跳到正文
新浪科技·· 3 小時前AI 評分58

沃頓商學院教授 Ethan Mollick:轉行做技工未必能避開 AI 衝擊,四種特質有助應對

沃顿教授:转行技工难以抵御 AI 冲击,四类核心能力才是破局关键

AI 導讀

沃頓商學院教授 Ethan Mollick 認為,轉行做技工未必能避開 AI 衝擊,單靠學會使用 AI 也不足以應對其快速發展。他提出深度專業認知、廣博知識面、審美判斷力和主觀能動性四種特質,有助建立優勢。他擔心 AI 令傳統學徒制的人才培養鏈條失靈,並提出加強職業教育或由企業認真落實帶教。

正文

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。

來源:新浪科技 · finance.sina.com.cn