当今劳动力市场正在经历的颠覆性变革，是前所未有的。过去的自动化浪潮席卷了工厂车间和体力劳动岗位，而人工智能则正冲击着白领工作，尤其是入门级职位。2026年第一季度，科技公司裁员超过7.8万人，其中48%归因于人工智能自动化。就连美国联邦储备委员会主席杰罗姆·鲍威尔也警告称，人工智能“绝对会对就业创造产生影响”。

共识在于：与让工作岗位过时相比，AI正在对工作进行重塑和重组。个人能否以及如何在提升自身技能的同时善用AI（特别是对于初级和基层员工），将决定他们未来的就业保障。

元技能将成为变革的关键

未来几年最容易被人工智能取代的岗位，通常属于低端岗位，且无需协作（如模块化工作）或现场办公（如纯知识型工作），且工作方式在各公司间大同小异。这并非因为算法能有效替代此类岗位的所有任务——现有证据表明（目前）尚不能——而是因为企业不再招聘相关人员，因为他们预期人工智能最终会赶上。

话虽如此，自生成式人工智能问世以来，已催生出完全崭新的任务和角色。我将其归纳为四类：AI运维、AI合规、人机交互相关岗位（如提示词管理员、AI人格教练），以及或许规模最大的类别——即在软件、医疗服务及其他需求弹性较高的领域中，通过AI增强的传统岗位。

尽管我们无法预测未来哪些技能会受到青睐，但我认为，能够让人类快速掌握新技能的“元技能”，其重要性将超过具体技能。正如我在另一篇文章中所解释的，元技能不同于领域知识或技术专长。诸如类比推理、元认知调节、高阶思维和社交协调等元技能，并不会直接产生具体产出。相反，它们能加速学习进程，促进跨情境的知识迁移，并帮助人们在任务演变时灵活适应。

在与亚历山德罗·斯福尔扎（Alessandro Sforza）和马泰奥·德维吉利（Matteo Devigili）合作的新研究中，我试图通过研究“超级跳跃者”——即那些在转行时技能水平实现飞跃式提升的个体——来锁定元技能的特征。过度依赖AI工具的危险在于，我们的元技能可能会逐渐退化。这意味着我们短期内或许效率更高，但随着时间推移，将变得日益脆弱且被商品化。

AI正在重写规则

人们常从AI导致就业岗位流失或创造的角度来讨论这一话题，但这种框架忽略了更根本的转变。AI正在改变工作的结构、价值的定义以及机会的分配方式。简而言之，人工智能正在重写工作的规则。

人工智能并非完全取代工作岗位，而是越来越多地改变着工作中的具体任务。与其关注岗位的增减，不如关注任务在人类与机器之间如何重新分配。即使没有大规模失业，人工智能也可能在职责、工作范围和职业发展方面引发一种更隐蔽的颠覆。

这种转变改变了价值的本质。当高质量产出变得唾手可得时，价值便从生产环节转向了判断力——即解读、评估和决策的能力。为了保持竞争力，人类必须掌握引导人工智能系统、评估其产出，并运用情境和因果推理的能力。

判断力不仅对提升自身工作至关重要，对评估他人的贡献同样不可或缺。随着人工智能使大规模产出精良成果变得愈发容易，辨别真正有价值的工作反而变得更加困难。因此，那些更善于让自己的工作，无论是否具有价值，获得可见度的人，可能更有机会把握机遇。

这反映了我研究中强调的一个更广泛的现象：当人们用于评估日益庞大产出的时间和信任度不足时，可见度就越来越决定着谁的工作能获得认可。当缺乏判断力时，表现得忙碌或高调就能取代真正有价值的工作，而公信力便变得稀缺。

在这个产出泛滥的世界里，真正的优势在于运用判断力并建立公信力，这既体现在我们产出的工作中，也体现在对其的评价方式上。

若无法战胜它们，就善加利用

在针对Upwork平台专业工作者的一项持续研究中，我观察到，那些花时间学习哪些工具最适合特定任务、如何有效组合工具以及如何熟练运用工具的人，成功地将人工智能从威胁转变为资源。

AI工具还能释放时间和认知资源，使工作者能够尝试新任务、开展副业项目，并探索创造价值的新途径。例如，利用AI进行数据收集和初步分析的市场调研人员，便能将更多精力投入到数据的解读与应用中。这样一来，个人职业韧性得以增强，组织也从中获益。

但需注意：职业生涯初期的员工应优先进行实践学习，这意味着在AI唾手可得时，反而应避免使用。我们的研究表明，从AI中获益最多的专业人士，是那些已经知道在特定情境下“优质”成果应呈现何种样貌的人。相反，如果个人在未建立这种基础理解的情况下就依赖AI，往往难以发现错误或有效改进AI的输出结果。

对个人而言，被人工智能取代的前景会引发不确定性、焦虑，以及地位和自主权受损的感觉。从社会层面看，普遍存在的就业不安全感可能加深受益于人工智能者与被取代者之间的鸿沟。在“大规模失业”的情景下，政治和经济现状的合法性可能会受到动摇。

为缓解或避免这些后果，不仅需要为劳动者提供帮助其转行的支持，还需协助他们将人工智能带来的颠覆视为一种暂时的过渡，并将其视为寻找更有意义工作的契机。领导者方面，应将劳动者视为能够识别并创造新价值的有能力贡献者，而非多余劳动力。

培养深厚的领域知识与“品味”

当前劳动力市场的大部分变化，是现有岗位为融入人工智能而进行的重组，而非新类别的出现。可接受的工作产出门槛似乎已提高：人们入职时就被期望能胜任那些过去可能需要更多时间才能掌握的工作，而普通入门级岗位的职责范围，可能开始更接近中级岗位的水平。

在这些重新设计的角色中，对深厚的领域知识以及我称之为“品味”的能力的需求可能会增加，我将在下文中对此进行说明。以下是一些个人可以采取的具体行动，以保持竞争力：

广泛使用人工智能，最好是现有的最佳模型。这将让你了解人工智能能做什么、不能做什么，以及作为人类的你具有哪些独特的优势。随着模型的演进，你也能更快、更准确地发现改进的方向。

在你的专业领域培养“品味”，即对优秀作品应有的样子、何为有价值的贡献、以及何为新颖或粗糙的直觉判断。品味通常是社会构建的产物：它由从业者社区共同创造，并受其价值观的塑造，其中大部分内容尚未被充分记录，以至于人工智能难以捕捉。通过与领域内人士直接互动并定期获取同行反馈来培养这种品味。你不能仅依赖人工智能来做到这一点，而且如果依赖它，你的思维就更难保持原创性。

培养批判性思维。我的意思是，要具备评估自己知道什么、不知道什么以及不确定什么的能力，并能退一步反思和调整。这些技能在多大程度上“可培养”尚有争议，但某些人显然更擅长此道，这使他们占据了巨大优势。获取工作反馈并学会检验自身知识，都是培养过程的重要环节。

了解人工智能的工作原理。你无需亲自构建模型，但需要掌握足够的知识，以预判人工智能的优劣势，并能理解其不断涌现的改进之处。