此外，政府還可以通過(guò)稅收優(yōu)惠鼓勵(lì)企業(yè)投資員工培訓(xùn)，而不是僅僅利用AI削減勞動(dòng)力成本。

同時(shí)，無(wú)需多言，教育改革的步伐需要加快。哈佛大學(xué)經(jīng)濟(jì)學(xué)家克勞迪婭·戈?duì)柖?span id="fe2iclqy7" class="text-remarks" label="備注">（Claudia Goldin）和勞倫斯·卡茨（Lawrence Katz）曾提出一個(gè)著名的觀(guān)點(diǎn)：工資差距是“教育與技術(shù)之間的賽跑”。如果技術(shù)進(jìn)步的速度超過(guò)了教育普及的速度（即高技能勞動(dòng)力供不應(yīng)求），高技能人才的工資就會(huì)大幅上升，導(dǎo)致不平等加劇；反之，如果教育發(fā)展迅速，能夠滿(mǎn)足市場(chǎng)對(duì)技術(shù)的需求，工資差距就會(huì)縮小。

所以，問(wèn)題的關(guān)鍵在于，教育系統(tǒng)能否快速培養(yǎng)出大量高技能人才。教育系統(tǒng)要完成這個(gè)任務(wù)，面臨著三大顛覆性挑戰(zhàn)：

第一是“教材還沒(méi)寫(xiě)好，技術(shù)已經(jīng)過(guò)時(shí)”的知識(shí)滯后。傳統(tǒng)教育的精髓在于標(biāo)準(zhǔn)化和沉淀。一門(mén)課程的成熟教授，通常需要3到5年的周期。但在AI時(shí)代，大模型的架構(gòu)、多模態(tài)能力的邊界甚至主流的開(kāi)發(fā)框架，往往在3到6個(gè)月內(nèi)就會(huì)發(fā)生一次迭代。這意味著，如果高校繼續(xù)沿用傳統(tǒng)的課程開(kāi)發(fā)模式，學(xué)生入學(xué)時(shí)學(xué)到的“前沿技術(shù)”，在畢業(yè)走出校門(mén)的那天，可能已經(jīng)成為了要被淘汰的“技術(shù)負(fù)債”。教育系統(tǒng)必須從傳授確定性知識(shí)轉(zhuǎn)向傳授高頻迭代的動(dòng)態(tài)技能。

第二是如何重構(gòu)“高技能人才”。過(guò)去，教育系統(tǒng)擅長(zhǎng)培養(yǎng)的是“專(zhuān)才”——通過(guò)高考、考研等層層篩選，培養(yǎng)出在某一垂直領(lǐng)域（如單純的代碼編寫(xiě)、財(cái)稅精算、法律條文知識(shí)）極度精通的人才。但AI恰恰最擅長(zhǎng)替代這種標(biāo)準(zhǔn)化、高密度的垂直技能。今天急需的高技能人才必須具備那些難以被AI替代的能力，例如批判性思維、創(chuàng)造力、跨學(xué)科能力、溝通能力、倫理判斷和問(wèn)題定義能力等，而這些恰恰是現(xiàn)有教育系統(tǒng)的短板：比如最值錢(qián)的人才站在技術(shù)與人文或者不同產(chǎn)業(yè)的交匯點(diǎn)上，而高校目前的院系墻壁依然高聳；傳統(tǒng)的考試在評(píng)估學(xué)生給出標(biāo)準(zhǔn)答案的能力，但AI時(shí)代的核心競(jìng)爭(zhēng)力是，在模糊的現(xiàn)實(shí)中定義核心問(wèn)題，并將其轉(zhuǎn)化為AI可執(zhí)行的指令。

第三，培養(yǎng)高技能人才需要懂得最前沿AI的導(dǎo)師。然而，學(xué)術(shù)界與產(chǎn)業(yè)界在算力資源、數(shù)據(jù)規(guī)模以及薪酬待遇上存在著巨大的鴻溝。頂尖的AI研究者和實(shí)踐者大多集中在科技巨頭或獨(dú)角獸企業(yè)中，高校因?yàn)轶w制和經(jīng)費(fèi)限制，很難留住或吸引到真正處于AI一線(xiàn)的頂級(jí)人才。這就導(dǎo)致了一個(gè)尷尬的局面：坐在講臺(tái)上的教授，可能已經(jīng)好幾年沒(méi)有摸過(guò)企業(yè)里真正投入商用的AI管線(xiàn)，卻要指導(dǎo)學(xué)生如何面對(duì)未來(lái)的AI職場(chǎng)。

教育系統(tǒng)要變快，就必須打破“圍墻”。未來(lái)的高等教育和職業(yè)教育不能再閉門(mén)造車(chē)，而要推行產(chǎn)教融合的“雙軌制”：讓科技企業(yè)直接參與課程設(shè)計(jì)，甚至將課堂直接搬進(jìn)企業(yè)的真實(shí)項(xiàng)目里。

AI時(shí)代個(gè)體競(jìng)爭(zhēng)力的重塑

即便政府建立了普惠通道，這一體系也只能解決勞動(dòng)者的及格線(xiàn)。如前所述，AI放大了高技能人才的優(yōu)勢(shì)。政府建體系的目的，是為了防止底層勞動(dòng)者被技術(shù)徹底甩下，至于能不能靠這個(gè)體系實(shí)現(xiàn)提升，最終依然取決于個(gè)體的認(rèn)知上限。

AI打破了傳統(tǒng)的職場(chǎng)晉升階梯。過(guò)去，普通人可以通過(guò)出賣(mài)時(shí)間和提升熟練度來(lái)?yè)Q取生存空間，在職場(chǎng)中慢慢熬出頭。現(xiàn)在，技術(shù)把中間的過(guò)渡階層抽干了，只留下頂端和底端。

在這個(gè)沙漏型職場(chǎng)中，頂端的人因?yàn)橛?AI 這一“萬(wàn)倍放大器”，其生產(chǎn)力已經(jīng)非人化。AI讓企業(yè)看到了“無(wú)勞動(dòng)力增長(zhǎng)”的可能性。一個(gè)由10個(gè)高管和100個(gè)AI智能代理組成的公司，可能就可以撬動(dòng)過(guò)去1000人的業(yè)務(wù)量。而一個(gè)頂尖的基金經(jīng)理加上 AI，或許可以激發(fā)過(guò)去一個(gè)百人分析師團(tuán)隊(duì)的能量。

而底端的人，由于缺乏進(jìn)化的梯子，極易被困在出賣(mài)純體力或低價(jià)值重復(fù)勞動(dòng)的泥潭里。對(duì)個(gè)體來(lái)說(shuō)，為了避免這樣的沉落，一入職，就必須把自己當(dāng)成主導(dǎo)者而非執(zhí)行者來(lái)培養(yǎng)。

在 AI 時(shí)代，成長(zhǎng)為專(zhuān)家的速度必須超越初級(jí)崗位被消滅的速度。什么決定速度？是學(xué)習(xí)能力。技術(shù)革命的特點(diǎn)是知識(shí)的半衰期極短。擁有強(qiáng)學(xué)習(xí)能力的人，具備更底層的“元認(rèn)知”——他們知道如何快速理解新概念、如何向AI精準(zhǔn)提問(wèn)、如何在新工具間建立工作流。因此，每一次技術(shù)迭代，他們都能以最低的摩擦成本“肉身進(jìn)化”，率先吃掉技術(shù)帶來(lái)的第一波紅利。而缺乏學(xué)習(xí)習(xí)慣或能力的人，往往在每一次技術(shù)換代時(shí)，都會(huì)被被拉開(kāi)更遠(yuǎn)的距離。

還有，組織與連接能力決定了紅利的上限。孤立的個(gè)人能力被放大是有限的，但組織能力能讓這種放大突破上限。那些擅長(zhǎng)協(xié)調(diào)資源、理解商業(yè)邏輯、具備管理和協(xié)同能力的人，能利用新技術(shù)建立起更高效的平臺(tái)、團(tuán)隊(duì)或業(yè)務(wù)網(wǎng)絡(luò)。

比如，過(guò)去一個(gè)卓越的組織者或許只能管理一個(gè)50人的團(tuán)隊(duì)，但現(xiàn)在，利用各種數(shù)字化、智能化協(xié)同工具，她可以高效調(diào)度一個(gè)跨國(guó)、跨領(lǐng)域的千人網(wǎng)絡(luò)，甚至一個(gè)人就能指揮由AI工具鏈組成的“超級(jí)個(gè)體公司”。

這并不意味著每個(gè)人都要成為管理者，而是意味著每個(gè)人都需要具備一定程度的自主性和決策能力。例如，一名記者不能只把AI當(dāng)作寫(xiě)稿工具，而應(yīng)該能夠判斷哪些問(wèn)題值得調(diào)查、怎樣突破障礙設(shè)計(jì)采訪(fǎng)框架、如何驗(yàn)證AI生成的信息；一名程序員不能只關(guān)注代碼編寫(xiě)，而需要理解業(yè)務(wù)需求、設(shè)計(jì)系統(tǒng)架構(gòu)并評(píng)估技術(shù)方案；一名研究人員也不能只是讓AI總結(jié)資料，而需要提出具有原創(chuàng)性的研究問(wèn)題并判斷分析結(jié)果的意義。AI可以提高任務(wù)執(zhí)行效率，但無(wú)法替代對(duì)目標(biāo)、價(jià)值和方向的把握。

未來(lái)的競(jìng)爭(zhēng)并不是簡(jiǎn)單的人與機(jī)器之間的競(jìng)爭(zhēng)，而是能夠與AI形成協(xié)同關(guān)系的人，與無(wú)法適應(yīng)這一新認(rèn)知環(huán)境的人之間的競(jìng)爭(zhēng)。適應(yīng)者能夠容忍不確定性，具備極強(qiáng)的卸載過(guò)時(shí)知識(shí)（unlearn）的能力，無(wú)法適應(yīng)的人則相反，很容易陷入“認(rèn)知寄生”，形成對(duì)智能系統(tǒng)的依附關(guān)系。

最大的AI技能鴻溝并不在技術(shù)層面，而在行為層面。技術(shù)能力可以通過(guò)培訓(xùn)獲得，但開(kāi)放性、學(xué)習(xí)習(xí)慣、批判性思維、實(shí)驗(yàn)精神以及持續(xù)進(jìn)化的能力，才是決定一個(gè)人能否從AI浪潮中獲益的關(guān)鍵。

本文來(lái)自微信公眾號(hào)：騰訊新聞大聲思考，作者：胡泳