2026 年，真正拉开差距的不是会不会用 AI，而是你有没有想清楚"人该做什么"

摘要：过去一年，我深度使用了各种 AI 工具，从写代码到写文章，从调研到设计。一次藻类识别的调研任务，以前要花 3 小时查文献、整理数据，现在用 AI 辅助，8 分钟就能产出初步报告。但最近看了一份 1.8 亿岗位数据的研究报告，让我意识到一个更本质的问题：AI 真正改变的，不是”我们怎么工作”，而是”人应该做什么工作”。数据很清晰——执行型岗位在收缩，战略型岗位在增长。未来 5 年，真正拉开差距的，不是你会不会用 AI，而是你有没有想清楚：哪些事必须人做，哪些事应该交给 AI。

写在前面

这年头写东西，早就不是一个人对着屏幕从零开始了。

我写这篇文章的起因，是最近看到一份来自 Revealera 的研究报告——他们分析了 2023 年到 2025 年全球1.8 亿份工作岗位数据，想搞清楚 AI 到底在取代什么、成就什么。

数据结果让我有点意外：

计算机图形艺术家岗位 **-33%**（连续两年下滑）
作家、文案、技术文档撰写人 -28%
记者 -22%
但与此同时，机器学习工程师 **+40%**，数据工程总监 **+23%，高层领导岗位几乎没受影响（-1.7%**，远低于市场平均的 -8%）

同样的”创意工作”，有的跌到谷底，有的稳如泰山。

我开始想一个问题：到底什么才是 AI 时代真正安全的工作？

答案可能不是”学会用 AI”这么简单。

因为我发现，身边真正用 AI 用得好的那批人，不是把它当”更快的工具”，而是把它当”第二个大脑”。

他们不是问”AI 能帮我做什么”，而是问”哪些事我应该交给 AI，哪些事我必须自己做”。

这个区分，可能就是未来 5 年人与人之间的分水岭。

一、AI 没有取代工作，它取代的是”任务”

很多人对 AI 的恐惧，来自一个误解：AI 会取代整个职业。

但数据告诉我们：AI 取代的是任务，不是岗位。

Anthropic 在 2026 年 3 月发布的最新研究中提出了一个很有意思的指标——“实际暴露度”（observed exposure）。他们发现：

职业类别	理论可被 AI 替代	实际已被 AI 覆盖
计算机与数学	94%	33%
程序员	-	75%（最高）
数据录入员	-	67%
30% 的职业	-	零覆盖

看到了吗？程序员 75% 的任务理论上可以被 AI 做，但程序员这个岗位并没有消失。

为什么？

因为**岗位是”任务组合”**。AI 拿走了其中一部分（写样板代码、查文档、调试简单 bug），但人会补上新的任务（设计架构、做技术选型、跟产品经理扯皮）。

微软在 2024 年做了一项 6000 人的调研，结果很有意思：

用 AI 的人，邮件阅读量 **-11%**，写邮件时间 -4%
但文档编辑量 **+10%**，重度用户 +13%

AI 没有让人”少工作”，而是让人”做更复杂的工作”。

这就是第一个关键判断：不会用 AI 的人会被淘汰，但会用 AI 的人，工作不是变少了，而是升级了。

二、真正的分化：执行层消失，战略层增强

如果说 AI 有什么”副作用”，那就是它正在加速职场的两极分化。

Revealera 的数据里有一个很清晰的模式：

创意执行岗在萎缩，创意战略岗在稳定甚至增长。

岗位	变化	原因
计算机图形艺术家	-33%	AI 能生成图像、做特效
摄影师	-28%	AI 图像生成 + 手机计算摄影
作家/文案	-28%	生成式 AI 擅长写标准文本
创意总监	稳定	需要制定方向、做策略思考
产品设计师	稳定	涉及用户研究、战略决策

同样的”创意工作”，为什么差距这么大？

因为AI 擅长执行，不擅长判断。

它能帮你画 100 张图，但不知道哪一张符合品牌调性；它能帮你写 10 版文案，但不知道哪一句能打动目标用户；它能帮你写代码，但不知道该做什么产品。

“动手”变便宜了，”动脑子”更值钱了。

这个趋势在管理层更明显：

高层领导岗位：**-1.7%**
中层管理：**-5.7%**
普通员工：**-9%**

为什么高层反而安全？

因为一个能用 Cursor/Claude Code 快速搭原型的产品副总裁，不再需要那么多向他汇报的工程师。AI 赋予了高层更强的”独立作战能力”，但也让中层变得可有可无。

这就是第二个关键判断：未来工作的安全感，不来自”我会做什么”，而来自”我做的事 AI 能不能做”。

三、程序员之后：从”手搓代码”到”设计系统”

说到 AI 对工作的影响，程序员是最常被提及的群体。

“AI 会取代程序员吗？”——这个问题本身就有问题。

数据告诉我们：软件工程师岗位整体持平，甚至在某些细分领域还在增长。

但与此同时，前端工程师是所有软件工程职位中跌幅最大的。

为什么？

因为简单的前端工作（做个 landing page、搭个后台界面）确实被 AI 工具（Replit、Lovable、Bolt.new） democratize 了，但复杂的前端工作（构建像 Figma 这样的应用）依然需要人类。

未来的程序员会是什么状态？

我认为是这样：

纯手搓代码的时代结束了。你能用自然语言描述需求，AI 就能给你生成 80% 的代码。
但”看得懂 AI 写的代码”变得更重要。你得能判断它写得对不对、有没有安全隐患、能不能维护。
**核心价值从”写代码”转向”设计系统”**。你知道该做什么、为什么做、怎么做才对，AI 负责落实。

这其实是一个门槛提高的过程。

以前你可以通过”熟练记忆 API”成为程序员，以后不行了。你必须真的理解系统、理解业务、理解用户，才能指挥 AI 干活。

举个我自己的例子：

有一次我要写一个藻类识别的数据预处理脚本，如果用传统方式，我得：

查文档（30 分钟）
写代码框架（40 分钟）
调试各种边界情况（1 小时+）

但用 AI 辅助，我做了三件事：

用自然语言描述需求（2 分钟）
AI 生成代码初稿（30 秒）
我 review 代码、修改逻辑漏洞、加异常处理（5 分钟）

总耗时 8 分钟 vs 2 小时 10 分钟，效率提升约 94%。

但关键是——如果我不懂 Python、不懂图像处理、不懂数据预处理的逻辑，我连 AI 写的代码有没有问题都看不出来。

所以 AI 没有降低门槛，它只是把门槛从”记忆力”换成了”判断力”。

这就是第三个关键判断：AI 不会淘汰程序员，但会淘汰”只会写代码的程序员”。

四、职业选择：避开”纯执行”，拥抱”强判断”

如果说上面都是在说”现状”，那这部分就是说”未来”。

基于 1.8 亿岗位数据的分析，我总结了一个简单的判断框架：

问自己三个问题：

我的工作有多少是”标准化执行”？（AI 擅长）
我的工作有多少是”复杂判断”？（AI 不擅长）
我的工作有多少是”人际互动/同理心”？（AI 更不擅长）

如果一个工作 80% 都是标准化执行（比如数据录入、基础文案、简单图形设计），那它被 AI 冲击的概率就很高。

如果一个工作 80% 都是复杂判断 + 人际互动（比如产品经理、销售总监、创意总监），那它反而可能在 AI 时代变得更值钱。

几个值得关注的趋势：

趋势	数据支撑	启示
AI 基础设施繁荣	机器学习工程师 +40%，机器人工程师 +11%	建 AI 的人永远有饭吃
“真人信任”稀缺	网红营销专员 +18.3%（连续两年增长）	AI 内容泛滥后，真人更可信
高层用 AI 武装自己	高层 -1.7% vs 普通员工 -9%	学会用 AI 提升决策效率
进入高暴露职业变难	22-25 岁招聘 -14%	第一份工作可能更难找

选专业/选行业的时候，不要只看”现在火不火”，要看”5 年后还剩多少岗位”。

计算机科学与技术？可以，但你要想清楚：你是想做”写代码的人”，还是”设计系统的人”？

市场营销？可以，但你要想清楚：你是想做”写文案的人”，还是”制定品牌策略的人”？

这就是第四个关键判断：选择比努力重要，判断比技能重要。

五、我的建议：如何为 AI 时代做准备

说了这么多，最后给几个具体建议。

1. 学会用 AI，但不要只学”怎么用”

用 AI 写代码、写文章、做调研，这些是基本功。

但更重要的是：学会判断 AI 做得好不好。

你得能看出它写的代码有没有 bug、它写的文案有没有打动人心、它做的调研有没有逻辑漏洞。

AI 是工具，你是裁判。

具体怎么做：

每次 AI 输出后，花 2 分钟问自己：这个结果我能直接交出去吗？不能的话，缺什么？
每周挑一个 AI 输出，人工 review 一遍，标记出它犯的错误类型（逻辑漏洞/事实错误/表达生硬）
建立自己的”AI 错误清单”，久而久之你就知道它在哪类任务上靠谱、哪类任务上不靠谱

2. 刻意练习”判断力”和”设计能力”

判断力：知道什么是对的、什么是错的、什么是值得做的。

设计能力：能把一个模糊的想法，变成清晰的方案，然后指挥 AI 去落实。

这两件事，AI 短期内都做不到。

具体怎么做：

判断力练习：每天挑一个 AI 输出，问自己”如果我不告诉别人这是 AI 写的，我会愿意为这个结果负责吗？”
设计能力练习：接到任务后，先不用 AI，自己花 10 分钟写一个”任务拆解清单”，然后再让 AI 执行
复盘习惯：每周花 15 分钟回顾：这周我做的哪些决定是 AI 替代不了的？哪些是其实可以交给 AI 的？

3. 选方向时，避开”纯执行”，拥抱”强判断”

如果你还在上学或考虑转行，问自己：

这个专业/行业，5 年后还剩多少岗位？
这个工作的核心，是执行还是判断？
如果 AI 能把我 80% 的工作做了，我剩下的 20% 是什么？

想清楚这些，比”学会用 AI”更重要。

一个简单判断框架：

工作类型	AI 替代风险	建议
纯执行（数据录入、基础翻译、简单图形设计）	高	避开或快速转型
执行 + 判断（程序员、分析师、内容编辑）	中	强化判断能力
强判断 + 人际（产品经理、销售总监、创意总监）	低	值得投入
强物理交互（医生、技师、运动员）	极低	相对稳定

4. 接受一个事实：岗位会减少，但机会会重构

AI 会让很多”执行型岗位”消失，这是事实。

但它也会创造新的机会——比如”进入市场工程师”（GTM Engineer）这个职位，年同比增长 **205%**，而它在 5 年前几乎不存在。

岗位在消失，但”事”永远做不完。

关键是，你能不能看到那些新出现的”事”，然后成为第一批做它的人。

怎么保持敏感度：

每季度看一次招聘网站，搜索”AI”相关的新职位，看 JD 里要求什么能力
关注你所在行业的头部公司，看他们在招什么人、裁什么人
每年问自己一次：如果我现在失业了，我现有的能力在市场上还能卖多少钱？

最后送你三句话：

AI 不会淘汰人，但会淘汰做执行的人。

未来最值钱的能力，不是”怎么做”，而是”做什么”和”为什么做”。

当执行变便宜的时候，想象力和判断力就变得更值钱了。

结语

写到最后，我想说：

AI 不会淘汰人，但会淘汰”做执行的人”。

未来 5 年，真正拉开差距的，不是你会不会用 AI，而是你有没有想清楚：人该做什么，AI 该做什么。

人负责设计和判断，AI 负责落实和执行。

这不是威胁，这是机会。

因为当”执行”变便宜的时候，”想象力和判断力”就变得更值钱了。

我写这篇文章，不是想制造焦虑，而是想给你一个更清晰的视角：

你不需要跟 AI 比谁写得快、谁算得准、谁记得多。

你需要做的，是成为那个”下指令的人”、”做判断的人”、”负责任的人”。

这条路不容易，但它值得。

你，准备好做那个”设计”的人了吗？

参考资料：

Revealera《1.8 亿个岗位数据分析揭秘，AI 究竟取代了什么工作》（2025）
Anthropic《Labor market impacts of AI: A new measure and early evidence》（2026-03-05）
微软《Generative AI in Real-World Workplaces》（2024）
斯坦福《2025 AI Index Report》