AI不会同时取代所有人，但会重新定义每一个岗位

最近我聊了两个和AI有关的职场案例。

一个人感到迷茫，一个人感到焦虑。

她们面对的状态不一样，但背后其实是同一个问题：

AI来了，我们现在做的工作还会存在多久？

工作做得不错，为什么还是觉得“使不上劲”？

第一个案例：转型成功后依然迷茫的项目管理者

第一个案例是一位女生。

过去两年，她完成了一次职业转型，从测试岗走到了测试项目管理。

原来的测试岗更偏专业和执行，测试项目管理则是一个相对复合的岗位。除了懂测试，她还要协调团队、推动项目，并对项目落地承担更多责任。

在这个过程中，她学到了新的技能，也获得了很多正反馈。

客户认可她，内部团队认可她，项目也顺利落地。公司和领导对她的工作有认可，也给了相应的奖励。

从外部评价来看，她这次转型其实是成功的。

但做了两年以后，她又遇到了新的问题。

她和我说，现在的工作可以做，也能做好，但总感觉有点使不上劲，同时又有一些迷茫。

这种状态，我觉得不完全是能力不足。

有时候，恰恰是因为一个人已经掌握了当前岗位的主要工作，却还没有找到下一层能力应该往哪里生长。

她不是不会做，而是原来的挑战已经不足以继续推动她了。

我当时给了她两个方向。

方向一：用AI重新设计现有工作

一个方向，是把AI真正用进现在的工作中。

不是为了追赶热点去学几个工具，而是重新审视自己的工作流程：

哪些工作高度重复，可以交给AI辅助？

哪些信息整理、内容分析或流程性工作，可以被AI优化？

AI释放出来的时间，能不能投入到更重要的判断、沟通和项目推进中？

这不是在原有工作之外再增加一项任务，而是用AI重新设计现在的工作。

方向二：向更大范围的项目管理进阶

另一个方向，是从测试项目管理继续向软件项目开发全流程的项目管理进阶。

如果过去负责的主要是测试环节，下一步能不能逐渐理解开发全过程？能不能站在更大的项目视角，协调不同环节、理解上下游问题，并帮助团队把整个项目推进下去？

她听完以后很感兴趣，也打算尝试。

我觉得她的这个案例很有代表性。

当AI进入一个岗位以后，个人不一定要马上离开原来的方向。有时候，更现实的路径是先利用AI改造现有工作，再把自己的责任范围向上或者向外扩大。

工具升级和岗位升级，可以同时发生。

第二个案例：担心被AI替代的焦虑程序员

第二个案例是一位程序员。

他不是迷茫，而是焦虑。

他担心的是，以前需要自己完成的事情，未来AI都可以做了，那自己还能做什么？

因为我对程序员岗位的具体工作并没有那么了解，所以当时只能从判断、审美等比较通用的能力角度和他沟通。

但聊完以后，我没有看到他真正释然。

他还是焦虑。

后来我在想，这个课题可能确实需要留给他自己。

别人可以提供方向，也可以告诉他哪些能力暂时不容易被替代，但我们很难用几句话替另一个人消除对未来的不确定。

因为他担心的可能不只是“AI会不会写代码”。

更深一层的问题是：

如果过去多年积累的专业能力不再稀缺，我还剩下什么？

这是很多专业岗位都会面对的问题。

当一个人长期依赖某项技能建立自己的职业价值时，这项技能一旦被AI快速压缩成本，他感受到的就不只是技术变化，还有个人价值感的动摇。

所以，只告诉他“人还有判断力”“人还有审美”，可能并不足以真正解决焦虑。

他还需要回到自己的具体工作中，把任务重新拆开：

哪些事情AI已经能够完成？

哪些事情可以由AI辅助，但仍然需要人判断？

哪些事情一旦出错，需要有人承担后果？

哪些问题不是写出代码就结束了，还需要理解业务、权衡成本、沟通需求和推动落地？

焦虑只有落到具体任务上，才有可能变成行动。

AI可能不会直接消灭岗位，但会拆解岗位

我之前看到过一个让我蛮震撼的案例。

印度一些产线工人佩戴摄像设备，记录自己在工作中的动作和操作步骤。这些第一视角数据能够被整理并用于训练机器人，让机器学习人类如何完成具体任务。公开报道提到，有工人担心，自己正在参与训练未来可能替代自己的机器人。现阶段，这些数据的确被用于训练机器人和具身AI，但机器人将以什么速度、在多大范围内替代具体岗位，仍然存在不确定性。

《The Indian Express》相关报道

我看到这个案例以后，第一反应也是震撼。

一个人每天最熟悉的动作、积累多年的操作经验，正在被记录、提取，然后转化成机器可以学习的数据。

这件事让我意识到，AI对工作的影响，可能不是某一天突然宣布“这个岗位消失了”。

它更可能先进入一个岗位，把岗位里的任务逐项拆开。

重复度高、规则明确、过程能够记录、结果容易验证的部分，会先被自动化。

剩下的工作可能仍然需要人，但人数、分工和能力要求都会发生变化。

因此，未来消失的未必总是一个完整的岗位名称。

更常见的情况可能是：岗位还在，但企业已经不再需要那么多人；岗位名称没有变，里面真正有价值的工作却变了。

不要只升级技能，要重组能力

很多人面对AI的第一反应，是赶紧学习一个新工具。

这当然有用，但还不够。

因为工具本身也在快速变化。今天掌握的操作方法，未来可能很快又被新的产品替代。

真正需要建立的，是一套能够随着工具变化而继续工作的能力组合。

这个能力组合包括四个层级：

1. 原有专业能力

这个组合里，首先要有原来的专业能力。

如果不理解业务、不知道什么结果才算正确，即使AI生成了内容，也很难判断它到底能不能用。

2. AI协作能力

其次，是AI协作能力。

这里的重点不是“会不会使用某个软件”，而是能不能拆解任务、提出问题、验证结果，并把AI放进真实的工作流程。

3. 跨环节理解和整合能力

再往上，是跨环节理解和整合能力。

测试人员能不能理解整个软件开发流程？程序员能不能理解业务目标、用户需求和项目成本？项目管理者能不能判断什么问题值得解决，并推动不同角色共同完成？

4. 判断和责任

最后，是判断和责任。

审美、判断、取舍、沟通、信任和责任，并不是什么抽象的“人类优势”。它们必须落在真实结果上。

当AI给出几个方案时，你能不能知道哪个更适合？

当项目出现冲突时，你能不能作出取舍？

当结果出错时，你是否有能力发现问题，也愿意为决定负责？

如果把它写成一个简单的组合，我认为是：

专业能力 × AI协作能力 × 跨环节理解 × 判断与责任

任何一项单独存在，都未必足够。

只懂专业但不会使用AI，效率可能被别人拉开；只会使用AI却没有专业判断，很容易产出看起来正确、实际上不能落地的结果；懂专业也会用工具，但无法理解上下游，能承担的仍然只是局部任务。

如果未来真的有一部分人不再工作呢？

我曾经把印度产线工人的案例拿去和我们的AI战略顾问老师讨论。

他的看法是，未来可能有一部分人继续工作，也可能有一部分人不再拥有传统意义上的工作。人需要学习一些东西，让自己的内心更加富足。至于经济层面，也许会出现新的分配方式。

这个时代什么时候会到来，最终会不会以这种方式到来，我们现在都无法判断。

但“内心富足”这四个字，确实给我留下了印象。

因为当工作不再是一个人证明价值的唯一方式，我们可能需要重新回答一些问题：

除了职位和收入，我还重视什么？

如果不再通过忙碌证明自己，我能不能安排好自己的时间？

我的兴趣、关系、生活和精神世界，能不能支撑我获得稳定的价值感？

当然，这些问题不能代替现实中的收入和就业问题。

对于今天仍然需要工作的人来说，更重要的仍然是学习、转型和建立新的能力组合。内心富足不是逃避职业变化，而是在不确定的环境中，不把全部自我价值都绑定在一个随时可能变化的岗位上。

与其判断岗位会不会消失，不如先回答三个问题

没有人能够准确告诉我们，哪一个岗位会在什么时候消失。

但我们可以先检查自己的工作：

我每天做的事情，有多少是重复、标准化并且容易验证的？

如果这些任务被AI接手，我还能够解决什么更复杂的问题？

接下来一年，我可以把原有专业能力和哪一种新能力组合起来？

对测试项目管理者来说，可能是专业经验、AI协作和全流程项目管理。

对程序员来说，可能是技术能力、AI协作、业务理解和系统判断。

不同岗位的答案不会完全一样。

真正值得警惕的，也许不是AI马上让一个岗位消失，而是岗位已经开始发生变化，我们仍然只用过去的方式证明自己的价值。

AI时代，并不是要求每个人都抛弃过去、重新开始。

它更像是在提醒我们：过去的能力需要保留，但组合方式必须改变。

如果你现在把自己的工作拆开，最有可能率先被AI接手的是哪一部分？

而AI替你完成这部分工作以后，你准备把时间用来建立什么新的能力？

— END —

关注我，每周分享求职实战干货面试辅导 · 简历优化 · 职业规划 · Offer选择 · 谈薪攻略 · 求职陪跑