FX168财经报社(北美)讯 人工智能正在以前所未有的速度改变就业市场。程序员、设计师、金融分析师乃至企业管理人员，都开始面临一个越来越现实的问题：当AI能够完成越来越多原本由人类承担的工作时，究竟还有什么职业是安全的？有人建议年轻人学习编程、掌握AI工具，也有人认为应该转向水管工、护士等需要动手操作的职业，以避开自动化浪潮。然而，美国宾夕法尼亚大学沃顿商学院一位研究AI的教授却提出了不同看法：这些看似合理的建议，可能都无法真正解决问题。

沃顿商学院管理学教授伊桑·莫利克（Ethan Mollick）在接受Business Insider专访时表示，人们对AI发展速度的理解，可能远远落后于技术本身。他认为，AI不仅正在改变知识型工作，也可能通过机器人技术逐渐影响传统体力劳动。与其试图寻找一种永远不会被AI取代的职业，不如培养那些能够帮助人类与AI共同工作的核心能力。

莫利克长期关注人工智能在企业管理、教育及职场中的应用。在其新书《Co-Existence》中，他提出，人们必须接受一个现实：今天看起来具有竞争优势的许多技能，未来可能不再那么稀缺。真正重要的，不是不断猜测哪种工作最安全，而是学会如何在AI能力持续提升的环境中创造价值。

改行当水管工就安全了？AI可能连体力劳动也改变

近年来，随着生成式AI在写作、编程、客服和数据分析等领域迅速普及，不少职业建议开始鼓励年轻人远离容易自动化的办公室工作，转而选择水管工、电工、护理等需要现场操作或人际互动的职业。这些工作往往依赖复杂的现实环境、手部操作和实际经验，因此被认为较难受到AI直接冲击。

但莫利克认为，将这些职业视为永久安全的避风港，可能过于乐观。他半开玩笑地指出，水管工职业看起来很安全，直到未来某一天出现名为“PlumBot 6000”的机器人。虽然他并不自称机器人专家，但他观察到，过去认为大语言模型与机器人发展关系不大的研究人员，如今也开始重新评估两者结合可能带来的变化。

这并不意味着水管工或护士即将被机器人全面替代。莫利克承认，没有人能够准确预测未来技术发展的速度和方向，甚至AI领域专家也无法确定哪些职业最终会增加岗位，哪些职业会减少岗位。但他强调，不能因为某项工作目前难以自动化，就假定它未来几十年都不会受到冲击。

软件开发行业已经提供了一个典型案例。AI正在迅速改变程序员的日常工作，但行业最终会增加还是减少就业岗位，目前仍没有明确答案。可以确定的是，程序员的工作内容正在改变，编写完全没有错误的代码可能不再像过去那样重要，而清楚构思需要开发什么产品、如何组织功能以及如何评价最终成果，正在变得更加关键。

对于部分程序员而言，AI减轻了重复性劳动，使他们能够专注于更有创造性的任务，工作满意度反而有所提高。但对于另一些人而言，原本依赖的专业技能正在迅速贬值，职业前景也变得更加不确定。这种分化说明，AI未必只是简单地消灭某个职业，而可能重新定义整个职业的价值结构。

未来真正值钱的四种能力，第一项是深度专业知识

面对AI不断提升的能力，莫利克在新书中提出了四项能够帮助个人保持竞争优势的关键能力：深度知识、广泛知识、判断品味和主动行动能力。

首先是深度专业知识（Deep Knowledge）。莫利克认为，真正深入理解某一领域的人，仍然能够在与AI协作时保持优势。虽然AI可以迅速生成大量信息、分析报告或技术方案，但它并不意味着能够独立判断所有结果是否合理。具有深厚专业经验的人，更容易识别错误、发现遗漏，并判断AI建议是否符合现实条件。

例如，在软件开发领域，AI可以帮助生成代码，但熟悉系统架构、业务需求和安全标准的工程师，仍然需要判断解决方案是否可靠。在金融、医疗、法律和科学研究等专业领域，深度知识也有助于人们提出更有价值的问题，并验证AI生成的结果。

莫利克强调，未来的竞争优势可能不再取决于一个人能否比AI更快地完成某项具体任务，而在于他是否真正理解任务背后的复杂问题。专业知识越扎实，就越有能力将AI变成提高工作效率的工具，而不是被AI输出牵着走。

第二项能力：知识越广，AI越能放大你的优势

与深度专业知识同样重要的，是广泛知识（Wide Knowledge）。莫利克观察到，AI已经开始打破企业内部原有的岗位边界。程序员可能参与设计工作，设计师开始承担部分编程任务，而市场营销人员也能够借助AI制定商业计划。

过去，员工往往需要依靠不同部门的专业人员才能完成跨领域任务，但AI正在降低这些工作的技术门槛。一个具备多学科知识的人，可以利用AI弥补部分技能不足，从而独立完成过去需要多人协作的项目。

这意味着，未来企业可能更加看重能够理解业务全局、协调不同领域并推动项目落地的复合型人才。对于个人而言，拥有一个扎实的专业基础，同时理解设计、技术、商业、数据等相关领域，将有助于扩大自身的职业选择空间。

不过，广泛知识并不意味着每个领域都要成为专家。莫利克强调的是，了解多个领域的基本原理和运作方式，能够帮助人们更有效地使用AI，并识别跨学科合作中真正值得解决的问题。

第三项能力：AI能批量生产内容，但好坏仍需要人来判断

莫利克提出的第三项能力是“品味”（Taste），也可以理解为判断力、审美能力以及对高质量成果的识别能力。

生成式AI的一个突出特点，是能够以极低的边际成本批量生产文本、图片、代码、设计方案和商业建议。然而，当越来越多人都能轻松生成大量内容时，真正稀缺的可能不再是内容生产能力，而是从众多结果中挑选出优质作品的能力。

莫利克指出，AI可以不断生成新方案，但如果使用者无法判断哪些内容值得保留，最终可能只会得到大量质量一般、缺乏特色的产出。真正具有竞争优势的人，需要能够分辨什么是好的产品、好的设计、好的表达，以及什么样的解决方案更符合用户需求。

这种判断力通常不是通过简单学习几条AI提示词获得的，而是建立在长期经验、专业知识和不断实践的基础之上。对于一名设计师而言，AI可以生成数十种视觉方案，但最终选择哪一种，仍然需要考虑品牌定位、用户体验和商业目标。对于企业管理者而言，AI能够提出多种战略建议，但判断哪些方案值得投入资源，仍然需要对市场和组织有深入理解。

因此，在AI时代，能够提出高标准、识别优秀成果并持续改进产品的人，可能比单纯擅长快速生产内容的人更具价值。

第四项能力：别再迷信提示词，真正重要的是主动掌控AI

莫利克认为，第四项能力是主动行动能力（Agency），也就是明确目标、作出决策并推动事情完成的能力。

他指出，过去人们经常强调学习AI提示词技巧，认为掌握某些特殊表达方式，就能够让模型产生更好的结果。但随着AI系统持续进化，这些技巧的价值正在迅速降低。莫利克及其团队测试过多种教授AI使用技巧的方法，却发现不少曾经有效的技巧已经无法继续带来明显优势。

在他看来，与AI互动正在从“编写提示词”转向“管理工作”。用户不再需要依赖所谓的神奇指令，而是应当明确告诉AI需要完成什么产品、如何判断成果是否合格、应当通过什么方式测试，以及在哪些阶段需要展示中间结果。

例如，一个真正善于使用AI的人，不只是要求系统“帮我设计一个产品”，而是能够说明目标客户、核心功能、质量标准和测试方法，并要求AI提供多个不同方案进行比较。这种工作方式越来越接近管理一个团队，而不是操作一个普通软件工具。

莫利克认为，这对拥有多年工作经验的中年职场人士可能是一个好消息。因为他们通常已经积累了行业知识、职业判断力和项目管理经验，能够更有效地指导AI完成工作。相比之下，刚刚进入职场的年轻人，可能面临更加棘手的问题。

真正的危机来了：AI正在切断年轻人的成长路径

在整场访谈中，莫利克最担忧的并不是AI立即取代大量工作岗位，而是AI可能正在破坏企业培养下一代专业人才的传统机制。

过去数千年来，许多职业都依靠类似学徒制的方式培养新人。年轻员工进入银行、咨询公司、审计机构或其他企业后，通常从基础性、重复性甚至较为繁琐的工作做起。虽然这些任务的技术含量未必很高，薪酬也可能有限，但员工能够在实际操作中逐步理解业务流程、建立专业判断力，并积累与客户和同事合作的经验。

与此同时，资深员工和管理者可以把部分基础工作交给新人，让他们在完成任务的过程中学习。即使指导并不完美，这种模式仍然能够持续培养下一代具备经验的专业人员。

然而，AI正在改变这一关系。对于刚入职的员工来说，使用AI完成任务可能比自己动手更快、更准确，因此他们有动力将越来越多的工作交给AI。问题在于，如果年轻人尚未形成专业知识和判断力，就很难知道AI生成的报告究竟是好是坏。

对于管理者而言，情况同样如此。如果AI能够比实习生更快完成工作，而且质量更稳定，那么管理者为什么还要花费大量时间指导新人？企业高层也可能认为，既然AI能够立即提高生产效率，就没有理由继续投入资源，让缺乏经验的员工以较低效率完成同样任务。

莫利克认为，这种变化正在打破传统学徒制中原本能够相互促进的激励机制。新人失去了练习的机会，管理者减少了指导的动力，企业则越来越依赖已经具备成熟经验的员工。短期来看，这可能提高生产效率，但从长期来看，却可能导致人才培养体系出现严重缺口。

企业只招资深员工？未来可能陷入人才断层

莫利克警告，如果企业普遍决定只招聘经验丰富的员工，而不愿意承担培养新人的成本，最终可能出现一个危险结果：专业人才的后备队伍逐渐枯竭。

这一问题在银行、咨询、审计、软件开发等知识密集型行业尤其值得关注。传统上，这些行业依赖大量初级员工处理基础任务，在实践中培养下一代分析师、工程师和管理者。一旦这些入门级任务被AI大量承担，年轻人进入行业并获得真实经验的机会就可能减少。

更深层次的矛盾在于，企业希望招聘已经具备深度知识、良好判断力和独立工作能力的人，但这些能力恰恰需要通过长期实践才能形成。如果所有企业都只想聘用资深人员，却没有足够的机构愿意培养新人，那么未来的资深人才又将从哪里来？

莫利克认为，解决这一问题可能需要重新设计职业教育和企业培训体系。一种可能的方向，是让部分白领职业采用更正式、更结构化的技能培训模式，类似水管工、焊工等技术职业所使用的职业学校和实操训练机制。

另一种方式，则是企业主动将导师制度视为一项真正需要长期投入的工作，而不是完全依靠日常任务分配来培养新人。这意味着企业必须接受一个现实：培养年轻员工需要时间，也可能暂时降低生产效率，但其长期回报是能够不断产生具备专业经验的新一代员工。

学校教育同样需要改变，不能让AI替学生完成所有思考

除了企业培训体系，AI也正在改变学校教育。莫利克认为，人工智能本身可以成为非常有效的辅导工具，帮助学生理解复杂概念、获得个性化反馈，并根据学习进度调整教学方式。

但问题在于，学生天生倾向于把困难、繁琐的任务交给工具完成，而AI恰好让这种行为变得前所未有地容易。当学生可以让AI直接撰写作业、完成研究或解决问题时，他们可能在短期内提高效率，却失去了真正掌握知识和培养判断力的机会。

莫利克并不认为解决办法是全面禁止AI。相反，他主张将AI辅导与独立学习结合起来，例如允许学生在课堂外使用AI辅助学习，同时通过课堂讨论、现场考试、独立写作和面对面交流等方式检验学生是否真正掌握知识。

在他看来，教育系统最终有机会利用AI实现更高质量的个性化教学，但前提是必须明确区分哪些任务可以交给AI完成，哪些基础能力仍然需要学生亲自练习。

AI时代最大的竞争优势，可能不是技术本身

莫利克的核心观点并不是人类能够找到某种永远不会被AI替代的能力，也不是所有传统职业都将消失。他强调的是，技术正在迅速改变工作的具体内容，而人们需要更加重视那些能够帮助自己适应变化、评价成果并主动创造价值的能力。

深度知识帮助人们真正理解问题，广泛知识让人们能够跨越专业边界，判断品味决定哪些AI成果值得采用，而主动行动能力则让人们能够将技术转化为实际成果。这四种能力相互联系，也越来越难以单独通过学习某种软件或掌握某个工具获得。

对于已经拥有多年职业经验的人而言，AI可能成为放大自身专业优势的工具；对于刚刚进入职场的年轻人而言，最大的挑战则是如何在AI代劳越来越多任务的环境中，依然获得足够的学习、实践和成长机会。

最终，AI时代真正需要解决的问题，可能不只是哪些工作会消失、哪些职业会出现，而是当机器能够完成越来越多入门级任务时，人类社会将如何培养未来的专家、管理者和创新者。

如果企业、学校和个人都过度追求眼前效率，却忽视培养下一代人才所必需的学习过程，那么AI带来的生产力提升，反而可能伴随着长期的人才供给危机。