AI 虽会夺走人类的工作，但无论AI如何进化，赢家都具备这些技能

“AI 智能体（AI エージェント）” 作为新一代技术正备受关注。这类服务能让 AI 自主思考并执行所需任务。这种具备自主能力的 AI 终有一天会夺走人类的工作吗？下文摘自日本一般社团法人 AICX 协会代表理事小泽健祐所著《AI 智能体教科书》中的部分内容。

AI 智能体的出现，正从根本上颠覆对人类所需技能的价值评判标准。例如像准确记忆法律条文、手动汇总大量财务数据，或是按照固定流程制作报告等，这些过去被视为 “专业性” 的传统定型知识与技能，如今大多能由 AI 智能体精准处理；而掌握并维持这类能力本身的价值，也在相对大幅下降。在未来的时代，人类若想真正发挥自身价值，就必须培养更高层次的能力与人类特有的素养 —— 这些正是 AI 智能体难以模仿的。

下文将把 AI 智能体时代至关重要的技能分为 “元技能（メタスキル）”“软技能（ソフトスキル）”“硬技能（ハードスキル）” 三类，并进行更具体的解读。

元技能是 “驾驭技能的技能”，是 AI 智能体难以轻易企及的、人类独有的价值核心。这类技能需通过长年累月的经验积累与自我反思来打磨，具体包含以下要素：

1. 基于经验的直觉判断力

比如，凭借多年的谈判经验，能直觉察觉到 “这位客户的话背后，似乎隐藏着尚未表明的重要顾虑”；或是即便数据上毫无问题，也能从 “这个项目团队的氛围有些不对劲，或许存在潜在的沟通障碍” 这种细微的违和感中，捕捉到风险的苗头。这些能力与 AI 智能体通过统计模式推导得出的预测，在本质上截然不同。

2. 隐性知识（暗黙知）的运用

例如，熟练的工匠凭借难以用语言描述的 “指尖的触感” 对产品进行微调；经验丰富的领导者能 “读懂现场氛围”，灵活调整会议进度；甚至在跨文化商务场景中，能理解未被明文规定的惯例与价值观，并选择恰当的应对方式 —— 这些都属于隐性知识的运用。

3. 适应情境的思考能力

比如，当市场发生前所未有的突变时，不被既有知识或成功模式束缚，而是整合多条信息，迅速构思出全新应对策略的能力；或是在多个项目复杂交织的情况下，能根据形势变化灵活重新评估优先级，并重新分配资源的决策能力。

这些元技能与 AI 智能体的模式学习不同，可称之为 “经验知识”—— 它只能通过反复积累多样的实际体验，并不断赋予这些体验意义才能培养而成。

AI 智能体擅长逻辑化、分析性的处理工作，与之相对，人类特有的软技能价值正愈发凸显。这类技能以元技能为基础，是 AI 智能体难以模仿的人类专属能力，具体可举例如下：

1. 创造性思维能力

例如，在参考 AI 智能体生成的多个设计方案基础上，融入自身独特视角与新颖想法，进而创造出全新概念的能力；或是针对社会问题，跳出既有解决方案的框架，构思出借助 AI 智能体实现的新型服务模式的能力，都属于创造性思维能力。

2. 批判性思维能力

例如，面对 AI 智能体出具的市场分析报告，能够从多角度提出质疑 ——“对这份数据的解读是否过于片面？”“若考虑其他因素（如地缘政治风险、消费者心理变化），结论是否会发生改变？”—— 并深度洞察报告的合理性与潜在偏差的能力，正成为当下的需求。

3. 共情能力与情商（EQ）

例如，在客户投诉处理中，能够深刻理解客户愤怒言语背后隐藏的不安与失望等情绪，并选择共情且贴心的回应方式的能力；或是从团队成员细微的状态变化中察觉其心理状况，通过恰当的关心与支持构建信任关系的能力，这类能力也十分重要。

人际协商能力

例如，将 AI 智能体输出的复杂分析结果，以通俗易懂的方式向缺乏专业知识的管理层或客户讲解，确保对方无误解且能信服的能力；或是在意见分歧的团队成员之间，耐心倾听各方主张，并通过建设性对话推动达成共识的协调促成能力，都属于人际协商能力。

学习能力与适应能力

例如，当新型 AI 智能体问世时，能够快速理解其核心功能，通过反复尝试探索如何将其应用于自身工作，并在短期内掌握使用方法的能力；或是当市场环境变化导致现有技能不再适用时，能够迅速重新学习新知识、新技能，灵活重构职业发展路径的适应力。这些能力，是人类在与 AI 协作过程中保持主导地位、创造更高价值的关键所在。

传统定型硬技能的价值相对下降，与此同时，要与 AI 实现高效协作，一类全新的技术技能 —— 即 “新型硬技能” 已变得必不可少。这类技能具体包含哪些内容？下文将结合实例进行解读。

1. AI 素养（AI リテラシー）

例如，能够判断 “要实现客户服务业务自动化，哪种 AI 智能体最适合”；能够具体设计 “为达到预期服务质量，应让 AI 学习哪些常见问题（FAQ）数据及服务记录”；在 AI 投入使用后，还能判断其响应是否真正恰当、是否存在伦理问题 —— 这些能力都属于 AI 素养。

2. 提示词工程（プロンプトエンジニアリング）

例如，在让 AI 智能体生成市场调研报告时，将 “目标客群”“主要竞争对手”“需包含的数据项”“报告基调” 等要求，以具体且全面的指令（提示词）形式描述出来，从而精准引导 AI 智能体输出符合预期结果的技术，即为提示词工程。

3. 数据思维能力（データ思考力）

例如，通过分析 AI 智能体的使用日志，从 “哪些功能使用频率高、哪些功能无人问津”“用户在哪些环节遇到障碍” 等数据中发现问题，并制定、执行改进方案的能力；或是整合多个数据源以挖掘全新洞察的能力，都属于数据思维能力。

例如，在某部门引入 AI 智能体时，能够从多角度预测此举可能对其他部门的业务流程、整个供应链，乃至客户体验产生何种连锁影响（包括正面与负面影响），并从 “整体最优” 的角度制定引入计划的能力，即为系统思维。这些新型硬技能，不仅是 “操作技术”，更可被视为 “思维方法” 与 “设计能力”—— 其核心是战略性地驾驭 AI 这一强大工具，最大限度发挥其效能，因此也兼具元技能的属性。

在未来的时代，无论是个人还是组织，都需摆脱对 “记忆并执行特定知识与流程” 这类传统能力的依赖，平衡且战略性地打磨上述元技能、软技能与新型硬技能，主动与 AI 开展协作。这将成为指引我们走向成功的指南针。

AI 智能体会夺走人类的工作吗？随着 AI 智能体逐渐能够高度胜任信息收集、数据分析、内容生成等诸多任务，人类被赋予了与以往不同的、更核心的能力要求。在这些能力中，重要性愈发凸显的是：主动设定明确 “目的”，从实现该目的出发倒推，战略性地构建通往目标的 “叙事”，并以引发共鸣的方式向组织内外传递这一叙事的能力。这一能力，本质上超越了单纯的计划制定与信息传递，亦可称之为构想力、赋予意义的能力，以及战略性 “品牌塑造” 能力。AI 智能体擅长针对给定目标提出最优方案，或基于海量数据生成有效的信息片段。但它无法基于深刻的洞察力与价值观，创造出 “我们究竟为何存在”“希望通过这项事业实现怎样的未来” 这类根本性的 “目的” 本身。

此外，将这一目的编织成具有连贯性、吸引力的 “叙事”—— 能够触动听众内心、引发共鸣并推动其采取具体行动 —— 对 AI 智能体而言，也是一项极具难度的任务。

这种 “目的设定与战略性叙事（ストーリーテリング）” 能力，包含以下核心要素：

1. 愿景构想力与目的定义能力

不局限于现状的延伸，而是构想未来应有的形态，并为组织、项目或个人活动赋予明确存在意义与方向的能力。这也可被视为第一章中提及的 “设计问题的能力” 中，处于最高层级的能力。

2. 倒推思维与战略构建能力

针对已设定的高远目标，从目标倒推至当下，梳理出必要的步骤、里程碑及需攻克的障碍，并将其转化为可落地的战略 —— 这种兼具逻辑性与创造性的思考能力，即为倒推思维与战略构建能力。

3. 叙事构建与品牌塑造能力

并非简单罗列事实与计划，而是将既定目的与战略重构为能够触动人们情感与价值观的 “叙事”；以连贯一致的信息向组织内外传递，进而培育共鸣与信任的能力。这一能力，是塑造企业、产品乃至个人 “品牌” 的核心。

例如，在启动新事业时，AI 智能体可在市场数据分析、竞争对手调研等方面发挥重要作用，但 “为何要开展这项事业”—— 创业者的热忱、对社会的使命感，以及将这份热忱与使命感传递给客户、投资者和员工的独特叙事，绝非 AI 智能体所能创造。再如，当现有企业为应对社会变化而重构自身品牌形象时，AI 智能体虽能分析过往品牌资产、提出新的 logo 设计方案，但企业面向未来将提供何种价值、如何与社会建立联结 —— 这一新 “叙事” 的核心，必然源自经营者与员工的深度思考和坚定决心。

正因为如今是 AI 智能体助力高效完成众多 “如何做”（How）与 “做什么”（What）的时代，人类才更需在 AI 无法替代的领域 —— 即设定 “为何而做”（Why）的目的、创造为实现该目的而引发共鸣的 “战略叙事”—— 发挥自身真正的价值。（完）

作者介绍：小泽健祐（Ozawa Kensuke）

日本一般社团法人 AICX 协会 代表理事

以 “打造人类与 AI 共存的社会” 为愿景，在 AI 领域开展广泛活动。通过出版著作《生成式 AI 导入教科书》（『生成 AI 導入の教科書』）、撰写 1000 余篇 AI 相关文章，传播 AI 的可能性与实际应用方法。目前担任一般社团法人 AICX 协会代表理事、一般社团法人生成式 AI 应用普及协会常任理事，同时参与多家 AI 企业的经营管理，包括 Cynthialy 公司董事兼首席内容官（CCO）、Visionary Engine 公司董事、AI HYVE 公司董事等。此外，还担任日本惠普（HP）、NTT 数据集团、Lightblue、THA、Chipper 等多家企业的顾问。作为千叶县船桥市生成式 AI 顾问，参与地方政府的数字化转型（DX）推进工作。同时以 NewsPicks 推荐官、Udemy 畅销书讲师、SHIFT AI 官方主持人等身份活跃，并多次以主持人身份参与 AI 相关演讲及座谈活动。

在 AI 领域之外，于 2022 年创立 Cinematorico 公司并担任首席运营官（COO）。此外，还凭借公关、自由摄影师、日本大学文理学部下一代社会研究中心志愿人员、Devi 夫人（注：人名，具体中文译名可根据实际需求调整）社交媒体制作人等多元经历，开展丰富多样的活动。

“培养年轻人不如 AI 性价比高” 时代下的结局

美国大型科技企业在过去两年间，将应届生招聘规模削减了 25%，转而增加有经验者的招聘比例。日本工业大学研究生院技术经营研究科教授、战略顾问田中道昭指出：“AI 智能体的快速发展，正在连‘让年轻人积累经验的平台’都不提供的情况下就将他们排挤出职场。这种现象已不局限于 IT 行业，‘培养人’这一行为本身的意义正从根本上受到质疑。”

2025 年，AI 的发展正为商业一线带来一场悄然却根本性的变革。ChatGPT、GitHub Copilot 等生成式 AI，已不再是单纯的业务效率提升工具，而是开始取代曾经年轻员工作为职业生涯第一步所从事的 “基础性工作” 本身。在过去的软件开发领域，应届毕业工程师会沿着 “基础编程实现→调试→上游设计” 的阶梯一步步进阶，在此过程中深化技术理解、构建职业生涯。但如今，这一 “培养阶梯” 正被 AI 逐渐瓦解。

像 GitHub Copilot 这样的 AI 工具，已能通过自然语言指令自动生成代码，甚至达到了由 AI 负责代码审查、漏洞修复的水平。事实上，微软的内部调查显示，其代码库中已有 30% 的代码由 AI 生成。更关键的是这种影响的 “不对称性”：使用 GitHub Copilot 的开发者，任务完成率提升了 26%；但细分来看，资深工程师的 productivity 提升 22%，初级开发者却仅提升 4%。也就是说，AI 是 “拓展具备相关经验者能力的工具”，而对经验不足的年轻人而言，它却成了 “剥夺学习机会的存在”。

过去企业招聘应届生和初级人才，秉持的是 “即便现在不能立即发挥作用，也要为未来培养” 的长期投资思路。但如今，AI 正试图从最底层彻底抽离这一 “成长阶梯”—— 年轻人本应积累经验的 “入门途径”，正在逐渐消失。

这种变化不仅限于提升业务效率，还剥夺了年轻人理解 “为何这段代码能运行” 的过程本身。随着 AI 即时回答的泛滥，像在 Stack Overflow 这类社区中通过讨论、在反复试错中学习的机会大幅减少。据称，初级开发者因无法理解 AI 生成代码的含义，难以应对后续跟进问题的案例正急剧增加。此外，远程办公的普及更是雪上加霜。从前，初级开发者可以向坐在邻座的资深工程师提问，获得阶段性指导；但如今，问题都转向了 AI，从前辈那里传承 “隐性知识” 的机会越来越少。曾对年轻人培养不可或缺的 “实践 × 对话” 循环，在依赖 AI 的状态下正逐渐断裂。

AI 带来的替代效应并非局限于特定职业。编程、会计、法律、市场营销等领域中，那些曾经由年轻人承担、并在实践中深化学习的 “以培养为前提的工作”，如今正转变为 AI 以超越人类的速度和精度完成的领域。

在这样的结构性变化中，企业也开始大幅调整人才战略。大型科技企业在过去两年间，将应届生招聘规模削减了 25%，取而代之的是重点招聘拥有 2-5 年工作经验的 “中层人才”，此类招聘比例增加了 27%。这一现象表明，在 “培养成本” 与 “通过 AI 实现即时战斗力转化” 的权衡中，企业正选择后者所具备的绝对合理性。

单个企业的这种决策，终将波及整个行业。2025 年的数据显示，计算机科学（CS）专业应届生失业率达 6.1%，计算机工程专业更是高达 7.5%—— 曾经被视为 “稳定、高收入” 象征的专业，如今已沦为 “就业困难” 的典型代表。此外，AI 的影响还在向管理岗和战略岗蔓延。据报告显示，哈佛 MBA 2024 届毕业生中，有 23% 在毕业 3 个月后仍处于失业状态，这是前所未有的情况。这一比例较 2022 年的 10% 增长了一倍多，情况显著恶化；在名校斯坦福商学院和沃顿商学院，也确认出现了同样的趋势。“学历” 与 “专业性” 不再能保证职场 “入场券” 的现实已然到来。

由此可见，AI 的发展带来的并非仅是 “新人就业难” 的问题。年轻人在工作现场通过积累经验实现学习与成长 —— 这种 “成长结构本身” 正在崩塌。过去，企业通过人才培养这一举措，承担着 “构建下一代社会基础” 的责任。但如今，若 AI 能代劳所有工作，企业培养人才的根本理由便开始动摇。“由谁、在何处、以何种方式培养下一代人才？”若无法回答这一问题，预计将面临无法充分享受 AI 红利、也无法构建可持续社会的风险，且该风险正逐渐显现。

随着 AI 推动业务自动化不断发展，企业的人才战略也在发生巨大转变。战略重心正从 “培养人才后使其成为战斗力” 的传统思路，转向 “招募即插即用的人才”“对可被 AI 替代的领域进行自动化” 的即时效率化方向。乍看之下，这似乎是合理的决策。若能合理配置即战力人才，并利用 AI 提升业务效率，短期投资回报率（ROI）会大幅提高。然而，这种 “优化” 同时也是扼杀组织 “未来萌芽” 的行为。

在放弃人才培养的组织中，长期风险正逐渐显现：缺乏下一代领导者、组织文化与知识传承断裂、对年轻人的吸引力下降、业务传承与发展陷入瓶颈。换言之，“停止培养人才” 这一选择，本质上是一种 “战略性负债”，将在数年后引发严重的结构性空洞。

更具危机性的是，放弃人才培养会引发一种 “螺旋式连锁反应”。由于人才培养机制失效，年轻人无法成长；中坚员工的工作负担随之加重，资深员工也因过度疲惫而离职；对外部人才的依赖程度不断加剧，导致组织凝聚力瓦解；年轻人感受不到组织魅力而不愿入职，进一步削弱企业的招聘能力。这种 “不培养人才的社会” 所潜藏的风险，不仅限于单个企业，甚至可能削弱日本整体的产业基础。

在这样的背景下，有必要从 “创造意义” 的视角，重新审视人才战略。例如，电商平台巨头 Shopify 就推出了一项制度：“除非能明确说明人类承担某项工作的理由，否则就应该用 AI 替代”。看似矛盾的是，这一制度实则是为了让 “人工作的意义” 可视化，并对其进行重新设计。

Shopify 加拿大的跨国电子商务企业

Shopify 要求员工思考一系列问题：为何这项工作无法由 AI 承担？这项工作能为谁带来何种价值？作为工作承担者，“人的特质” 究竟体现在哪里？这些举措绝非单纯追求效率，而是在重新构建 “正因是人，才能完成的工作的意义”。AI 在带来威胁的同时，也孕育着新的机遇。如今，以 Z 世代、α 世代为核心群体，学习顺序正从 “先学习→再实践” 向 “先尝试创造→再从中学习” 发生戏剧性逆转。这并非单纯的教育方法进化，而是意味着 “学习结构” 本身的变革。过去，学习的固定模式是：先掌握算法、语法等基础知识，之后才能着手进行应用开发。但如今，随着 AI 工具及无代码 / 低代码平台的发展，即便没有编程知识，人们也能 “先试着做出应用”。

例如，小学生通过与 ChatGPT 对话制作原创游戏、高中生利用生成式 AI 搭建 AI 聊天机器人的案例正急剧增加。这种 “先创造再学习” 的顺序逆转，对 AI 原生世代而言，正逐渐成为一种自然而然的学习方式。

这一变化的核心，在于 AI 角色的转型。过去，学习是 “教师→学生” 的单向知识传递过程；而如今，生成式 AI 与 AI 智能体正逐渐成为 “只要提出问题，就能即时回应的交互式学习伙伴”。遇到不懂的问题就提问，当场生成临时代码或文本，按自己的想法编辑、调整并尝试实践，再根据结果通过对话进一步改良 —— 这种 “自主驱动、反复迭代” 的学习模式，正从儿童向成人普及，AI 也正因如此，朝着 “共同思考的伙伴” 进化。

未来，如同英语、数学一样，“能用 AI 工具创造事物” 本身将成为一种新的素养。从自身兴趣出发提出问题，与 AI 共同将想法落地；从结果中提炼新的问题与改进方向，再通过与社会及他人的联结赋予其意义。这一循环与传统 “记忆正确答案的学习” 有着本质区别。相反，“在探索意义的过程中创造” 将成为学习的核心。对年轻人而言，与 AI 协作开发应用、服务及智能体的经历，既是 “职业技能训练”，也是 “自我表达” 的方式，同时还是 “与社会建立联结” 的纽带。

学习无法在封闭环境中深化。年轻人若能切实感受到 “自己创造的事物对他人有用”“自己与社会紧密相连”，成长便会得到加速。例如，将成果发布到 SNS、note 等平台获取反馈，在公司或学校的路演活动中介绍自己的项目，围绕地方课题开展项目式学习（PBL）课题，或是参与黑客松（Hackathon）、创业大赛等 —— 这些都属于社会联结型学习，即把 “自身的问题、创造行为、与他人的联结” 紧密结合的学习模式。在这一过程中收获的，除了技能与知识，更重要的是 “自己的价值正传递给他人” 这一真切感受。正是因为有了这种真切感受，年轻人才能自行重新定义 “创造的意义”，进而迈向新的挑战。

AI 时代下人才培养的变革，并非单纯的技术进步。它潜藏着从根本上改变学习方式、工作方式乃至社会形态本身的可能性。重新定义 “培养的意义”、构建新的培养模式，对于打造可持续发展的社会至关重要。AI 确实是撼动现有结构的 “威胁”，但与此同时，它也是促使人类重新审视并提升创造力、人际关系构建能力及赋予事物意义的能力的 “机遇”。正因如此，我们不应畏惧这一变革，而应将其视为机遇，共同打造一个面向未来、彼此赋能成长的社会。在这个 “培养的意义” 被重新审视的时代，我们绝不能放弃思考 “培养人究竟意味着什么” 这一根本性问题。工作绝非仅由 “有能力的人” 承担，未来真正托付给的，是 “能创造意义的人”。