精华速览
沃顿商学院管理学教授伊桑·莫利克在播客访谈中指出，面对AI冲击，转行做管道工、护士等所谓“AI无法替代”的职业并非可靠出路，因为机器人技术与大语言模型存在打通可能。他认为大模型迭代速度远超多数人认知，唯一出路是学会与AI共存，并专注打磨AI无法复刻的四类特质：深度专业认知、广博知识面、审美判断力和主观能动性。莫利克还警告，传统学徒制培养体系已失灵，企业若只招资深熟手，将导致人才输送通道断裂。
要点透视
- 沃顿商学院管理学教授伊桑·莫利克在彼得·卡夫卡播客《Channels》中表示，建议人们转行做管道工、护士等职业以规避AI冲击作用不大，因为机器人研究者已转变态度，认为大语言模型与机器人技术存在打通可能性。
- 莫利克新书《共存》提出，大模型迭代速度远超大多数人认知，应对之策是承认许多现有能力未来价值将持续下降，并专注打磨AI无法复刻的个人特质。
- 莫利克总结四类核心能力：深度专业认知（深耕一个领域）、广博知识面（跨领域涉猎）、审美判断力（筛选AI产出优劣）和主观能动性（清晰定义需求而非依赖提示词技巧）。
- 编程行业变化最剧烈，程序员工作内容持续迭代，写出零错误代码的重要性已比不上构思清楚要搭建什么，但程序员岗位总量未来会变多还是变少尚无法确定。
- 莫利克指出提示词工程越来越像项目管理，不再依靠特殊咒语使唤AI，而是清晰定义需求、验收标准、测试方式和分阶段交付。
- 传统学徒制培养链条断裂：新人直接依赖AI产出并原样上交，管理者因AI更快更好而不愿招实习生，企业倾向只招资深熟手，导致人才输送通道断掉。
- 莫利克提出两条出路：要么将更多文职基础岗位转向职业技校路线，要么企业认真把带教当成正经工作，投入时间短期牺牲效率换取后备人才。
- 教育体系方面，莫利克认为AI可作为优秀辅导工具，配合笔试闭卷、面对面口试等脱离AI的考核方式，未来模式可以是课后AI辅导、课堂主动式学习。
文章拆解
莫利克的观点针对的是一种流行但粗糙的应对策略：既然AI会取代白领工作，那就转向动手类职业。他的反驳逻辑在于，技术边界并非固定不变。机器人研究者从认为大语言模型与机器人“两码事”到承认存在打通可能，这一态度转变意味着“AI无法替代”的职业清单本身会随技术演进而收缩。因此，把职业选择押注在某个静态的“安全区”上，风险可能被低估。
更深层的逻辑是，AI对工作的冲击不在于一次性替代某个岗位，而在于持续改变岗位内容。编程行业就是样本：程序员的工作重心从写零错误代码转向构思要搭建什么，岗位本身在演化，总量增减尚不确定。这意味着劳动者需要的是持续适应能力，而非一次性选对赛道。莫利克提出的四类特质——深度专业认知、广博知识面、审美判断力和主观能动性——共同指向一种与AI协作而非对抗的能力结构。其中，提示词工程向项目管理演变的观察尤为具体：有效使用AI的关键不再是技巧性咒语，而是清晰定义需求、验收标准和交付节奏，这本质上是一种管理和判断能力。
对职场中年人和新人而言，影响并不对称。有阅历和审美积累的中年人更容易调用判断力筛选AI产出，而刚入行的新人面临两难：AI能快速提供看似合格的产出，但新人尚未建立分辨好坏的能力，直接依赖AI反而阻碍判断力成长。莫利克真正担忧的是学徒制失灵——过去新人通过枯燥基础工作换取技能和人脉的良性循环，如今因各方激励不匹配而断裂。管理者倾向用AI替代实习生，企业倾向只招资深熟手，短期效率提升的代价是人才输送通道断掉，长期可能造成后继无人。
值得关注的变量包括：机器人技术与大语言模型融合的实际进度尚待确认；企业是否愿意将带教视为正经工作并承担短期效率损失；教育体系能否落地课后AI辅导加课堂主动式学习的模式。潜在风险在于，如果企业普遍选择“只招资深熟手”，基础岗位职业教育又未能及时补位，人才断层可能从个别行业扩散为结构性问题。莫利克给出的两条出路——文职基础岗位职业化或企业认真带教——都需要超越个体层面的制度调整，单靠个人“学会用AI”难以解决。
暂无评论。