AI冲击之下，青年学什么才能不被替代丨同期声

AI冲击之下，青年学什么才能不被替代

□ 苏丽锋

提要：人工智能可以处理定义清晰的任务，但真实世界的问题往往是模糊的、跨领域的甚至信息不完整的。青年需要学会拆解非结构化问题，整合来自不同领域的信息，在不确定条件下作出决策，这也是任何算法都无法完全替代的人类核心能力。

人工智能正加速催生新的生产、生活、工作方式，既为青年拓宽就业新赛道，也带来前所未有的技能挑战。在AI的冲击下，就业正经历一场结构性的深层调整，对青年的能力要求也在发生深刻变化。

挑战：技能极化与进入壁垒

对于青年群体而言，人工智能带来的冲击并非简单的岗位消失，而是就业市场中技能极化现象与进入壁垒的急剧攀升。

所谓技能极化，是指就业机会加速向两端迁移。一端是高认知、高创意、高技术含量的岗位，其价值被人工智能工具放大，准入门槛相应抬高；另一端则是低技能、面对面服务的岗位，因自动化难以触及而得以留存，但薪资水平与职业稳定性堪忧。大量依赖重复性劳动的白领及准白领中间层岗位，例如初级编程、数据录入、标准客服、基础翻译以及常规法律检索等，正被人工智能迅速侵蚀。

青年恰好处在这个沙漏结构最狭窄的腰部。他们往往缺乏经验积累，尚未建立起专业声誉，原本赖以进入职场的中等技能岗位正逐渐缩水。与此同时，高端岗位越来越要求劳动者能够熟练运用人工智能工具辅助工作，低端岗位则陷入了上千份简历争抢一个职位的内卷状态。还有一种隐蔽性就业困境，可称之为经验技能死锁。企业希望招聘来的人能够直接上手使用企业级大模型接口，但学校从未系统教授这些知识。学生因为没有工作经历而无法接触到真实业务场景中的人工智能工具，没有工具经验就更加得不到工作机会。如此循环之下，文凭的信号价值正被不断稀释。

错位：根源不在于技术本身

人工智能对青年就业冲击的根源不在于技术本身，而在于人才培养体系与人工智能时代所需之间出现了深刻的裂痕。

第一重错位是能力目标的错位。现行学历教育，尤其是普通高等教育，仍然深深植根于标准化解题的范式，以考试为终结性评价。这套系统擅长培养知识存储和规范的遵循者。然而，人工智能最擅长取代的恰好是记忆、复述、模式匹配和标准化输出。人工智能时代真正稀缺的能力是提出好问题的能力、批判性思维、跨领域整合以及人机协作流程设计，而这些在现行考核体系中几乎找不到对应的评价指标。

第二重错位发生在学习方式上。学校教育的节奏是线性的、标准化的，而人工智能时代技能获取的真实逻辑是项目化、混合式和快速迭代。一个人学习如何使用人工智能工具，最好的方式是带着一个真实任务，比如用人工智能设计一份营销文案，边做边学，遇到困难立刻查询、调整、再尝试。这种学习不需要固定的四十五分钟课堂，也不需要统一的教材，它更多发生在开源社区的讨论区、线上挑战赛中。但我们的培养体系很难承认和认证这种学习方式。

第三重错位则是产教关系的滞后。企业的一线技术往往领先高校课程一至两代。当企业内部已经普遍使用人工智能辅助编程、自动化测试、智能运维时，高校计算机系可能还在讲解基础的语法和数据结构，只在少数课程中提及大模型应用。校企合作长期停留在安排几次讲座、提供几个实习岗位的层面，极少有共同开发课程、共建真实项目案例库以及师资双向深度流动等制度化安排。

转向：青年需要掌握的能力

在上述错位的背景下，“技校热”成为一个值得深究的社会现象。

AI时代有一个看似矛盾的现象，越是高度依赖物理世界操作、需要现场判断和手眼协调的工作，越是难以被AI完全替代。设备维修、机器人调试、新能源系统安装、精密加工、康复护理、园艺疗养等等这些岗位不仅需求旺盛，技术含量和薪资水平还在上升。“技校热”的实质，即社会开始为高技能、高自主、高协同的技术员教育付费。当前，青年和家长已经敏锐地捕捉到，在学历加速贬值的时代，可验证、能变现、不断迭代的技能将成为更加可靠的资产。

然而，如果把“技校热”简单理解为让更多人去读技校，那就可能造成新一轮的错配。事实上，真正的学习新趋势不是追逐某一类学校的文凭，而是对与AI协同技术技能学习的需求。

未来社会需要青年具有人机协作技能。这包括有效使用提示词与大型语言模型交互，熟练运用AI辅助工具，能够对AI输出进行校验、修正和优化。这并非掌握某个软件那么简单，而是把人工智能当作一个协作者的全新工作范式，与之相辅相成的是技术敏感度与判断力。青年需要理解人工智能的基本能力边界、数据伦理和自动化逻辑，清楚知道人工智能擅长什么、不擅长什么、可能在哪里出错，从而能够理性决定什么任务交给人工智能，什么任务必须由自己深入完成。

除此之外，复杂问题解决能力同样不可或缺。人工智能可以处理定义清晰的任务，但真实世界的问题往往是模糊的、跨领域的，甚至信息不完整的。青年需要学会拆解非结构化问题，整合来自不同领域的信息，在不确定条件下作出决策，这也是任何算法都无法完全替代的人类核心能力。

另一个容易被忽视的方向是高情绪劳动与身体技能。护理、教育、心理支持、谈判、手工精修、现场诊断，这些需要共情、信任建立、精细操作和多模态判断的工作，反而随着人工智能的普及而更加珍贵，也是青年可以建立长期竞争力的领域。在人工智能加速知识迭代的时代，青年必须掌握快速筛选信息的方法，具备构建个人知识系统的能力，学习不再是阶段性的任务，而是一种持续性任务。

面向AI时代，教育部门应当从标准制定者转向框架赋能者，高校则需要从知识殿堂转向问题工坊，企业应主动参与人才培养，社会机构和社区应当从补充角色转为关键枢纽。只有各方协同构建一个开放、敏捷、可持续的能力发展生态，才能助力青年更好地面向未来。

（作者系对外经济贸易大学国家对外开放研究院研究员）