沃顿商学院管理学教授伊桑·莫利克（Ethan Mollick）近日在与播客栏目《Channels》的对谈中表示，面对人工智能冲击，建议人们转行从事管道工、护士等“AI难以替代”的动手类职业，作用有限。他认为，随着大语言模型与机器人技术的潜在打通，这类职业同样可能面临自动化风险，而编程等岗位的工作内容已在持续迭代。
莫利克是专注研究人工智能实际能力及其对普通职场人影响的研究者，其新书《共存》（Co-Existence）提出，大模型迭代速度超出多数人认知，应对之道在于承认部分现有能力价值将持续下降，并转向打磨AI难以复刻的个人特质。他归纳出四类核心能力：一是深耕单一领域的深度专业认知；二是跨领域的广博知识面，他以程序员做设计、设计师写代码、市场人员起草商业方案为例，说明跨领域知识有助于更好地使用AI；三是审美判断力，在AI大量产出内容的情况下用于筛选优劣；四是主观能动性。
莫利克指出，单纯“学会用AI”的说法已意义有限，提示词工程正越来越接近项目管理——重点不再是特殊技巧，而是清晰定义需求、验收标准、测试方式与分阶段交付。这对具备阅历与审美的资深职场人构成利好，但刚入行的新人面临双重难题：个体层面难以分辨哪些能力可以外包给工具，机构层面则体现为传统学徒制的失灵。
他分析，过去银行、咨询公司、审计事务所等机构通过枯燥的基础工作培养新人，形成延续数千年的人才输送链条。如今新人倾向将任务直接交给AI并原样上交结果，尚未建立判断力；管理者也因AI产出更快更好而减少招收实习生，良性循环由此断裂。莫利克提出两条出路：一是发展正式职业教育，部分文职基础岗位未来或走职业技校路线；二是企业将带教视为正经工作，投入时间与短期效率换取后备人才。他警告，企业若选择“只招资深熟手”，人才输送通道将就此断掉。
在教育体系方面，莫利克认为AI本身可作为优秀辅导工具，配合闭卷笔试、面对面口试等脱离AI的考核方式，课后由AI辅导、课堂开展主动式学习，整体模式反而可能改善。对科技行业而言，这一判断意味着企业人才梯队建设与内部带教机制的重要性将随AI渗透率上升而进一步凸显。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
