aifollow.news
Back IT之家 科技新闻
IT之家 科技新闻· · Original publication time AI score40

Mollick on AI and jobs: Skilled trades may offer no guarantee; four abilities matterMachine translation

莫利克谈 AI 时代就业:转行技工未必保险,四种能力更值得培养

AI-assisted summary

Wharton professor Ethan Mollick says moving into hands-on jobs such as plumbing may not shield workers from AI, though its future effects remain uncertain. He recommends deep expertise, broad knowledge, aesthetic judgment and initiative, and worries that assigning entry-level work to AI could undermine traditional apprenticeship.

Article · Original

IT之家 11 月 2 日消息,人工智能不会消失。我们该如何与它共存?说得更准确一点:在人工智能时代,我们要靠什么谋生?

常见的答案无非两种:“学会使用人工智能”,或是找一份人工智能无法替代、不会被自动化取代的职业,最好是动手类工作。

据 Business Insider 报道,伊桑 · 莫利克(Ethan Mollick)并不认为这套办法可行。莫利克是沃顿商学院管理学教授,也是当下颇具影响力的研究者,专注解读人工智能如今能做到什么、以及它对需要和 AI 协同工作的普通人意味着什么。他的新书《共存》(Co-Existence)提出,大模型迭代速度远超大多数人的认知,想要应对它飞速的发展,唯一出路就是学会与它共存。

这意味着要承认:你当下掌握的很多能力,未来价值会持续下降;你需要专注打磨那些 AI 无法复刻的个人特质。

IT之家注意到,彼得 · 卡夫卡在自己的播客栏目《Channels》中和莫利克聊了聊 AI 对工作、下一代的职业选择,以及传统人才培养体系在 AI 冲击下崩塌之后会发生什么。下文是访谈经过编辑整理的节选。

彼得 · 卡夫卡:担心自己或者孩子就业的人,常常被建议成为 AI 专家,或是找不怕 AI 冲击的工作,比如管道工、护士。这个建议有用吗?

伊桑 · 莫利克:我觉得作用不大。先说一点:就算选这类职业,哪天 PlumBot 6000 这类机器人问世,情况就不一样了。我不是机器人领域专家,但我认识的机器人研究者态度已经转变,他们原先觉得“大语言模型和机器人完全是两码事,机器人研发难度极高”,现在意识到,这里面确实存在打通的可能性。

未来会走向何方,我不知道,我相信没人能准确预判。这话出自一位 AI 研究者之口,听来或许让人安心,也可能让人焦虑。

变化最剧烈的行业就是编程。我们已经看到编程岗位正在发生变革,甚至我们都无法确定,未来程序员岗位总量会变多还是变少。但可以确定,程序员的工作内容会持续迭代。

写出零错误代码这件事,重要性已经比不上构思清楚我们想要搭建什么。不少程序员的工作体验比以前更好,但也有人感到失落。这类岗位本身一直在演化。

我在书里提到四种特质,至少能帮人建立一部分优势。第一是深度专业认知:深耕一个领域,依靠专业积淀胜过 AI。第二是广博的知识面:涉猎大量不同领域。

我在很多企业观察到一个现象:程序员开始做设计,设计师写代码,市场人员起草商业方案。你了解的跨领域知识越多,就越能用好 AI。

第三个是审美判断力。AI 产出内容的数量巨大,想要避免成品粗制滥造,就需要你有判断力,懂得筛选优劣。

最后一点是主观能动性。我认为单纯“学会用 AI”这个说法现在已经没有太大意义。我们测试过各种 AI 使用教学方法,过去那些技巧慢慢失效了。

提示词工程越来越像项目管理。不再依靠什么特殊咒语使唤 AI,而是清晰定义需求:我要做这个产品、验收标准是什么、怎么测试、分阶段交付,给我出五版方案供我挑选。

对于已经有多年工作经验、具备阅历与审美的职场中年人来说,这算是个好消息。但如果你刚刚入行,在 AI 张口就能帮你查资料、写文稿的环境里,该怎么培养这些能力?

这里存在两层难题:一方面是个体层面,另一方面是我们现有的教育培养体系。

从个体来说,人类天生就习惯把脑力工作外包出去,这是刻在本能里的。技术本来就是用来摆脱枯燥劳动的。有了洗碗机之后,没人愿意坚持手洗碗;也没人愿意自己动手搅拌黄油。

我的孩子不再学手写花体英文,我自己也不会用计算尺。

但我们很难分清,哪些能力可以放手交给工具。学生作业靠 AI 作弊,本质上就是这个问题的体现。

再来说各类培养机构。职业学习路径分为两类,一类是初高中和大学教育。这套体系现在确实一团乱麻,但我们还有调整空间。AI 本身是非常优秀的辅导工具,我们也有办法脱离 AI 考核学生:笔试闭卷、面对面口试。未来的教育模式可以是课后由 AI 辅导,课堂上开展主动式学习,整体反而会变得更好。

我真正担心的是另一条成长路径:学徒制。

过去新人进入银行、咨询公司、审计事务所、汽车经销商,沿用一套传承千年的成长模式。

他们做枯燥琐碎、薪资微薄的基础工作,有时还要承受苛待;交换条件就是习得技能、积累人脉,在实操中学会做事。中层管理者也有人帮忙处理杂活。哪怕导师本身并不擅长教学,新人依然能熟悉业务流程;做出成果就能晋升,源源不断培养出合格从业者。这套模式运行了几千年。

可现在这套机制已经失灵,各方的激励不再匹配。作为新人,最简单的选择就是凡事交给 AI,AI 产出质量往往比自己更高。但新人很容易误用 AI:直接把需求丢给 Claude,原样上交结果。他们还没有建立判断力,根本分辨不出这份报告好坏。

管理者也会想:既然 AI 能更快更好地解决问题,我为什么还要找实习生?企业管理层则会认为,何必拖慢进度、接受实习生质量不稳定的产出?

原本良性循环的人才培养链条,彻底断裂了。

出路只有两个方向:要么把更多正式职业教育做起来,很多偏文职的基础岗位,未来会像焊工、管道工一样,走职业技校路线;要么企业必须认真把带教当成正经工作来落实。带新人要投入时间、短期牺牲效率,但换来源源不断的后备人才。

我最担心的情况,是企业选择“只招资深熟手”。这是一条危险的路:人才输送通道就此断掉,后继无人。

Found an error? Send a correction