“汽车取代了马车”，未来的资深人才如何成长？

日更文章第194天：

有这样一个非常有趣的隐喻。

大概是说，汽车取代了马车，马并没有失业，真正失业的是马车夫，但是这并没有给社会造成太大的影响。

因为，曾经的马车夫，变成了司机。这部分人只不过是从”司“马变成了”司“机。

很多人用这种说法安慰自己，觉得AI时代也不过如此，虽然很多职业是消失，但同时还是有更多全新的职业。所以不用操心未来就业的问题。

再拓展的看，其实汽车出现以后，真正大规模衰退的不是马以及马的某项技能，而是整套以马为中心的社会系统，马车夫、马厩、饲料供应、道路结构、城市粪便清理体系等等。

马虽然没有失业、也没有彻底消失，但是，马作为城市基础设施的时代结束了。它不再是经济系统中不可或缺的动力来源。围绕它建立起来的职业、产业和城市结构，也逐渐退出历史舞台。

这可能也是一个理解AI时代的一个视角。

关于失业和就业的问题，众说纷纭，乱七八糟。

近期我一个堂弟，正在被就业的问题困扰，考公？考研？还是继续在职场处理初级工作？

我给了一些建议，但是过了几天之后我后悔了，我感觉给的那些建议完全错了。但是又有点解释不明白为什么错了，以及如果我给的这个建议是错的，那什么建议是对的？

（有人说一个成年人的最大的自觉就是不要给年轻人给建议，深以为然。）

但，我弟这事，也让我困惑不已。

我们先来看看当前一些基本的趋势和现象。

AI暴发以来，针对全球主流招聘网站的大数据研究显示，工作岗位正在经历剧烈的内部重构。

首先，任何高重复性、逻辑高度闭环、可通过固定范式解决的”文本搬运与格式清理”任务正在急剧减少。比如基础数据录入、初级合规检查、流水线式的行业报告编译，这些任务在招聘需求中的权重断崖式下跌。

也就是说，企业不再寻找单一技能的“螺丝钉”了。

与此同时，多个数据集显示，在高度暴露于AI的职业中，入门级岗位正承受明显压力，尤其是年轻工人和新入职人员。

一项分析2015至2025年美国企业简历与招聘数据的研究发现，在采用了生成式AI工具的公司中，2023年后初级员工的录用率出现了显著下滑。

再来看看AI对一些行业岗位的冲击情况。

这些研究和分析都指向一个结论。

不是某个职业的消失，而是一个梯队的入口正在收窄。进入职场的第一级台阶，那些用来积累经验、培养判断力、建立人脉的初级岗位正在被AI替代。

这就是基本的情况，就业是个大问题，和我们每个人息息相关。

再进一步来看，其实我更关心的是后面的一个问题：当基础任务大量消失以后，未来的资深人才如何成长？

这和我们前面说的马的故事形成了精准的呼应。马本身没有消失，但马在城市系统中的功能被整体性替换了。

现在，人本身不会消失，但人在组织中完成成长所依赖的那套系统，从初级到资深的完整培养路径，正在消失。

如果这个趋势持续发展，很多企业将在数年后面临一个现实困境，那就是管理层岗位无人可填。

所谓资深，本质上是一种时间积累物，是一个人在处理了足够多的真实问题之后，在神经系统层面形成的某种判断模式，也就是所谓的隐性知识。

不存在一个结构性的系统解法，只存在个体层面的主动应对。

因为这个问题的本质，是一种新的稀缺。过去，初级经验是批量供应的，每个进入职场的人都能通过完成底层任务来积累判断力。现在，这个批量供应的渠道关闭了，判断力的形成变成了一件需要主动设计的事情。

从这个角度看，未来真正能成长为资深人才的，可能是那些能够主动为自己创造“摩擦环境”的人。

这里所谓的创造摩擦环境，不是没苦硬吃的意思，而是主动寻找问题、思考问题、解决问题。

一个年轻人可以主动创造摩擦的方式有很多，我简单举例几种。

第一类：独立完成完整的小项目。

不要长期、被动停留在零散的任务里。比如，自己做一个公众号、一档播客、一个网站、一个小型产品、一次活动、一份行业研究报告。规模可以很小，但必须经历从定义问题到交付结果的完整闭环。

第二类：保留一部分必要的手工训练

比如，AI 可以使用，但不能跳过所有基础训练。使用任何AI生成的资料之后，仍然要亲自判断哪些信息可信那些信息需要再验证。如果要用 AI 写作，那也一定要自己先学会写作。

第三类：进入高质量反馈环境

主动寻找能够指出问题的人。比如同事、导师、客户、真实用户、市场数据，甚至公开平台上的批评，都是反馈来源。成长不只是不断产出，更重要的是不断校准。

总之，过去那种只要学会某项技能，就能获得稳定岗位之类的建议，正在逐渐失效。

新的原则也在变得越来越清晰，那就是主动进入真实问题，主动承担完整责任，主动积累无法被快速复制的判断力。