https://www.digitalistpapers.com/vol2/balwit
作者：Avital Balwit
人工智能前沿公司 Anthropic 的CEO幕僚长（Chief of Staff）
我们如何才能为下一代在变革性人工智能时代的工作做好准备？在这篇传记体文章中，Avital Balwit 借鉴了她在前沿AI公司工作的经验，为那些思考未来工作的人们提供了实用的职业建议。我们传统的技能再培训方法将不足以应对挑战——Balwit 阐述了需要用什么来替代它。
一、引言
我们正站在一项技术发展的边缘，如果它真的到来，很可能会从根本上改变我们所熟知的就业形态。
我在一家人工智能前沿公司工作。随着我们模型的每一次迭代，我面对的都比以前更强大、更通用的系统。2019年，GPT-2 几乎无法数到五，也难以拼凑出连贯的句子。到2023年，GPT-4 在医疗执照考试[1]和律师资格考试[2]中的表现超过了90%的人类考生。到了2025年，模型能够连续七小时重构代码库[3]，并在国际数学奥林匹克竞赛中夺得金牌[4]。模型不仅更具智能体特性[5]，而且能够执行更长时间的任务[6]。前沿AI公司的顶尖研究人员越来越相信，我们将在2030年前实现能够在几乎所有领域与人类认知能力相匹配甚至超越的AI系统。作为一个曾为自己能在一小时内写出2000字而自豪的人（这项技能，就像从冰封的湖面上切割冰块一样，可以说已经过时了），我发现这些进步既令人振奋，又令人不安。
许多知识工作者紧紧抓住这些模型仍然难以应对的、数量不断减少的领域，而不是注意到它们在已经达到或超过人类水平的、范围日益扩大的任务。但是，与经济相关的比较，不是AI是否比最优秀的人类更强，而是它是否比原本会从事该任务的那个普通人更强。
“与经济相关的比较，不是AI是否比最优秀的人类更强，而是它是否比原本会从事该任务的那个普通人更强。”
今天进入职场的年轻人，面对一个人工智能超越人类认知能力的世界，需要根本不同的准备。他们不仅需要新技能，还需要关于工作、价值和目标的新思维模式。本文为应对这一转变的个人提供实用指导，并为旨在培养他们的机构提供政策建议。
二、理解发展轨迹：AI将去向何方，而非停在何处
为了避免意外和无效努力，关键在于理解进展的速度和发展轨迹，而不仅仅是当前的能力水平。如果你只看一张快照，考虑到当前AI系统处于初级开发者的水平，你可能会认为自己只需要成为一名高级软件工程师就能免受AI的冲击；或者你需要成为一名世界级的作家，而不是一个能写普通营销文案的人。诚然，AI系统有时仍会在特别具有挑战性的编程问题上出错，或者其写作风格中仍带有微妙的“AI气息”和普遍性，但如果你回顾一下它们一年前的能力，就会清楚，停滞不前不应是主要的预测方向。
Anthropic 公司的CEO Dario Amodei 将即将到来的事物描述为“数据中心里的一个天才之国”[7]。OpenAI 声称超级智能[8]将在本十年内到来。当然，其他一些研究人员认为，实现这一里程碑可能需要更长时间，或者根本不可能[9]。这意味着年轻人需要在某种不确定性下做计划，但至少应该认真对待变革性AI很快到来的可能性。
“年轻人需要在某种不确定性下做计划，但至少应该认真对待变革性AI很快到来的可能性。”
根据我认为最可信的时间表，正如本文所定义的“变革性AI”，很可能在未来两到四年内到来。这是假设当前进展速度持续下去。“到来”在我的用法中意味着“在实验室中存在，并且运行良好，足以让客户使用”——但这并不预设它在整个经济中的某种扩散程度，而且我对AI究竟能以多快速度扩散存在更大的不确定性。
鉴于这些时间表，问题不在于你是否能领先于AI，而在于你如何与超越你的系统一起蓬勃发展。
为什么这次不同
对于那些初次接触这个话题的人来说，一个自然的问题可能是：为什么现在预期如此深刻的变化？毕竟，我们以前也经历过重大的技术动荡。工业革命改变了就业并影响了教育，但社会没有进行彻底的重组就适应了。是什么让这个技术时刻如此不同，以至于我们需要从根本上改变我们的教育和工作方式？
答案就在于这场技术革命本身的性质。与之前的那些高度特定的创新——计算器、蒸汽机、流水线——不同，人工智能代表着某种前所未有的事物：一种通用技术，有可能在几乎所有领域实现认知工作的自动化。
“与之前的那些高度特定的创新——计算器、蒸汽机、流水线——不同，人工智能代表着某种前所未有的事物：一种通用技术，有可能在几乎所有领域实现认知工作的自动化。”
从历史上看，技术进步遵循着一个可预测的模式：机器取代了体力劳动，同时为认知工作创造了新的机会。农场工人变成了工厂工人；工厂工人变成了办公室职员。这种转变通过将人类的比较优势从体力任务转移到脑力任务，维持了就业。但AI直接瞄准了认知工作——正是人类在机器夺走体力劳动后所退守的领域。虽然我预计体力工作的需求短期内会有所增加，但我预计机器人技术会相对较快地跟随软件智能的发展，这意味着我们不能指望一个简单的逆转，即用等量的体力工作来替代所有自动化的认知工作。
（顺便提一下一个有趣的过渡时期：我预计会有一段时间，机器人技术滞后或产能受限，那时人类将戴着耳机，可能还有VR眼镜，这样先进的AI系统可以指导他们如何执行某些工作。任何能够使用这种技术的工人，本质上都会拥有世界上最好的教练，就某个主题指导他们如何进行该活动。当然，从教练指导到顶级专家实际执行之间仍然存在差距，但这仍将显著提升工人的技能。）
这并不是说AI会消除所有就业机会。我确实预计会出现新的工作类别，尽管我无法预测它们的确切性质。有些职业将相对受到保护——芭蕾舞演员、按摩治疗师、古典音乐家、运动员——这并不是因为它们在技术上无法自动化，而是因为由人类来完成对它们的价值至关重要。无论机器是否能做得更好，我们都希望某些任务由人类来完成。
当机器人技术真正大规模普及时，它可能会遵循经济逻辑，而不仅仅是技术可行性。你社区里的电工可能会比工厂工人活得更久。住宅电气工作涉及巨大的变数——几乎每所房子都会带来独特的挑战——而且它比自动化某个复杂、高价值的制造工厂（一个工厂每年能产生数十亿美元的价值）的“价值更低”。我预计机器人在我有生之年能够掌握这种特殊的住宅任务，但最初它们将被部署在能创造最大价值的地方：运营晶圆厂以生产更多前沿AI芯片，或者在机器人工厂里制造更多机器人。那些高度特定、种类繁多的体力工作将被更晚自动化。
三、AI原生工作者的核心策略
未来分布不均，而且即使在发达国家、富裕国家、互联网普及的国家，其渗透也很缓慢。我经常听到来自旧金山核心区以外对AI感兴趣的人告诉我，他们需要攻读机器学习博士学位，以便为AI未来做准备。虽然这在2015年可能是个好主意，但现在既没必要，甚至不明智。你不需要理解如何制造发动机来驾驶汽车，尤其是当这辆特别的汽车很快就能根据你的自然语言指令自行制造发动机时。（当然，有些人纯粹是对发动机着迷，那么他们完全可以自由追求这种热情。）
“你不需要理解如何制造发动机来驾驶汽车，尤其是当这辆特别的汽车很快就能根据你的自然语言指令自行制造发动机时。”
那么，想要为AI未来做准备的年轻人应该做什么呢？
成为一名管理者，而不是一名独立贡献者
工作的性质正在从“执行”转向“指导”。我们在软件开发中已经看到了这一点，那些不会编程的人通过用自然语言描述他们想要的东西来构建应用程序。这种模式将在每个领域重复出现。
对于许多电子邮件和备忘录，我已经从“撰写内容”转向“指定我需要什么、评估输出、综合结果”。我现在更像一个主编，而不是一个写作者。
年轻工作者应该从第一天起就把自己视为管理者。即使是入门级职位也将涉及指导AI系统并评估其输出。这将把工作从“生成”转向“验证和策划”。
管理人类和管理AI系统之间可能不是一一对应的关系；例如，目前人们往往需要对AI系统比对人更明确一些，因为AI系统没有那么多共享的背景信息（或者，虽然从绝对意义上说它们可能拥有“更多”背景信息，但它们不像人类那样，在对话开始时就知道“你希望它们成为谁”）。会有一个探索的过程——就像所有AI话题一样，随着系统的改进，所需的东西也会发生变化。管理AI可能变得越来越像管理人类，或者在某些方面甚至更简单，也可能有点陌生。
通过AI伙伴关系放大自身能力
每个年轻人都应该把自己的职业生涯当作拥有一个由才华横溢（尽管可能有点陌生）的助手组成的团队可供调遣——因为他们确实拥有这样的团队。我观察到我在Anthropic的一些最高产的技术同事与“AI团队”一起工作——数十个开着编程智能体的浏览器标签页。
像拥有无限研究助理的研究员一样思考。一个人现在可以完成曾经需要整个团队才能完成的分析。两三个人可以运营曾经需要数百人的机构。
这种运行团队的能力可能会创造出能动性的双峰分布。有些人会利用这些工具产生非凡的影响力，指导AI系统执行复杂的愿景。其他人则会发现自己处于被动的角色，例如检查和验证AI输出，或者更普遍地被AI系统指导。区别将来自主动性和远见，而不是技术技能。
培养人类独有的优势
当机器在智力上超越我们时，什么仍然是人类独有的？有四件事脱颖而出：
品味和价值观： AI可以为你的家生成一千种装饰方案，所有方案都美观且预算内。但哪一个是你？人类的角色变成了选择，将个人意义带入无限的可能性。年轻人应该培养强烈的审美意识和清晰的价值观——不是因为AI不能有品味，而是因为你的品味天生就是属于你自己的、独一无二的。
人际关系： 我母亲最近第一次与Claude进行了严肃的互动，讨论她向退休生活的过渡，看看它是否能提供合理的建议。回复实际上让她哭了——它展现了同理心、耐心和体贴。然而之后，她仍然想和我讨论这件事。朋友分享的一首歌，比AI生成的完美播放列表更重要。父母讲的睡前故事之所以有分量，正是因为讲这个故事的是父母。
信任和判断： 在很多情况下，人类会更信任其他人的判断，不管他们“是否应该”，或者认为由人类完成的事情比由AI完成的更合理。一个鲜明的例子：想想自动驾驶汽车与人类驾驶汽车发生的事故。当然，每个人都希望没有人被车撞到，但如果有人被车撞了，如果那辆车是自动驾驶的，人们似乎会愤怒得多。在这种情况下，人们就是偏爱非AI。（我认为人们应该只偏爱那种导致更少车祸的交通方式，但这并没有体现在人们当前的偏好中）。这将在许多领域重复。即使AI能比人类“更好”地做出法律判决或对政策进行投票，人们可能也不希望这样，并将这些视为人类独有的领域。
主动性和远见： 你现在拥有更强大的工具。你的能动性得到了增强。你将用它做什么？你需要培养你的抱负、创造力和创业精神。年轻人应该培养发现“应该存在什么”并调动资源（包括AI）将其变为现实的能力。
四、心理与社会准备
拥抱不稳定和变化
变化的步伐将加速。今天的年轻人应该预料到他们的职业生涯看起来会与他们的父母——甚至他们的哥哥姐姐——完全不同。你22岁时被雇用的技能可能在27岁时就过时了。你加入的公司可能在五年后就不存在了。整个行业可能都会转型。
这不是绝望的理由，而是发展元技能的原因。学会如何快速学习。更重要的是，放下过时的专业知识、拥抱新范式的能力，将比任何特定知识都重要。我将在下文进一步讨论这一点。
“放下过时的专业知识、拥抱新范式的能力，将比任何特定知识都重要。”
我时常想起我的曾祖母，她经历了从马车到太空旅世的转变。今天进入职场的年轻人将经历同样戏剧性的变化，而且压缩在更短的时间内。他们需要在不稳定中蓬勃发展的心智模型。
构建反脆弱的身份认同
如果你的身份认同与“聪明”紧密相连，那你会过得很艰难。我已经经历过这个。我曾经是朋友们寻求快速、机智内容的那个人。现在我看着Claude做得更好、更快，而且没有错别字。
年轻人需要在智力之外寻找自我价值的来源。你善良吗？勇敢吗？有毅力吗？有趣吗？随着认知任务变得商品化，这些品质变得越来越重要。知道事实内容变得不那么重要了。我们需要对不同的事物抱有雄心。
创造有意为之的人类空间
国际象棋世界冠军芒努斯·卡尔森最近退出了世界冠军赛 cycle。[10] 为什么？因为准备古典象棋现在需要花费数月时间与AI合作，寻找微小的开局优势，而他不想那样度过自己的时间。
年轻人将需要做出类似的选择。你什么时候应该有意地排除AI？什么时候效率会破坏体验？
“你什么时候应该有意地排除AI？什么时候效率会破坏体验？”
我已经开始在没有AI帮助的情况下写一些文章——不是因为输出更好，而是因为与想法搏斗的过程能锤炼我的思维，并保持这些技能的敏锐。年轻工作者需要识别哪些挣扎值得保留。
五、实用技能与行为
技术素养，而非技术痴迷
每个年轻人都应该广泛使用AI工具。目的不是成为程序员（除非那是你的热情所在），而是了解如何最好地利用它。尝试在一周内所有事情都用AI。然后试着不用它。注意其中的差别。
但要避免陷入技术痴迷的陷阱（除非那是你内在的热情）。
更重要的是，学会识别“注意力黑洞”。那些能放大你生产力的系统，同样也能摧毁它。如果一个AI系统不定期提示你暂时离开、独立思考、与他人联系，那么它就不是适合你的系统。
人脉与个人品牌建设
在一个任何人都能生成合格内容的世界里，归属比以往任何时候都更加重要。为什么某人要阅读你（在AI辅助下）的分析，而不是其他人的？答案在于信任、视角和关系。
“为什么某人要阅读你（在AI辅助下）的分析，而不是其他人的？答案在于信任、视角和关系。”
年轻人面临着一个第22条军规：即使AI使竞争环境变得平坦，既有的声音仍然能维持受众，但当内容被商品化时，建立新的声音变得更难。你最好的机会是现在就开始，在人类生成（或人类策划）的内容仍然更有分量的时候。能够蓬勃发展的年轻工作者，将是那些利用AI放大自己真实、独特的观点，并持续为关注者提供价值的人。
身体与人际交往技能
虽然AI最终将通过机器人技术扩展到物理领域，但这种转变将滞后于认知自动化。更重要的是，人类在某些情境下会保持对人类服务的偏好。我们可能接受机器人外科医生，但我们想要一个机器人导乐吗？喜剧演员、瑜伽老师——这些角色可能会持续存在，不是因为机器不能做，而是因为由人类来做这件事具有某种令人向往的特质。
年轻人不应逃向体力行业，期望获得永久庇护——机器人技术会跟上来。但他们应该认识到，具身的、人际交往的技能会更长久地保持其价值。
六、对教育和就业政策的思考
我不是教育或就业政策专家，我欢迎这些领域的专家在这些方面进行更多研究。以下内容应被视为阐述各种需求，而非提出具体解决方案。
重新构想教育优先事项
我们目前的教育体系优化的恰恰是错误的东西。标准化考试衡量的是AI最擅长的——知道并复述事实。
相反，教育应该优先考虑：
- 主动性： 教学生识别值得解决的问题，而不仅仅是解决分配的问题。
- 协作与委派： 在AI时代，与他人良好合作——能够通过团队合作和委派来放大自身能力——将带来丰厚回报。
- 发展价值观和品味： 鼓励深度参与伦理、美学和目的，而不仅仅是事实的积累。
教育体系的结构性变革
我们对AI的教育响应，部分应该是实施当前体系中已经零星存在的好主意。某些现有的教育方法已经证明了我们脆弱的、易受AI冲击体系的替代方案。蒙台梭利和华德福学校都体现了与AI时代需求相契合的某些原则。（注意：这并非全盘 endorsement 这些项目的每一个方面）。
华德福学校[11]在所有学科中大力强调艺术融合，这培养了一些审美敏感性和个人品味，将使人类能够更好地利用AI。通过将学业指导推迟到七岁，并在整个过程中保持最低限度的技术使用，华德福学校明确地围绕创造力、手工技艺和人际关系来建立孩子们的自我价值感，而不是纯粹基于认知表现指标。这有助于培养出在过程中（而不仅仅是输出结果中）找到意义的毕业生。
蒙台梭利教育[12]预示了我上面提到的管理心态。学生，即使是非常年幼的孩子，也会实践未来工作的核心技能：从准备好的选项中选择自己的项目、设定目标、评估进展以及教其他孩子。混龄课堂的结构自然地教导学生，即使不是房间里最聪明的人也能安然处之——这是为与超级智能AI一起工作做的准备。蒙台梭利的学生还练习评估自己工作的质量，以及它是否达到了他们的标准。
这两种方法都拒绝标准化测试，支持基于作品集的评估和整体性评价。随着我们的世界变得越来越量化，孩子们可能会受益于能够花些时间待在“未被测量的空间”。
这些教育模式的存在提供了具体的证据，证明当教育体系优先考虑元技能、内在动机和反脆弱的身份认同时，学生是可以培养出这些能力的。挑战在于，如何将这种方法推广到目前只有一小部分学生能够接触到的范围之外。
除了更广泛地实施这些模式做得对的地方，我们还应该尝试将AI伙伴关系作为核心课程：每个学生都应该学习有效地指导AI系统，并批判性地评估其输出。教育者应该谨慎选择引入哪个AI以及何时引入——我认为我们尚不清楚学生开始与大型语言模型互动的最佳年龄，但似乎很清楚的是，我们希望这些系统是明智的、友善的、并且年龄适宜的。这些系统不应该是从不挑战学生的谄媚系统，也不应该是让人上瘾的系统。我们希望系统能在学习中引入适量的“摩擦”，并鼓励学生仍然投资于人际关系。
“我们还应该尝试将AI伙伴关系作为核心课程：每个学生都应该学习有效地指导AI系统，并批判性地评估其输出。”
最后，我们应该考虑更短、更频繁的教育周期。一次性的四年制学位假设知识是稳定的。相反，可以设想一个更短的初始课程，之后学生在职业生涯中定期回来参加为期数月的强化课程。鉴于未来几年可能出现的动态变化，在人生某个阶段完成的多年制学位很可能会过时。人们仍然可以完成多年制学位，但更多地是本着“为了知识本身的热爱”的精神，而不是为了职业准备。
就业政策调整
AI将对就业产生巨大影响。目前尚不清楚这在多大程度上看起来像是工作岗位的消除，还是基础任务的巨大转变。
失业支持： 如果AI在短期内或长期内消除了大量工作岗位，我们将需要某种转移支付体系，确保人们能够有尊严地、经济安全地生活。AI似乎很可能会极大地促进经济增长并产生巨额财富；这意味着，即使工作岗位被消除，只要有政治意愿，人们普遍可以过得更好。（当然，这在一个国家内部就够难了，更不用说跨国了——尽管经济效应不太可能止步于国界。）
“AI似乎很可能会极大地促进经济增长并产生巨额财富；这意味着，即使工作岗位被消除，只要有政治意愿，人们普遍可以过得更好。”
也就是说，经济安全只是问题的一个方面。工作提供的许多有价值的好处远不止于报酬：目标感、社会联系、在社区中的角色。即使这些来自工作之外，人们仍然需要这些方面。它们可能来自俱乐部、志愿服务、为人父母或宗教信仰。从长远来看，消费和休闲不足以让人们感到幸福。
人机协作标准： 我们需要制定框架，规定何时需要、希望或禁止人类监督。这些标准应随着AI能力的增强而发展，以免变得过时或适得其反。例如，就目前的能力而言，可能有些活动我们希望强制要求“人类参与”（法庭判决、无人机袭击），但在未来，如果AI系统表现如此出色，以至于人类干预会使结果变糟，可以想象我们会希望实际上禁止人类干预（例如，如果所有汽车都必须自动驾驶，或者某些手术只能由AI模型进行）。
七、论准备的困难
我们正在为年轻人准备一个我们无法完全想象的世界。我们教授的特定技能可能会过时。我们设想的职业可能永远不会存在。我们预见的挑战与真正出现的挑战相比可能微不足道。
我经常被问及关于未来的建议，我也希望能够给出。但我自己也很难看到未来几年之后的情景，因为我预计变化太大。这可能是一个可怕的想法，但不是唯一的想法。我相信存在一条通往更长寿、更健康、更富裕生活的道路——我未来的孩子可能会过上比我更丰富、更充实、更有意义的生活。但这绝非 guaranteed。
我确实相信，那些为活力做好准备、从心理上准备好迎接不确定性、熟悉利用AI倍增自身影响力、并且磨练出与AI最具互补性的技能的人，将处于更有利的位置。但最重要的是，知道如何运用这种新的强大力量将是至关重要的——知道要构建什么，培养品味，形成远见，并对自己的价值观深思熟虑且清晰明确。
“最重要的是，知道如何运用这种新的强大力量将是至关重要的——知道要构建什么，培养品味，形成远见，并对自己的价值观深思熟虑且清晰明确。”
参考文献
[1] OpenAI (2023). “GPT-4 Technical Report.”
[2] Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). “GPT-4 Passes the Bar Exam.”
[3] Anthropic (2025). “Claude 4 Capabilities Report.”
[4] DeepMind (2025). “AlphaGeometry: An Olympiad-level AI system for geometry.”
[5] Park, J. S., et al. (2023). “Generative Agents: Interactive Simulacra of Human Behavior.”
[6] OpenAI (2024). “Introducing GPT-5.”
[7] Amodei, D. (2025). “Conversations on AI Safety and Progress.”
[8] OpenAI (2024). “Superintelligence: Strategy and Alignment.”
[9] Marcus, G. (2024). “Why the AI Boom Might Hit a Wall.”
[10] Carlsen, M. (2024). “Statement on World Championship Participation.”
[11] Steiner, R. (1907). “The Education of the Child.”
[12] Montessori, M. (1912). “The Montessori Method.”
转载请注明：《中国社会分红/基本收入研究网》 浏览量：21 views
