伊桑 · 莫利克并不认为这套办法可行。莫利克是沃顿商学院管理学教授，也是当下颇具影响力的研究者，专注解读人工智能如今能做到什么、以及它对需要和 AI 协同工作的普通人意味着什么。他的新书

　　这意味着要承认：你当下掌握的很多能力，未来价值会持续下降；你需要专注打磨那些 AI 无法复刻的个人特质。

　　彼得 · 卡夫卡在自己的播客栏目

　　伊桑 · 莫利克：我觉得作用不大。先说一点：就算选这类职业，哪天 PlumBot 6000 这类机器人问世，情况就不一样了。我不是机器人领域专家，但我认识的机器人研究者态度已经转变，他们原先觉得“大语言模型和机器人完全是两码事，机器人研发难度极高”，现在意识到，这里面确实存在打通的可能性。

　　未来会走向何方，我不知道，我相信没人能准确预判。这话出自一位 AI 研究者之口，听来或许让人安心，也可能让人焦虑。

　　变化最剧烈的行业就是编程。我们已经看到编程岗位正在发生变革，甚至我们都无法确定，未来程序员岗位总量会变多还是变少。但可以确定，程序员的工作内容会持续迭代。

　　写出零错误代码这件事，重要性已经比不上构思清楚我们想要搭建什么。不少程序员的工作体验比以前更好，但也有人感到失落。这类岗位本身一直在演化。

　　我在书里提到四种特质，至少能帮人建立一部分优势。第一是深度专业认知：深耕一个领域，依靠专业积淀胜过 AI。第二是广博的知识面：涉猎大量不同领域。

　　我在很多企业观察到一个现象：程序员开始做设计，设计师写代码，市场人员起草商业方案。你了解的跨领域知识越多，就越能用好 AI。

　　第三个是审美判断力。AI 产出内容的数量巨大，想要避免成品粗制滥造，就需要你有判断力，懂得筛选优劣。

　　最后一点是主观能动性。我认为单纯“学会用 AI”这个说法现在已经没有太大意义。我们测试过各种 AI 使用教学方法，过去那些技巧慢慢失效了。

　　提示词工程越来越像项目管理。不再依靠什么特殊咒语使唤 AI，而是清晰定义需求：我要做这个产品、验收标准是什么、怎么测试、分阶段交付，给我出五版方案供我挑选。

　　对于已经有多年工作经验、具备阅历与审美的职场中年人来说，这算是个好消息。但如果你刚刚入行，在 AI 张口就能帮你查资料、写文稿的环境里，该怎么培养这些能力？

　　从个体来说，人类天生就习惯把脑力工作外包出去，这是刻在本能里的。技术本来就是用来摆脱枯燥劳动的。有了洗碗机之后，没人愿意坚持手洗碗；也没人愿意自己动手搅拌黄油。

　　但我们很难分清，哪些能力可以放手交给工具。学生作业靠 AI 作弊，本质上就是这个问题的体现。

　　再来说各类培养机构。职业学习路径分为两类，一类是初高中和大学教育。这套体系现在确实一团乱麻，但我们还有调整空间。AI 本身是非常优秀的辅导工具，我们也有办法脱离 AI 考核学生：笔试闭卷、面对面口试。未来的教育模式可以是课后由 AI 辅导，课堂上开展主动式学习，整体反而会变得更好。

　　他们做枯燥琐碎、薪资微薄的基础工作，有时还要承受苛待；交换条件就是习得技能、积累人脉，在实操中学会做事。中层管理者也有人帮忙处理杂活。哪怕导师本身并不擅长教学，新人依然能熟悉业务流程；做出成果就能晋升，源源不断培养出合格从业者。这套模式运行了几千年。

　　可现在这套机制已经失灵，各方的激励不再匹配。作为新人，最简单的选择就是凡事交给 AI，AI 产出质量往往比自己更高。但新人很容易误用 AI：直接把需求丢给 Claude，原样上交结果。他们还没有建立判断力，根本分辨不出这份报告好坏。

　　管理者也会想：既然 AI 能更快更好地解决问题，我为什么还要找实习生？企业管理层则会认为，何必拖慢进度、接受实习生质量不稳定的产出？

　　出路只有两个方向：要么把更多正式职业教育做起来，很多偏文职的基础岗位，未来会像焊工、管道工一样，走职业技校路线；要么企业必须认真把带教当成正经工作来落实。带新人要投入时间、短期牺牲效率，但换

　　我最担心的情况，是企业选择“只招资深熟手”。这是一条危险的路：人才输送通道就此断掉，后继无人。

　　特别

　　耗时28年，走了5万公里，英国男子1998年从智利出发，如今终于回到家了！曾遭到过暴徒袭击，与北极熊对峙过；花了近10年时间才穿越俄罗斯

　　悲催！网传大厂程序员将服务器年开销从2亿压至200万，不料全组被裁，网友：血的教训！牛马们留意

　　火山詩线个月后从泰国打来电话报平安，妻子担心其遇险：我们平时用四川话交流，他打电线年终于坦白！宋慧乔首次公开离婚真相，没有出轨，原因心酸

　　批量劝退应届生的车灯公司星宇股份2026年第三季度归母净利润2.62亿元，同比下降39.62%