第二篇 · 哪些工作会被替代，哪些不会
如果说第一篇是在画 AI 这台新机器的轮廓，这一篇是要在你身上画一条线。
线的两边工作命运不一样——一边正在被 AI 接管，一边短期内动不了。但更要紧的事情发生在线的内部：很多看起来“安全”的工作，其实只剩下了顶上一小截，腰部和底下都被掏空了。
这有些拗口，但这一篇会尽力阐述清楚关于这条线、和被掏空的那部分。
Article 02
替代风险看核心价值，而不是看岗位名称
同一个职位里，信息处理和规则执行会被快速压缩；模糊判断和信任关系更难被替代。
信息密集型
处理、整理、传递已有信息。
规则执行型
按固定流程完成标准任务。
判断密集型
需要在模糊情境中做决策。
关系密集型
价值来自人与人之间的信任。
通常回答有两类。一种说“重复性工作会被替代，创造性工作不会”——但什么算“创造性”很难定义，写稿子算不算？画插画算不算？这种划分在实际中常常失效。
一种说“低端工作会被替代，高端工作不会”——但很多看起来高端的工作（基础法律文书、初级金融分析、常规医学影像识别）正在被 AI 接管，而很多看起来低端的工作（管道工、护理、家政）短期内根本看不到被替代的可能。这种划分也站不住。
更准确的划分线只有一条——
信息密集型 vs 判断密集型。
一类工作的核心动作是“找到、整理、表达已经存在的知识”——答案存在于公开文本里，任务是把它们组织成可用的形式。基础翻译、常规合同起草、客观资料整理、初级代码、标准医学影像识别、客服第一线问答都属于这类。
另一类工作的核心动作是“在不完整信息下做出选择并承担后果”——答案不在公开文本里，需要在场的判断、需要承担说错的代价。临床中的疑难诊断、人事决定、组织战略、心理咨询、刑事辩护、复杂客诉处理都属于这类。
判断这件事属于哪一类有一个简单的检验：问这个工作的答案存在于哪里。在书里、在文档里、在公开数据里——AI 能做。在人心里、在饭桌上、在走廊里、在身体的直觉里——AI 做不了。
一、历史上“被替代”的工作的共同特征
每一次技术革命替代的工作类型不同，但有一个共同特征：当时社会里“最容易被定义清楚”的那一类工作。一项工作越容易被写成 SOP、越容易被流程化、越容易在三个月内培训出新人，它就越可能成为下一波替代的对象。
蒸汽时代替代的是重复性肌肉劳动（纺织工、马车夫、抄写员）；电气时代替代的是规则化的重复操作（流水线工、电话接线员）；信息时代替代的是信息整理与传递（打字员、邮政分拣员、银行柜员）。
AI 时代替代的是可以被语言完整描述的认知工作——之前几次替代的是“动作”，这次替代的是“认知动作”。把“会读会写会按规则推理”的认知能力，从稀缺变成了几乎免费。
这是一次比之前任何一次都更靠近人类核心能力的替代。
二、不可替代的工作的三个本质特征
不可替代不是因为工作“高级”，是因为工作的核心动作有三个 AI 处理不了的特征。这三个特征常常一起出现，但理解上需要分别看：
依赖缄默知识与现场判断。 高级临床医生、刑事辩护律师、深度记者、谈判专家——他们的判断的可靠性来自那种 AI 学不到的、只能靠时间和身体换来的东西。一秒钟读出对方的状态、一眼看出方案里的风险、一句话改变谈判走向，这些不是知识量的差异，是知识类型的差异。
承担后果。 任何一个最终决定都需要有人对结果负责。AI 不承担后果——这意味着 AI 给出的“判断”本质上是对训练数据的统计模式输出，不是真正的判断。手术主刀、投资合伙人、CEO、法官——他们的核心价值不是“知道得最多”，是“在不完整信息下做选择并对后果负责”。
跨越具体与抽象的转译。 组织顾问、教育工作者、临床社工、有经验的项目经理——他们的核心是把抽象方案落到具体语境里，或者把具体经验抽象成可被复用的知识。这个动作 AI 做不了，因为它没有“进入一个具体共同体”的能力。
三、中间地带：被切掉的成长曲线
如果只看上面的划分，会得出“未来会有大量纯信息密集型的人失业，但判断密集型的人会更受重视”的结论。这个结论不完整。
实际情况是这样：很多判断密集型的工作，本身有大量信息密集型的环节。
一个律师的工作并不是从早到晚都在做判断。在职业生涯的最初几年，他可能 80% 的时间在做信息密集型的事——查资料、整理证据、起草标准合同、读判例。剩下的 20% 才是真正的判断（哪些证据有用、应该用什么策略、客户该不该和解）。AI 进入会把那 80% 切掉，保留并放大那 20%。
一个新人产品经理也是这样。他前两三年里大部分时间在做用户访谈纪要、整理竞品资料、画原型、跑数据；剩下的少数时间在判断（这个用户洞察是不是真的、这个功能要不要做、上线节奏怎么排）。AI 进入会把前面的 80% 切掉，留下后面的判断。
一个新人医生也是这样。他刚进医院的几年大部分时间在写病历、整理影像、查文献、做基础检查；少数时间跟着主任做诊断判断。AI 正在切掉前面的 80%。
医生、咨询顾问、金融分析师、研究员、运营、设计——绝大多数判断密集型职业都是这种结构。
这种结构意味着 AI 时代不是“判断密集型职业整体上不变”，而是这些职业会变成需要判断更多甚至后续只要做判断的职业。原本一个新人可以从查资料起步、慢慢积累，几年后开始做小判断、再几年后做大判断——这条路径在 AI 时代会被切断。
切断的原因不是 AI 不让人查资料，是经济上不再合理：
公司不会雇一个新人花年薪去做 AI 几秒钟就能做完的事。 新人也没有动机花几年时间练习 AI 已经做得很好的事。 那些原本通过反复做基础事情积累起来的判断力，没有了积累的载体，没有重新培养的实际，没有给予试错的机会（正如我一年前希望把研究自动化 SOP 交付给公司解决掉基础客服和基础研究岗位工作后滚蛋那样）。
结果是：行业的人才结构从金字塔变成沙漏。
底层的标准化工作消失了（初级打工人更少机会练手）。顶层的判断工作还在，而且因为 AI 的辅助，每个人能处理的工作量更大、要求更高（顶级牛马要动更多的脑）。但中间——那个原本让新人成长起来的层——塌陷了。
时间维度在这里非常关键，人才不是产品，没办法用 AI 的速度生产出来。一个能做高级判断的医生需要十几年的积累；一个能在复杂谈判中读出底牌的律师需要几十个真实案子的磨炼；一个能在组织变革中预判落地难点的顾问需要几次失败的经历。这些时间是不可压缩的——它们是人类经验的特征，不是工作流程的特征。
AI 切掉了基础工作，但没有提供加速积累判断力的方法。中间地带塌陷之后，行业里会同时出现两个相反的现象：
- 顶层的人才需求增加（因为每个人要承担更多判断）
- 底层的入门机会减少（因为基础工作不再需要人）
中间几乎是一片真空——已经入行但还没积累够判断力的年轻人，会发现自己处在一个“不被需要、也无法成长”的位置。
具体到当下的画面是这样——
招聘要求“两年经验”。两年经验从哪里来？从入门岗位。入门岗位被 AI 切掉了。
招聘要求“独立判断能力”。判断能力从哪里来？从反复做几百次基础工作慢慢长出来。基础工作不再需要人做了。
招聘要求“能用 AI”。会用 AI 的人很多。但能判断 AI 这次输出能不能用、什么时候必须自己接管的人——这种判断从哪里来？从在一个领域沉浸几年之后的体感。这几年，AI 给你省下了。
AI 帮新人省下了两年的打杂时间。但他不具备有真实多年领域沉淀的经验、准确做出判断并承担责任的能力与勇气，也得不到已有两年工作经验的相应待遇。
被夹在中间，大多数的我们——往上挤，挤不动；往下退，退不回。
这件事不只发生在写字楼里。
我父辈那一代人在工厂被机器换下来。他们当时的焦虑和不安推动他们寄希望于让孩子努力学考获得文凭，从而改头换面让波折不再。但三十年过去，他们的孩子上了大学，进了写字楼，本以为换了一种活法。结果三十年后，他们的孩子在写字楼里又遇到了同一件事——被另一台新机器赶，甚至更多完全没进去的机会。
与此同时大多数没法快速实现转型升级的中国工厂，大多也苟延残喘举步维艰。
两代人，被同一件事赶了一次又一次。
这是 AI 时代就业问题里最难解的一块。前几次工业革命中，新工作的能力门槛和旧工作之间是连续的，被替代的人或他们的孩子可以爬上新位置。这次的能力门槛是断裂的——而且断裂得发生在每个职业的内部，让原本可行的成长路径都变形了。
四、什么样的位置在 AI 时代会更稳固
但我习惯于悲观仍冷静，诚实的积极。
所以基于此前的分析合起来，可以直观推理出一些新岗位的特征——它们在 AI 时代不仅不会被削弱，反而会变得更值钱。
这些位置可以分成两组。前三类是已有职业的升级版——同一份工作里，AI 切掉前面的部分，留下后面更难的部分，那个剩下的部分变得更稀缺。后两类是AI 时代新出现的位置——它们之前不存在，因为 AI 之前不存在。
前三类：已有职业的升级版
深度领域知识 + 在场判断——在某个具体领域积累了足够长时间、有大量真实经验的人。他们不和 AI 竞争效率（短期难学会），他们提供 AI 给不了的判断锚点。
承担后果的能力 + 复杂利益的协调——能在不完整信息下做决定、并对后果负责的人。在 AI 接管常规决策之后，这种能力会从“行业里少数人做”变成“行业里几乎所有人都必须做”。
跨越具体与抽象的转译者——能把抽象方案落到具体语境的人，能把具体经验抽象成可被复用的知识的人。他们站在 AI 输出和真实世界之间的接口上，这个接口是 AI 在原则上跨越不了的。
后两类：AI 时代新出现的位置
真实的人际接触提供者——心理咨询师、临终关怀医生、深度教育工作者、需要真人在场的健康照护——这些工作的价值不在效率，在“是人”这件事本身。当大量服务被 AI 接管，真人的服务会变成相对稀缺品，价格会上升而非下降。
理解 AI 局限的桥接者——既懂 AI 的工作方式、也懂某个具体领域的人，他们的工作是判断 AI 这次输出能不能用、应该怎么改、什么时候必须人接管。这一类的具体形态留到第五篇再讨论。
这五类位置的共同特征：它们都生长在 AI 能力的边界上，而不是 AI 能力的内部。AI 越强，这条边界越长，这些位置的价值越高。
但这些位置不能速成。它们要求的能力是 AI 学不到的那一类——而恰恰因为 AI 学不到，所以人也很难通过培训班、网课、几个月的学习获得这些能力。
这就引出了 AI 时代的核心难题——新位置创造的速度，远远跟不上旧位置消失的速度。这会在第五篇详细展开。
如果你只记得一件事： 判断你这份工作 AI 能不能动，不要看它“高级不高级”——已经写在文档里的，AI 能动；没写在文档里、需要你在场判断的，AI 动不了。但更要看的是另一件——你这份工作里“能让你长成专家”的那一段，AI 是不是正在切掉。被切掉的那一段，决定了你十年后还有没有判断力。