AI时代：初级人才的生存危机与能力升级之路

当AI能在你沉睡时完成200小时的工作，你的价值何在？

近期，一篇由神译局翻译并刊载于36氪热榜的文章《职场残酷预演：当AI学会自动进化，初级人才的生存空间正被"200小时智能体"挤压殆尽》引发了热烈讨论。文章详细介绍了METR（模型评估与威胁研究机构）进行的一项发人深省的桌面推演。

推演的设定十分直观：三位研究人员借助一款预计在未来12至18个月内可达到的技术水平的AI智能体——能够连续工作约200小时——来处理他们的日常任务。令人震惊的结果是：效率实现了3到5倍的飞跃，原本需要一到两周的工作量在两天内便已完成。

然而，真正令人不寒而栗的并非效率的数字，而是几乎所有参与者都认同的一个结论：“在这个世界上，只有资深人士能够生存。”

在METR的推演中，有几项发现尤其令人警醒：

“想法的生成速度不及执行速度”——研究人员发现，一旦他们产生一个想法，AI智能体几乎能瞬间将其付诸实践。他们不再是构思方案的创作者，而是迅速拿到一个MVP（最小可行产品），并将全部精力投入到理解和审核AI的输出上。

“AI能够不眠不休地工作”——当研究人员下班休息时，AI智能体仍在夜间默默工作，相当于人类200小时的工作量。第二天早晨，他们面对的是海量等待审核的产出。一位参与者形容自己“疯狂地给Claude发送指令”，但很快便发现“仅仅理解AI生成的内容就已经让他应接不暇”。

“人类成为了瓶颈”——这是本次推演最核心的洞察。当AI的执行能力变得近乎无限时，原本与执行并行存在的串行环节——如人类的判断、同行的反馈、外部的评审——便成为了整个流程中最缓慢的节点。一个原本AI只需8小时即可完成的项目，却因为需要人类在不同阶段做出决策，最终耗费了6个自然周。

换而言之，AI使得“会做事”这件事变得异常廉价，而“会判断做什么、做到何种程度、以及如何调整方向”则变得极其昂贵。

如果您觉得“200小时智能体”离您还很遥远，不妨审视一下当前的数据。

斯坦福大学HAI发布的《2026年人工智能指数报告》揭示了一个令人警醒的数字：生成式AI在短短三年内实现了约53%的全民普及率，其普及速度甚至超越了个人电脑和互联网。这不是未来的技术，而是您手机中早已存在的工具。

世界经济论坛的《2025年未来就业报告》预测，到2030年，AI将取代全球9200万个工作岗位，涵盖从流水线工人到初级文职、从基础编程到入门设计等多个领域，其中“可标准化执行”的岗位将首当其冲。

而Anthropic公司基于真实平台使用数据的研究则揭示了更为微妙的转变：22至25岁的年轻人正以超乎预期的速度进入高替代风险的区间。究其原因，这个年龄段的从业者往往承担着组织中最多“可被明确指令描述”的工作——而这恰恰是AI最擅长的领域。

澎湃新闻对2026年春季招聘上万条岗位要求的分析更为直接：47%的非技术岗位已明确要求“具备AI协作能力”。请注意，这并非“会使用电脑”或“熟练操作Office”，而是“掌握AI应用”。这个门槛已从“加分项”转变为“入场券”。

2026年被许多人视为“AI生产力元年”，但职场正在经历的并非简单的“替代”或“增强”，而是一场深刻的“K型分化”。

何谓K型分化？即在同一个职场环境中，一部分人的价值被AI迅速稀释，而另一部分人的价值反而因AI而急剧放大——两条曲线从同一起点出发，却朝着完全相反的方向延伸。

METR推演中的研究员Tom Cunningham一针见血地概括了这一现象：“只有资深人士能够生存。在这个世界上，经验较少的初级人员，相比于经验丰富的人员，将难以做出贡献。”

过去，初级员工的价值体现在“执行力”——能够编写代码、制作PPT、处理数据、撰写文案。而资深员工的价值则在于“判断力”——懂得应该做什么、如何去做、以及做到何种程度才算优秀。

当前面临的问题是：AI正以惊人的速度吞噬“执行力”的价值区间。当AI能在短时间内生成您可能需要一周才能完成的报告、调试的代码、设计的方案时，您与AI之间的“执行效率差距”不再是您的优势，反而成了劣势——因为您需要休息，需要时间理解上下文，并且会犯错。

至于那些“能判断”的人，他们的价值反而得到了放大。因为当AI能够以极低的成本尝试三种不同的方案时，决定“哪个方案更好”变得尤为关键。判断力的稀缺性，在AI时代非但没有降低，反而急剧上升。

面对这一趋势，能力升级的方向究竟为何？我将以三个层级的递进来阐述。

第一层级：工具运用 → AI协作

过去，信息科技能力的核心是“熟练操作工具”——会用Word撰写文档、用Excel制作表格、用PPT进行演示。然而，如今这一层面的能力正在快速贬值。并非工具不再重要，而是AI已将工具的使用门槛降至几乎为零。您不擅长公式？AI代劳。您不擅长设计？AI生成。您不擅长编程？AI完成。

真正需要升级的是，从“我能操作工具”转向“我能指导AI操作工具”。这并非简单的技能叠加，而是一种思维模式的转变：从“我知道如何做”转变为“我知道如何让AI去做，以达到我想要的结果”。

第二层级：被动执行 → 策略驱动

METR推演中最值得深思的一个细节是：参与者发现他们花费时间最多的，并非“让AI做什么”，而是“判断AI所做是否正确、是否优秀”。正如一位参与者所言——未来的工作模式将类似于首席研究员或麦肯锡合伙人，您的全部时间将用于审核他人（AI）的产出、提供建议、以及等待下一轮的评审。

这意味着什么？意味着您必须具备“制定标准”的能力。如果AI为您撰写了一份市场分析报告，您是否有能力判断该报告的逻辑是否严谨、数据是否可靠、结论是否具有价值？如果AI为您编写了一段代码，您能否辨别其架构是否合理、边界条件是否被充分考虑？

“会做”正在贬值，“会判断”正在升值。

第三层级：单点技能 → 系统思维

当AI能够迅速完成任何一个“单点任务”时，将多个单点任务串联成一个完整且有价值的系统，便成为了人类独特的优势。METR推演中的一个比喻非常形象：未来的工作如同在寻找“正确的DAG（有向无环图）结构”——明确哪些是输入、哪些是处理阶段、哪些是输出，以及反馈如何在下一次迭代中体现。

这种系统思维，并非某个具体工具所能赋予。它要求您对业务有深刻的理解，对技术有广阔的视野，并能从容应对不确定性。这正是“信息科技应用能力”这一概念的核心内涵——它并非一项单一技能，而是一套认知框架。

在阐述了“为何如此”之后，最后我将提供“如何去做”的建议。

第一个建议：从此刻起，将您所有的工作都视为“可以委托给AI”的任务。

无需等到那个“200小时智能体”真正到来。您现在就可以开始练习：当您接到一项任务时，首先问自己——“如果我要让AI来完成这项任务，我应该给出怎样的指令？我将如何评估它的产出？我需要补充哪些它不了解的背景信息？”这种思维练习本身，就是在锻炼您的“策略驱动”能力。

第二个建议：将“反馈的质量”作为您的核心竞争力进行打磨。

如果您认同“人类正成为AI工作流中的瓶颈环节”这一判断，那么逻辑就十分清晰了——谁能在最短的时间内提供最高质量的反馈，谁就是这个链条中最不可替代的一环。这包括：您能否在AI给出初版方案后，迅速定位到真正需要修改之处，而非反复提出模糊的修改意见？您能否用AI能够理解的方式表达您的判断标准？反馈越精准，您的价值就越高。

第三个建议：在一个领域深耕，同时保持对技术的敏感度。

“只有资深人士能生存”的结论听起来严酷，但它也指明了方向——您需要在某一领域积累足够深入的专业判断力。与此同时，切勿成为“不懂AI的资深人士”。LinkedIn的数据显示，AI在两年内已催生了130万个新岗位，这些岗位并非需要纯粹的AI专家，而是“懂AI的行业专家”——例如，懂医疗的可以利用AI辅助诊断，懂法律的可以借助AI审查合同，懂教育的可以运用AI设计课程。您的“护城河”，在于“行业深度 × AI宽度”。

METR的那篇推演文章下有一条评论令人印象深刻：“感觉像是提前拿到了未来的剧本。”

确实，按照METR的预估，200小时智能体的技术能力，距离我们可能仅有12到18个月。这意味着，您现在所做的每一个能力升级决策，并非为遥不可及的未来做准备，而是在为一个几乎已近在眼前的时代奠定基础。

信息科技应用能力的提升，从来都不是一个可有可无的选项。在AI正系统性重塑职场价值结构的大背景下，它已从“加分项”演变为“生存项”。那些在AI浪潮中不仅未被替代，反而价值倍增的人，并非因为他们跑得比AI快——没有人能跑得比AI快——而是因为他们学会了做AI无法企及的事情：设定方向、做出判断、承担责任。

正如METR推演中的一位参与者所言，当您拥有了几乎无限执行力的AI之后，最终决定产出质量的，是您“设定目标”的能力——您对目标的清晰程度，比您的执行能力重要一百倍。

本文部分图片