未来3年，AI一定无法取代什么人？

最近和不同行业的朋友聊天，最后话题都集中在一点：AI来了，以后该怎么办？相信你肯定也有过这样的焦虑，担心AI会取代自己的工作，甚至现在许多公司都把用deepseek写进员工KPI里，不会用AI的人全部裁掉。但我的观点是，大家没必要惊慌，AI的出现与其说是一个警告，不如说是一个提醒。

AI更像是一个筛选器，一个分水岭，一个略带强制性的个人能力升级插件。它肯定会替代掉一部分人，这是大势所趋，但也会赋能另一部分人，让他们本身的价值被更加放大。那AI会替代掉什么人呢？不会深度思考的人，只有初级思维只能做初级工作的人，只会动手不会动脑的人。

比如只会写文案，只会咬文嚼字，但不懂得文案背后的思考逻辑，所针对的目标人群，以及要传递的关键信息。再比如，只会搜集整理数据，但不会筛选清洗数据，不会对数据下判断，不会对数据的异常变化有深入挖掘和洞察的人。现在我已经明显感觉到过去那些初级岗位的工作，劳动密集型行业的工作，很容易被AI所取代。但是那些需要深度思考，需要从无到有创造，需要抽丝剥茧找到原因的事情，AI做不了，但它能加速帮你完成这些工作。所以乘风起势，而不是被风刮跑，思考力依然是人类至关重要的武器。

那么想要用好AI，我们要着重培养哪些技能？以下3点，大家笑纳：

会总结事物的底层规则

任何一个领域，一个行业，只有把它的底层规则摸透的人才有资格吃到红利，后来的人只能喝汤，再后来的人连骨头渣都没有。
这个道理在AI来了以后，会更加明显。
什么叫底层规则呢？
就是支撑这个生意业务不断发展的基础，少了它这个模式链条上的一切机会都不成立。
职场上也是如此。我不止一次提到过，人的成长路径是依据外部规则的变化而不断升级的。
从刚入职时一个项目的规则，到一个团队的规则，再到一家公司的规则，最后到一个行业的规则，每一次规则的变化就是一次思想的升维。当你换了一个规则领域，旧的思想要马上更换和适应新的框架。
比如很多人做一个项目的时候非常厉害，一个人顶八个人，但升迁到团队领导的时候却带不动人，因为单打独斗时候的规则和带领团队的规则是截然不同的。然而到了行业层面，规则又变了。“带领”这个词的意义变得更丰富，从过去带领一大帮人，变成了带领整合一大帮资源。
这个“资源”可以是产业链条上的公司，组织，工作室，或者自由职业者，甚至还可以是IP，商标，生产线，人脉网络等等。
思维的迭代伴随规则的迭代，这就是深度思考。学习规则，参透规则，利用规则，最后改变规则。
这就要求，你要不断总结出你这个领域的SOP，即标准作业流程。
而这每一个SOP就是一个规则，AI可以把这些规则结构化，可视化，落地应用化，把它从你的大脑里复制到你的电脑里。
比如，你是做市场分析的，过去搜索分析市场数据，你需要3个人的团队，花费1个月时间去完成。
但现在你只用总结出一套做市场分析的标准作业流程。
前期，中期，后期分别需要做什么工作，具备什么能力，需要什么信息的输入，得出什么样的结论，以及结论质量好坏的评判标准。
然后用AI工作流搭建好这个“生产线”，接着不断喂给它数据，一个小时就能搞定。
这就是利用好底层规则之后的降本增效。
越早洞察到底层规则的人，就越早能培养出自己的万能AI助手，真正解放双手，释放大脑。

万事万物都会拆解

小时候看科幻片，特别喜欢一个段落：
一个机器人看到眼前的一架钢琴，马上展开扫描分析。这架钢琴的材质、年份、生产地、售价、曾经的主人等一系列信息全部罗列在屏幕上。这就是拆解。而人类也应该学会这个技能，因为这会让你看问题变得非常全面有条理。如果带着拆解的意识去看待世界，你会发现万事皆可拆。一个项目，你能拆解成背景，需求，解决方案，资源搭配和时间规划；一场演讲，你能拆解成开场，中段和结尾。

中段里又能拆解成不同的主题，转场以及互动环节；一款APP程序，你能拆解成前端和后端，前端又可以拆解成不同的页面，后端可以拆解成不同的模块；如果你愿意，随便拿起手上的一个东西，面对的一个困难，正在做的一件事情，都可以练习拆解。

拆解的好处，就是将问题由表及里进行分类，然后各个击破。

就像手握手术刀的外科医生，面对病灶要精准处理。既不能伤及无辜，也要一击必中。很多时候我们面对问题不知所措，就是因为没有拆解的思维。问题的不同部位往往纠结掺和在一起，变成一团乱麻。而拆解就是把乱麻理顺，把大脑清空。掌握这种方法，你的思考效率能提升好几个数量级。就像我们面对AI一脸茫然，不知道该问AI什么问题，才能得到想要的答案，就是因为我们不会拆解。

你如果问AI：怎么提高工作绩效？最后只会得到不痛不痒的套路解答，和网上那些鸡汤文并无二致，对你没有任何参考价值。但你如果问AI：我是一个在一线大厂工作5年的程序员，今年6月就进行述职报告（背景），针对过去一年的工作绩效提出改善计划，尤其是在编程开发的进度上要提升工作效率（目标），我该如何制定一份目标清晰，可执行性强的绩效提升计划（行动）？这样再去试试，马上就不一样了。

对AI提问，千万不要陷入知识诅咒的陷阱，你以为AI都知道的事情，实际上你不告诉它，它根本不懂你要什么。所以如何正确地和AI交流？你不能只有笼统的一句话，而是要把信息进行拆解，按照逻辑进行结构化表达，而不是情绪化表达。

会做调试，擅长调试

一个人会不会用AI，很大程度上就是看这个人会不会调试，有没有迭代优化的思维，而不是乱问一通。
因为AI出来的东西一开始并不那么精准，而你需要通过调试来训练它懂你，知道你的想法，慢慢接近你想要的答案。
而想要做好这一点，就要用到控制变量法。
什么意思？
从一个模糊问题开始，不断迭代，每一次只改变其中一个元素，然后根据出来的效果进行反复追问，这样你才能得到最终想要的答案。
控制变量，就是每次只改变一个变量，然后观测结果，直到每一个小的结果都让你满意，最后组合成一个大结果。
比如你想要AI写一篇文章，出来的东西你并不喜欢，但具体不满意的点有好多个，文章结构，文章标题，文章举的例子，文章每个段落的小结，你都觉得要调整。
这时如果一股脑全修改，每次AI都要重新思考，重新产出，出来完全一篇新的文章，这时大概率你又会有新的不满意的点，无休无止。
那该怎么办？
不要一上来就调试所有地方，而是一个个分别来调试。
文章标题不满意，单独拎出来进行调整，具体哪里不满意，是语气不行，痛点没有前置，情绪感不够？
文章结构不满意，那就是文章大纲出了问题，所以就重新拟定大纲，换个行文结构。
文笔风格不满意，那就喂给AI几个你觉得不错的文风，依然是原来这篇文章，让它换个方式来写。
如此调试，AI才能知道你对每个部分分别的偏好都是什么，它才会记录在“大脑”里，长此以往才会更加了解你。
最后总结一下，什么叫AI思维？
AI思维并不是你真的相信AI可以代替大脑，而是AI可以代替大量由人脑发出来的人工指令。只有这样你才会积极去尝试，去使用，而不是当一个甩手掌柜，什么都不干就能躺平。
因此一定要具备深度思考的能力，这就要求我们会挖掘工作的底层规则，能够拆解所有的步骤，对每个步骤进行精准微调，如此才能用好AI.
这个过程前期肯定是痛苦繁琐的，甚至比你过去人工工作还要来得耗时耗精力。
可一旦你深入干进去了，基建设施搭好了，后面就是乘风起浪，无往不利。
最后，祝大家早日成为AI的驾驭者，而不是被AI驾驭。