在接下来的三年里，AI肯定不能取代谁？

最近与不同领域的朋友聊天，最后的话题集中在一点：

AI来了，以后该怎么办？

我相信你一定有过这样的焦虑，担心AI会取代你的工作。即使是现在，很多公司也在员工的KPI里写deepseek，所有不能用AI的人都被裁掉了。

但是我的观点是，每个人都不必惊慌，AI的出现与其说是警告，不如说是提示。

AI更像是一个筛选器，一个分界点，一个稍微强制一点的个人能力升级插件。肯定会取代一些人，这是必然趋势，但也会赋能另一些人，放大自己的价值。

那么AI将取代谁呢？

没有深入思考的人，只有初级思考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，却不知道文案背后的探索逻辑，所针对的目标群体，以及要传达的关键信息。

再比如，只会收集整理数据，但不会选择清理数据，不会判断数据，不会深入挖掘和洞察数据的异常变化。

如今我已明显感觉到过去那些初级职位的工作，劳动密集型行业的工作，很容易被AI所取代。

但是，AI做不到那些需要深入思考，需要从零开始创造，需要找出原因的事情，但是可以加快帮助你完成这些工作的速度。

所以乘风起势，而非被风吹走，思考仍是人类十分重要的武器。

所以要使用好AI，我们应该重点培养哪些技能？下面三点，大家笑纳：

首先，我们将总结事物的底层规则。

在任何领域、任何行业，只有掌握了其底层规则的人才有资格获得利润，后来的人只能喝汤，后来的人甚至没有骨头渣。

在AI到来之后，这个道理会更加明显。

底层规则是什么？

就是支撑这一业务不断发展的基础，没有它这一模式链上的所有机会都不成立。

工作场所也是如此。我不止一次提到，人类成长的道路是根据外部规则的变化而不断升级的。

从一个项目的规则，到一个团队的规则，再到一个公司的规则，最后到一个行业的规则，每一个规则的变化都是一个思想的提升。

如果你改变了规则领域，旧的想法就会立即改变和适应新的框架。

比如很多人在做一个项目的时候特别厉害，一个人顶八个人，但是晋升到团队领导的时候却带不动人，因为孤军奋战的规则和带领团队的规则完全不一样。

然而，在行业方面，规则又发生了变化。“领导”这个词的意义变得更加丰富，从过去带领一大群人，到带领整合一大群资源。

这一“资源”可以是企业、组织、工作室、自由职业者，甚至是IP、商标、生产线、网络等等。

思考的迭代伴随着规则的迭代，这就是深度思考。学习规则，理解规则，运用规则，最终改变规则。

这个需要，你要不断地总结出你所在领域的SOP，也就是标准操作流程。

每个SOP都是一个规则。AI可以将这些规则结构化、可视化、应用化，并将其复制到你的大脑中。

举例来说，你是做市场分析的，过去搜索分析市场数据，你需要三个人的团队，花一个月的时间来完成。

但是现在你只需要总结一套做市场分析的标准操作流程。

前期、中期、后期需要做什么工作，有什么能力，需要输入什么信息，得出什么样的结论，判断结论质量的标准。

接着用AI工作流建立这条“生产线”，然后不断地给它喂数据，一小时就可以完成。

在良好的底层规则之后，这就是降低成本。

对底层规则的洞察越早，就越能培养出自己的全能AI助手，真正解放双手，释放大脑。

其次，一切都会被拆解。

小时候看科幻电影，特别喜欢一段：

当一个机器人看到他面前的钢琴时，他会立即扫描和分析它。屏幕上列出了这架钢琴的所有信息，如材料、年份、生产地点、价格、以前的主人等。

这个就是拆解。而且 同时，人类也应该学习这项技能， 因为这样会让你看到问题 很全面有条理。

假如用拆解的想法来看世界，你会发现一切都是可拆的。

您可以将一个项目拆解为背景、需求、解决方案、资源匹配和时间规划；

一个演讲，你可以把它分解成开场、中段和结尾。中段可以分解成不同的主题、过渡和互动环节；

一个APP程序，你可以把它拆解成前端和后端，前端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，随便拿起手中的一件事，面对一件困难，正在做的一件事，都可以练习拆解。

拆解的好处，就是把问题从浅入深地分类，然后每一个都打破。

就像手持手术刀的外科医生一样，面对疾病要精确处理。既不能伤害无辜，也要一击必中。

有时面对问题我们不知所措，只是因为没有拆解思维。

问题的不同部位通常会纠缠在一起，变得乱七八糟。

而且拆解就是把乱麻清理干净，清空大脑。掌握这一方法，你的探索效率可以提高几个数量级。

正如我们面对AI一脸茫然，不知道该问AI什么问题，才会得到想要的答案，就是因为我们不能拆解。

你们问AI吧：

如何提高工作绩效？

最终只能得到不痛不痒的套路解答，与网上那些鸡汤文章没有任何参考价值。

但是如果你问AI：

我是一名在一线工厂工作了5年的程序员。今年6月，我做了述职报告(背景)，提出了一个改进过去一年工作业绩的计划，尤其是在编程开发的进度上。我应该如何制定一个目标明确、可操作性强的绩效提升计划(行动)？

再试一次，马上就不一样了。

问AI问题，千万不要陷入知识诅咒的陷阱，你认为AI知道的事，其实你不告诉它，它根本不知道你想要什么。

所以怎样正确地与AI沟通？

与情感表达相比，你不能只有一个笼统的句子，而是要拆解信息，按照逻辑进行结构化表达。

最后，会做调整，善于调整。

一个人不能使用AI，很大程度上就是看这个人是否会调整，是否有迭代优化的思维，而非乱问一问。

因为AI出来的东西一开始并不准确，但是你需要通过调整来训练它了解你，了解你的想法，慢慢接近你想要的答案。

而且要做好这一点，就必须采用控制变量法。

什么意思？

从一个模糊的问题开始，不断迭代，每次只改变一个元素，然后根据效果反复提问，这样你就可以得到你想要的最终答案。

调整变量，就是每次只改变一个变量，然后观察结果，直到每个小结果都让你满意，最后组合成一个大结果。

比如你想用AI写一篇文章，你不喜欢出来的东西，但是有很多具体的不满，比如文章的结构、标题、文章中的例子、文章中每一段的总结，你都认为需要调整。

这个时候，如果你完全修改了，每次AI都要重新思考，重新输出，出来一篇完整的新文章。这个时候，你很有可能会有新的不满，没完没了。

那么该怎么办呢？

别一上来就调整好所有的地方，而是一个个调整好自己。

标题不满意，单独拿出来做调整，具体哪里不满意，是语气不好，烦恼没有外在，情绪不够？

文章结构不满意，即文章大纲出了问题，因此再一次拟定大纲，改变文章结构。

如果文采不满意，那就给AI一些你认为不错的文风，还是原来这篇文章，让它以不同的方式写出来。

通过这种调整，AI会知道你对每一个部分的偏好是什么，它会保存在“大脑”中，长此以往，它会更了解你。

最终总结一下，AI思维是什么？

AI思维并不是说你真的相信AI可以代替大脑，而是AI可以代替大量人脑发出的人工指令。只有这样，你才能积极尝试和使用它，而不是成为一个无所事事的店主。

因此，我们必须具备深入思考的能力，这就要求我们探索工作的底层规则，拆解所有流程，准确微调每一步，这样才能很好地利用AI。.

这个过程前期肯定是痛苦而繁琐的，甚至比你过去的人工工作还要耗费时间和精力。

可以一旦你深入干进去，基础设施搭好了，后面就是乘风起浪，无往不利。

最后，祝大家早日成为AI的控制者，而非被AI控制。.

本文来自微信微信官方账号 “张良计”（ID：zhang_liangj），作者：张良计，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com