上个月跟一个在杭州做电商的朋友吃饭,他公司去年裁了三个客服,今年又招回来一个,岗位名称改成了“AI训练师”。干的活跟以前不一样了,主要是盯着大模型的回复质量,把那些驴唇不对马嘴的对话挑出来,打标签、写反馈、调话术。工资比原来那三个客服加起来还高。这事挺有意思,它说明一个问题:AI确实在吃掉一些岗位,但它同时也在把另一些岗位的价码往上抬。

我观察了一圈,最先涨价的不是技术岗,反而是那些“会跟AI说话”的人。有个做市场投放的朋友,以前写文案靠憋,一天出三版就算高产。现在他用AI批量生成二三十版,然后花时间挑、改、组合。他的价值不在于写,而在于判断哪一版能跑出数据。这种判断力以前被“产能”掩盖了,现在产能不值钱了,判断力就浮上来了。说白了,当生成成本趋近于零,筛选和决策的权重就无限放大。
还有一个容易被忽略的方向是“懂业务的数据翻译”。我认识一个在传统制造企业做数字化的人,他的活说白了就是把车间老师傅嘴里的“这个声音不对”翻译成传感器能捕捉的振动频率特征,再喂给模型去学。这种人在招聘市场上非常抢手,因为纯算法工程师不懂产线,产线老师傅不懂模型,中间这个桥梁角色以前不被重视,现在成了瓶颈。薪资涨幅比纯写代码的高出一截,而且不怕被优化,因为他的知识是长在具体场景里的。
再说一个反直觉的。AI越猛,那些需要“背锅”的岗位越值钱。比如合规、风控、审计。模型可以给你十条建议,但最后签字担责的还得是人。有个做金融风控的朋友跟我说,他们现在用AI做初筛,效率翻了几倍,但人工复核的环节反而加重了,因为监管要求必须有人对结果负责。这意味着什么?意味着“能看懂模型为什么这么判断”并且“敢在出问题时说清楚”的人,议价能力在上升。这不是技术活,是经验活加胆量活。
当然也有虚火。市面上冒出来一堆“提示词工程师”培训班,号称学完月薪三万。我跟几个真正在大厂做这行的聊过,他们普遍觉得这个岗位会快速工具化。提示词写得好不好,半年内就会被产品化的功能抹平。真正留下来的,是那些能把业务问题拆解成模型能理解的任务序列的人。这跟写提示词是两码事,前者需要行业know-how,后者更像是个熟练工种。所以别被培训班忽悠了,值钱的不是“会提问”,是“知道该问什么”。
还有一个变化挺微妙。我注意到身边那些写作能力好的人,反而在AI时代更吃香了。听起来矛盾,但你细想:AI生成的东西四平八稳、面面俱到、没有棱角,恰恰缺的是人的偏见、情绪和具体经验。一个能写出“我昨天在菜市场看见”这种句子的人,AI替代不了。因为模型没有昨天,也没去过菜市场。所以那些有真实表达欲、有独特视角的内容创作者,价值不降反升。读者越来越容易分辨什么是机器写的,什么是人写的,这个分辨能力本身就在给真人创作定价。
最后说一个我自己的判断。未来两三年,职场里最危险的不是“不会用AI的人”,而是“只会用AI的人”。因为工具的门槛在急速降低,你今天掌握的所谓技巧,下个版本更新就内置了。真正拉开差距的,是你对某个垂直领域的理解深度,是你跟人打交道时那种微妙的分寸感,是你在信息不完整时做判断的勇气。这些东西AI学得慢,或者说,学得像但用起来不放心。所以别焦虑学什么新工具了,回头看看你手头那摊事里,哪些环节是机器干不了的,把那部分做深,比什么都强。
















































