AI未裁老员工，却卡住新人？

文｜月晓 今天看了一个视频，是复旦赵斌老师解读的《2026年Anthropic AI就业报告》，标题就很戳人：AI没裁掉老员工，却堵死了年轻人的路？ 搁以前，我可能就是看一遍，觉得“哦，原来是这样”，然后关掉。下次再有人聊这个话题，我大概只能记得一个模糊的印象。 但现在不一样了。我有AI。 我想分享一下我现在的学习方式——不是“看完就完”，而是让AI帮我拆解、交叉验证，把一个视频吃透。 第一步：自己先看一遍 这是基础。你得先有个自己的认知，哪怕不完整、不系统，但这是你后面和AI对话的“锚点”。 这个视频讲的是Anthropic最新发布的AI就业报告，核心观点是： AI没有引发大规模裁员，但初级岗位正在悄悄消失——不是老人被抢了工作，是年轻人被堵了入场券 提出了一个关键指标叫“观测暴露度”，和以前的理论预测完全不同。比如计算机类职业，理论上94%的工作可以被AI覆盖，但实际使用中只有33% 受影响最大的不是蓝领，而是高学历白领——程序员、客服、数据分析师这类标准化脑力任务 看完这些，我脑子里有了一个大概。但我知道，这只是表面的。 第二步：让AI帮我总结 我先把视频链接扔给了豆包，让它总结核心要点。 图1：豆包的总结 它把视频的核心框架梳理出来了，比我自己的笔记清晰得多。但我知道，如果停在这里，我就只是多了一份笔记而已——信息还是那些信息，深度没变。 第三步：让AI帮我“评估”观点 这是关键的一步。 我不满足于“知道这个视频说了什么”，我想知道它说得对不对、有没有道理、有没有偏颇。 所以我让豆包对这个视频的观点做一次评估分析——不是总结，是评价。 图2：豆包的评估分析 豆包的回复很务实，把视频观点分成了三类： 说得很准的 有点夸张的 漏了关键真相的 比如它认同“AI在堵年轻人入口”这个判断，认为这是目前全球职场最真实的现状；同时它也指出，视频可能把问题简化了，忽略了企业内部的复杂博弈。 第四步：换个AI，再来一次 为什么要用两个不同的AI？ 因为我发现，各家大模型的思考路径和产出风格真的不一样。有的偏保守，有的偏激进；有的爱列数据，有的爱讲逻辑。让它们互相补充，我能看到一个问题的更多面。 所以我把豆包的评估结果，又扔给了DeepSeek，让它也来评一评。 图3：DeepSeek的评估 DeepSeek的视角果然不一样。它更关注报告本身的学术贡献，尤其是“观测暴露度”这个指标的颠覆性意义——这是豆包没展开讲的。 两个模型放在一起，我对这个报告的理解，就从“知道几个观点”，变成了“知道它在学术界的争议点、在现实中的验证度、以及可能被忽略的暗面”。 最后想说 以前我看完一个视频，觉得自己“学到了”。但其实那只是“知道了”。 现在我的学习路径是： 自己先看一遍——建立自己的认知锚点 让AI总结——补齐自己漏掉的信息 让AI评估——不只是知道“说了什么”，而是知道“说得对不对” 换一个AI再评估——看到不同视角的补充和碰撞 最后，我手里拿到的不是一份笔记，而是一个被多角度审视过的知识切片。 这花不了多少时间，但对信息的理解深度，完全不一样。 你们也可以试试。 💬 评论区聊聊：你看完一个视频，会做哪一步？

文｜月晓

今天看了一个视频，是复旦赵斌老师解读的《2026年Anthropic AI就业报告》，标题就很戳人：AI没裁掉老员工，却堵死了年轻人的路？

搁以前，我可能就是看一遍，觉得“哦，原来是这样”，然后关掉。下次再有人聊这个话题，我大概只能记得一个模糊的印象。

但现在不一样了。我有AI。

我想分享一下我现在的学习方式——不是“看完就完”，而是让AI帮我拆解、交叉验证，把一个视频吃透。

这是基础。你得先有个自己的认知，哪怕不完整、不系统，但这是你后面和AI对话的“锚点”。

这个视频讲的是Anthropic最新发布的AI就业报告，核心观点是：

AI没有引发大规模裁员，但初级岗位正在悄悄消失——不是老人被抢了工作，是年轻人被堵了入场券

提出了一个关键指标叫“观测暴露度”，和以前的理论预测完全不同。比如计算机类职业，理论上94%的工作可以被AI覆盖，但实际使用中只有33%

受影响最大的不是蓝领，而是高学历白领——程序员、客服、数据分析师这类标准化脑力任务

看完这些，我脑子里有了一个大概。但我知道，这只是表面的。

我先把视频链接扔给了豆包，让它总结核心要点。

图1：豆包的总结

它把视频的核心框架梳理出来了，比我自己的笔记清晰得多。但我知道，如果停在这里，我就只是多了一份笔记而已——信息还是那些信息，深度没变。

这是关键的一步。

我不满足于“知道这个视频说了什么”，我想知道它说得对不对、有没有道理、有没有偏颇。

所以我让豆包对这个视频的观点做一次评估分析——不是总结，是评价。

图2：豆包的评估分析

豆包的回复很务实，把视频观点分成了三类：

说得很准的

有点夸张的

漏了关键真相的

比如它认同“AI在堵年轻人入口”这个判断，认为这是目前全球职场最真实的现状；同时它也指出，视频可能把问题简化了，忽略了企业内部的复杂博弈。

为什么要用两个不同的AI？

因为我发现，各家大模型的思考路径和产出风格真的不一样。有的偏保守，有的偏激进；有的爱列数据，有的爱讲逻辑。让它们互相补充，我能看到一个问题的更多面。

所以我把豆包的评估结果，又扔给了DeepSeek，让它也来评一评。

图3：DeepSeek的评估

DeepSeek的视角果然不一样。它更关注报告本身的学术贡献，尤其是“观测暴露度”这个指标的颠覆性意义——这是豆包没展开讲的。

两个模型放在一起，我对这个报告的理解，就从“知道几个观点”，变成了“知道它在学术界的争议点、在现实中的验证度、以及可能被忽略的暗面”。

以前我看完一个视频，觉得自己“学到了”。但其实那只是“知道了”。

现在我的学习路径是：

自己先看一遍——建立自己的认知锚点

让AI总结——补齐自己漏掉的信息

让AI评估——不只是知道“说了什么”，而是知道“说得对不对”

换一个AI再评估——看到不同视角的补充和碰撞

最后，我手里拿到的不是一份笔记，而是一个被多角度审视过的知识切片。

这花不了多少时间，但对信息的理解深度，完全不一样。

你们也可以试试。

💬 评论区聊聊：你看完一个视频，会做哪一步？

#AI#就业