独家专栏作者  祁瑞峰

（祁瑞峰（Ken Qi），CaptionLens CEO与联合创始人，曾任零一万物联合创始人、爱笔（Aibee）科技联合创始人，在微软、甲骨文、SAP、史宾沙等公司任职多年，拥有逾 20 年的跨界领军经验，专注于AI、2B企业营销运营、企业数字化转型等领域。）

前不久我受西雅图华人工程师协会CIE邀请作了一场相关AI等聊天分享，台下坐着一半工程师、大半都是大厂白领。

其中我们聊到的一个问题是，AGI大概率会在2030-2032年间实现，Agent首先会替代重复的初级白领工作，作为职业打工者，怎么办呢？

一、先说现实：这次跟以前的技术革命都不一样

每次有新技术，都会有人说："别担心，新技术总会创造新工作。"工业革命消灭了纺织工人，但创造了工厂。工业革命消灭了马车夫，但催生了司机。信息革命替代了打字员，但催生了程序员......这次，我不这么确定。这次，我更判断很难。

第一：这次替代的是脑力，不是体力。过去的机器，让人从田间走进工厂，再从工厂走进办公室。大模型替代的，恰恰是办公室里的工作——写报告、分析数据、生成代码、翻译文档、做设计稿。所有过去被称为"知识工作"的东西，都在这一轮的射程之内。

第二：速度压缩得太快了。工业革命用了100年，信息革命展开了40年，社会有足够的时间重新分配就业。从GPT-3到现在的Claude Opus 4.6，不过五年。五年时间，没有任何社会机制能重新训练足够多的人。

第三：AGI是通用型智能，这是最根本的不同。过去每次技术变革，新技术只在特定领域取代工作，然后在其他领域创造工作——替代有边界，创造也有边界。大模型能跨领域承接海量重复性脑力工作，替代几乎没有边界。这使得"同步创造出规模对等的新岗位"，在这一轮变得格外困难。我的预判是：未来5年内，至少50%具备重复性特征的白领岗位面临实质冲击；未来5年以上，半数以上的传统SaaS、ERP企业软件体系，会被AI Agent从底层重构。这是按AI能力当前演化速度做的保守估计。

二、谁最先被替代：不是文科，不是理科，是"这类工作"

很多人的第一反应是文科最危险，或者理科安全。这是个错误的框架。被替代的不是某个专业，而是某一类工作的本质属性：可规律化、可预测、产出标准化。

最能说明问题的数据来自Anthropic自己的研究——在所有职业的AI自动化覆盖率排名中，计算机程序员以74.5%高居首位，超过客服（70.1%）和数据录入员（67.1%）。程序员，排第一。

逻辑是清晰的：写增删改查、套模板对接接口、生成标准报告的初级程序员，做的恰恰是"规律化输出"——AI最擅长的那一类工作。初级程序员、初级数据分析师、执行层设计师、基础文案、法务助理、财务入门岗——这些岗位有一个共同特征：如果一个新员工能在三个月内学会，AI就能在一周内学会，而且不会有情绪波动，不需要休假，不会跳槽。

金融服务业已经出现了清晰的信号：2025年平均失业持续时间比两年前增加了近20周，招聘计划降到了2010年以来的最低点。这不是金融行业萎缩，是一批基础岗位正在以肉眼可见的速度消失。

三、未来职场的六个方向：你现在站在哪，下一步往哪走

这不是选择题，是一张地图。先找到自己的位置，才能判断下一步。我的建议六个方向，分别是：向前深耕、向后扎根、向上升级、向下迁移、向外转型，向内创业。下面我会基于我的经验与学习，还有大量的交流，一一详细解释：

方向一：向前深耕——从工程师变成 Builder

有一个论断，我认为值得所有程序员认真对待："编程已经被解决。至少对现代工程而言，这是一个已经被解决的问题。"数据在支撑这个判断。Claude Code 已经占据 GitHub 公共提交量的4%，业内预测到2026年底将达到20%。企业私有代码库中，AI生成代码的比例早已突破50%。这不是趋势预言，是正在发生的现实。

这带来两个不可逆的变化：纯写代码的岗位价值快速下降，因为代码不再是稀缺能力；"软件工程师"这个职位名称会逐步消失，取而代之的是 Builder（构建者）、问题定义者、系统设计者、跨领域协同者。

未来不再是"工程师写代码"，而是：Builder提出需求 → AI完成实现 → 人做判断与迭代。

到2026年底，大量科技公司会出现一个奇特景象：产品经理写代码、设计师写代码、运营写代码，甚至财务和行政都能"写代码"——因为代码由AI生成，人只需要"提出正确需求"。这不是代码门槛消失，而是代码生成变成了AI的基础能力，真正稀缺的是知道该建什么、以及建完之后判断对不对的人。传统产品经理的核心价值是"翻译"——把业务需求翻译给工程师，再把技术现状翻译给管理层。这个翻译功能，正在被AI快速替代。

但有一种人，正变得越来越稀缺：那种能自己写原型、能评估模型输出质量、能判断产品方向的Builder。"未来，知道'做什么'，远比知道'怎么做'更加珍贵。"AI越来越会"怎么做"，而"做什么"和"做出来对不对"，始终需要人来判断。硅谷已经出现这样的案例：大量初级前端工程师，放弃无休止编写标准化页面代码，转型为垂直行业AI产品负责人——他们熟悉技术边界，理解AI能力上限，能对接行业客户需求，搭建AI落地流程，成为企业非常稀缺的Builder。

根据对1,200+成功转型案例的跟踪，工程师向AI产品方向转型平均需要6—9个月，成功入职率约85%。最关键的行动：不要去读MBA，去建一个真实的AI产品——不是写文档，是做出来、发布出去、让人用起来，把整个过程记录成可展示的作品集，比任何学位都更有说服力。

方向二：向后扎根——底层算法与基础设施工程师

被替代的是"写重复性代码的程序员"，不是"理解底层逻辑的工程师"。模型的训练、推理优化、分布式系统架构、CUDA内核开发、模型量化——这些不是提示词能解决的，需要真正的数学和系统理解。这里有一个值得讲的现象：中国从业者在AI赛道正在逐步拉开与印度同行的差距。

我们的培养路线偏向"计算机+数学"，擅长动手搭建与落地实现，造就大量真正的Builder；很多印度工程师走"计算机+MBA"路线，偏向沟通管理与方案宣讲。从国际程序竞赛ICPC的参赛成绩和获奖占比，可以直观看到两种路线带来的能力分化。

在AI时代，Builder的价值只会上升，纯粹的协调者和宣讲者压力只会加大。数学能力越强，在这个方向越安全。这是我给孩子说的两句话：“未来是算法的世界”"AI时代，数学是最好的护城河。"

当然有人会说，AGI实现了还需要更多的算法researcher科学家吗？我的观点是：

- 过去，software eat the world。未来，algorithm eat the world，算法会在所有产品中无处不在，researcher前更多的是apply researcher与算法工程师，海量需求；

- 即使AGI实现了，但是2B，会有无数垂直与细分的行业模型、企业模型、领域模型...的出现，海量需求；

- 就是AGI实现了，会催生每个消费者与proconsumer脑力工作者，都会有多个自己的不同场景/profile/任务的agents，每个agents都会有个人/端侧模型，更海量需求；

- 更何况，world model+机器人的泛化量化之后，代替蓝领的物理世界ing中，会有更多的算法需求出来，更海量需求。所以，完全不用担心对算法工程师的需求。

方向三：向上升级——Agent 管理者与"黑领"从业者

这是未来5年增长最快、目前供给最稀缺的新兴方向，也是我最想重点讲的。上次和TSVC的夏老师交流，他提到了黑领这个概念，让我浮想联翩。

什么是"黑领"？同时拥有深度领域专业知识和AI Agent驾驭能力的复合型从业者。不是纯技术，不是纯业务，而是能在具体场景里构建人机协同体系、做复杂价值判断的人。未来企业用工模式逐步变成：少量人类黑领 + 大量AI Agent——人类负责决策、审核、承担最终责任；AI承接全部标准化执行工作。

微软2025年职场趋势调查显示，82%的企业高管预计在18个月内引入AI智能体，但只有23%的人对如何有效整合有信心。这个落差，就是黑领的市场空间。黑领要解决的最核心问题：多智能体冲突与价值仲裁。

未来的企业不是只有一个AI，而是大量分工各异的AI智能体同时运行。每个Agent单独看，KPI/OKR都是合理的；但当它们同时运行，冲突不可避免——而且是以毫秒级的速度爆发，远快于任何人类的反应节奏。这种价值冲突并不会因为AI效率提升而消失，反而会以更高频率爆发。研发部门的Agent追求技术完美，销售部门的Agent追求快速签单，合规部门的Agent追求零风险——这种古老的跨部门矛盾，在AI时代被加速到了机器调度的层面。谁来仲裁？黑领。

黑领不是去手动解决每个冲突（那又变回白领了），而是：

定义价值优先级层次：在什么情况下"安全 > 成本 > 体验 > 利润"？什么情况下反过来？这不是技术问题，是价值观问题。

为多智能体系统设置"冲突解决协议"：当两个Agent目标相互冲突时，谁的输出优先？触发升级的条件是什么？谁有最终拍板权？

管理Agent生态：开除表现不达标的Agent，创建新的Agent，调整Agent的职责与工作范围，维护自己管辖的Agent生态，并与其他部门的Agent生态协同。

承担审计与问责角色：代表公司、部门整体利益，乃至客户与董事会利益——"审计、问责与反对"是黑领对AI体系的最终权力。

这类岗位已有真实落地：多家海外金融机构和律所设立了"AI合规主管"职位，由资深分析师或法务人员转型，专门管控行业AI智能体，识别AI输出漏洞、把控业务风险——这是典型的黑领岗位。

这里有一个重要的认知转变：白领不需要"比AI更会写代码"，需要的是"比AI更懂社会规则与制度边界"。传统白领对流程、法规、合规的熟悉——过去被认为是"死记硬背的廉价部分"——在AI治理时代反而变成了核心密码。监督AI、执行制度、设定边界，比创造新的AI能力更稀缺。这正是白领转型为黑领的关键——从"遵守规则的人"，变成"给AI制定规则的人"。白领的夕阳正在西沉，但对于愿意跃迁的一部分人来说，黑领的星空正在升起。

方向四：向下迁移——基础辅助岗位（谨慎选择）

数据标注、基础模型运维、AI内容初审、AI工具操作员——要说实话：这类岗位薪酬有限，竞争激烈，长期看会被进一步压缩。对于技术背景薄弱、年龄较大、短期迁移成本高的从业者，这是最低阻力的过渡路径，不是最终目的地。例外之地，是做post train/alignment 后训练/对齐的高质量专业数据标注，这个需要对于专业领域的支持与数据有相当的了解，还是有市场空间的。

这个类似4年之前，国内外都提到的未来会火热的prompt enginner提示词工程师的新岗位，现在已经没有多少人提了。

方向五：向外转型——企业AI实施顾问与高技能蓝领

五之一：FDE（前沿部署工程师）- 码农转型的第四条路

2025年4月，全美FDE职位招聘数量为643个；到2026年4月，这一数字跳升至5,330个，年增长729%。需求爆发的根本原因，来自MIT的一项研究数据——95%的企业生成式AI试点项目，没有产生任何可衡量的商业效果。模型不缺，真正的瓶颈是"如何让AI在真实企业环境里跑起来"。

FDE的工作，正好填补这个瓶颈：他们直接嵌入客户现场，部署、配置并扩展AI产品，在客户侧写生产代码，帮助传统大企业完成AI转型的最后一公里。

Google将他们定义为"在客户环境内直接编写、调试、联合交付定制化Agent方案的工程师"；Anthropic和OpenAI也在大规模招募这一角色。

薪酬方面，2026年中级FDE的总薪酬中位数为38.5万美元，高级为61万美元，顶尖AI实验室的首席级FDE超过120万美元。这个角色要求工程能力与客户沟通能力兼备，恰恰是技术背景扎实、又不甘心只写代码的码农最值得考虑的转型方向之一。

五之二：AI顾问与传统企业AI负责人除了FDE，码农还有两条相似却更容易入手的路：

FDE的高薪背后，是高要求——你需要同时具备工程能力和大客户关系管理能力，门槛不低。但同样的"帮传统企业用好AI"这件事，还有两条进入成本更低的路径。

第一条：成为AI转型顾问。 麦肯锡、德勤、埃森哲等咨询公司，以及大量独立顾问，正在被传统企业密集询单——制造业、零售、医疗、金融的管理层都知道"要AI转型"，但不知道从哪里下手、该怎么评估方案、如何避坑。有技术背景的码农，天然具备评估AI方案可行性的能力，这是纯管理咨询顾问最欠缺的东西。从技术背景切入顾问赛道，不需要MBA学位，需要的是把"懂技术"和"能说清楚"这两件事结合起来，帮客户做出有依据的决策。

第二条：加入传统企业做内部AI负责人。 银行、医院、制造厂都在招"懂AI的人"来主导内部转型——但他们自己培养不出来，外部顾问又太贵。有工程背景的人去做这个角色，比传统行业人员学AI要快得多，因为技术门槛对你来说本来就不高，你真正需要补的是行业知识和组织协调能力，而这些在具体岗位上学比自学快十倍。

这两条路的共同逻辑：IT码农学AI的速度，天然快于传统行业从业者；而传统行业最缺的，恰恰是这种"既懂技术又能落地"的复合型人才。 这个时间窗口，不会永远开着。

五之三：高技能蓝领：

这是这次AI浪潮中被最严重低估的选项。也是Elon Musk说的，未来所有不去做原子移动（物理世界）的重复工作的工种都会被AI替代。我在滑雪的时候认识了一个开垃圾处理车的蓝领（西雅图Public Utility公司），年收入将近15万美元。这在华人家长圈子里听起来匪夷所思，但这是美国高技能蓝领市场的真实状况。

物理世界的工作，有一条AI目前无法跨越的护城河：它需要身体在场、现场判断、即时应变。电工、管道工、HVAC技师、精密设备维护——能可靠操作复杂物理环境的机器人，距离大规模商用还有5年以上的距离。

这意味着高技能蓝领，在相当长的时间内是相对安全的选择。从纯粹的经济逻辑来看，实体蓝领的抗替代性，可能高于很多看起来体面的白领岗位。文化上对很多人是一道坎，但这是值得认真考虑的真实选项。

方向六：向内创业——门槛低了，但成功难了

大模型确实把创业进入门槛大幅降低了。Cursor用60人做到10亿美元ARR，Midjourney用约100人产生5亿美元收入——"超级个体+AI"的商业模式已经被验证。

但这里有一个反直觉的逻辑：门槛降低 + AI替代 → 更多人来创业 → 竞争加剧 → 成功和规模化的难度反而提升了。AI降低的是进入门槛，不是竞争壁垒。你的竞争对手也在用同样的工具、以同样的速度出产品。

在这种环境下，"会用AI"本身不再是优势——它变成了底线。真正的竞争，在于你有没有AI难以复制的东西：深度的行业洞察、真实的用户关系、独特的场景理解。

创业的判断标准：你热爱的 + 你真正相信的 + 你作为创始人独特能够的——三者交集越小，失败概率越高。九死一生是创业常态，不要因为"AI降低了门槛"这一个理由就跳进去。

昨天和一个正准备创业的朋友聊天，我就提出，任何通用的创业机会窗口已经关闭（包括模型、平台、通用agent）or 难上加难，但是任何Agent+垂直与领域的创业机会，刚刚开始，未来机会无限：

- toB的行业机会，大家可以向SAP上百个模块，无数的功能+行业+SOP流程的一个场景，可能都是创业的机会；论中美AI Agent的产业数据新金矿与如何打造Agent垂直产品 - 对抗通用模型的终极护城河

- toSMB的行业机会：美国的垂直行业的SMB特别是个体户小公司性质的，浩如烟海无数，餐厅咖啡厅、诊所牙医、contractor、律所、财务...

- to Proconsumer: 白领与无数的新三件套（电商开店、直播带货、自媒体），这里面也有这极致的效率需求的细分场景。

四、IT码农的转型之路：比其他岗位更紧迫，也更有路走

程序员是这场变革里最特殊的群体——既是被替代冲击最深的职业（AI自动化覆盖率74.5%，所有职业第一），又是转型选项最多、路径最清晰的群体。正因如此，这里单独用一章来谈。

先接受一个现实：不要用"AI还不能完全替代写代码"来安慰自己。它确实不能替代所有编程工作，但它已经在替代你工资单上相当一部分的价值了——这两件事可以同时为真。而且AI的能力每3—6个月跃升一次，今天你觉得AI做不到的，6个月后会变成常态。为今天的AI设计职业路径，会很快过时。

另外，还有一个需要打破的错误思维："只要继续学新的技术框架、新的编程语言，就能追上AI。"这个追法，你追不上。AI学一门新语言需要的时间，远比你短。真正应该做的，是在AI能力快速上升之前，完成角色的转变。

IT码农的三条转型路线

路线A（6—9个月，成功率最高）：向前走，成为Builder型PM

你的技术背景是最大优势——你能判断方案可行性、能看懂模型评估结果、能设计系统架构。这恰好是传统PM最欠缺的东西，也是AI时代最值钱的判断力。

立刻开始做的事：选一个你最熟悉领域的真实痛点，用AI工具从头构建一个真实的产品，发布出去，让人用起来。这个过程不需要你写每一行代码——你给AI提需求，让AI实现，你做判断和迭代。把整个过程记录成可展示的作品集，比简历上的任何title都更有说服力。

真实案例：一名工程师反复通过LinkedIn联系StackAI联创，持续使用产品并提供真实反馈，最终在六轮面试后以AI工程师身份入职，现在专门构建AI Agent架构。他拿到机会靠的不是简历，而是真实的使用洞察和判断力。

路线B（长期深耕，护城河最深）：向后走，钻研底层算法与基础设施

被替代的是"写重复性代码的程序员"，不是"理解底层逻辑的工程师"。模型训练、推理优化、分布式系统架构、CUDA内核开发、模型量化——这些不是提示词能解决的，需要真正的数学和系统理解。数学越强，在这个方向越安全。这条路要求高，但护城河也是最深的。如果你有数学底子，这是值得投入的长期选择。

路线C（快速变现，适合有行业积累的资深工程师）：成为"AI赋能的行业专家"

找到你工作十年最熟悉的行业——医疗、制造、金融、教育、法律——用AI工具构建该行业的专属工作流。你的真正优势不是AI能力本身，而是行业的隐性知识：那些没有被公开写出来、大模型学不到的、你走了十年才真正看到的东西。AI用不了这些知识，别人也学不快。

IT码农转型的三条铁律

第一：不要问AI能为你做什么，要给它工具，让它自己干。未来的核心能力不是"提示词技巧"，而是给AI合适的权限、工具、系统和目标，让它自主完成任务。

第二：为6个月后的AI做准备，不要为今天的AI做准备。今天你觉得AI做不到的，6个月后会变成常态。所有只适配当下AI能力的工作流，都会快速过时。

第三：通才 > 专才，但不是什么都懂一点的通才。未来最安全的路径是：懂一点技术 + 懂一点产品 + 懂一点用户 + 懂一点商业，成为能指挥AI的人，而不是和AI竞争执行的人。

最后，接受一个听起来有些奇怪的现实：你不需要懂技术细节，但你可以用技术解决问题。你不需要会Go，但你可以用Go写服务；你不需要会Python，但你可以做数据分析；你不需要会SQL，但你可以查数据库——AI负责实现，你负责正确地提出需求并判断结果。

五、各岗位转型路线图

如果你是数据分析师

风险很直接：清洗数据、制作常规报表、标准化可视化、基础描述性分析，AI可以全自动完成。转型方向：从"跑数"转向"基于数据做商业决策"，把数字翻译成业务洞察；或者转型AI数据策略师，搭建企业数据+智能体协同体系，管控数据的质量、应用和决策流程。数据是AI时代的血液，懂得如何让数据在Agent体系里正确流动的人，不会被轻易替代。

如果你是设计师

设计的替代有一个清晰的分层：执行层在消失，判断层在上升。做模板化物料、套格式海报、执行别人方向的工作，正在加速消失。已经有61%的设计专业人士在工作流中积极使用AI工具——问题不是"要不要用"，而是"在哪里用、在哪里不用"。

价值在上升的方向：不动手执行、定义AI工具方向和品味的AI创意总监；理解用户情感和使用场景的体验与叙事设计师；设计整套团队与AI协作创意流程的AI工作流设计师。

一个真实的转型案例：我的一位朋友是互联网包装设计师，跳槽到医疗器械企业，把设计能力和印刷工艺、法规要求结合，做有硬性行业规范的产品包装设计——这类带有专业门槛的设计工作，短期很难被AI完全替代，而且越垂直越有议价能力。

如果你是市场、运营或文案

AI冲击最直接，但出路也最多元。AI已经能批量生成文章、邮件、广告文案、社媒帖子——这类执行性内容工作的价格正在快速降低。但有一件事变得更稀缺了："这家公司该说什么、对谁说、用什么语气说"的判断力。

Anthropic开出32—40万美元年薪招"内容与文案负责人"，要的不是能写文章的人，而是能建立整套品牌声音体系的人。这种判断力，AI目前给不了。转型方向：品牌声音的定义者、内容策略师、AI运营专家——关键是从"生产内容"升级到"定义内容体系"。前者会被AI替代，后者需要人来做。

六、五步转型行动清单（可立刻落地）

第一步：盘点自身工作，区分"可被AI自动化"和"人类独有价值"的任务

拿出纸笔拆分日常工作：凡是标准化、有固定流程、输入输出清晰的工作，优先交给AI；聚焦那些需要模糊判断、沟通协调、承担决策责任、依赖行业经验的事务，持续积累。这个盘点，越早做越好。

第二步：绑定一个垂直行业，沉淀独家行业 Know-How

纯通用技能的护城河持续消失。如果你是程序员，不能只懂代码；如果你是设计师，不能只会作图。选择制造、医疗、跨境贸易、建筑、金融中的一个赛道深耕。行业私有工艺、业务规则、一线痛点，就是普通人最好的护城河——因为大模型学不到这些。

第三步：主动练习驾驭AI，训练"校验、质疑、修正AI"的能力

AI普遍存在幻觉，会自信地输出错误信息。未来职场的核心基本功不只是"会用AI提问"，而是能够识别AI输出的对错，划定AI工作边界，设定验收标准——这是黑领人才的必备素养，也是"AI越来越强"的时代里人类最重要的技能之一。

第四步：主动向Builder、Agent管理者方向积累经验

主动承接需求梳理、项目统筹、方案落地推进工作，不要只做执行层。尝试搭建简易工作流，串联多个AI工具，形成自动化工作链路，积累智能体调度经验。哪怕只是内部小工具，做出来比想法更有价值。

第五步：长期备选，保持赛道冗余

不要把职业路径锁死在单一岗位上。持续关注实体产业、垂直服务赛道的机会，预留转型空间。这不是悲观，是在一个快速变化的时代里，最基本的职业卫生。

七、最核心的判断：护城河建在哪里

只会使用AI工具，远远不够。这是底线，不是竞争优势。大模型学的，是人类公开写出来的东西——互联网上的文章、代码、书、数据。它学不到的，是：某家医院ICU真实的运转节奏；某个制造车间三班倒下的隐性质量问题；某个细分法律市场里的行业潜规则；某个社群长期积累的用户信任。

这种行业隐性知识，是AI最难替代的人类资产。拥有它的人，才有资格成为该行业的Agent管理者——因为你提供的是AI无法自己构建的上下文，你做的判断是AI无法独立可靠完成的决策。

长期真正稀缺的四类能力：

深度领域专业认知——大模型越来越强，但它知道的是行业的公开面，不是你走了十年看到的真实角落。

复杂场景综合决策——在信息不完整、后果不可逆的情况下，做出负责任的判断；这是AI目前最脆弱的地方。

人机协同体系搭建——设计"哪些事交给Agent、哪些事留给人"的协同架构；这需要同时理解AI的能力边界和人的判断价值。

深度人际信任与跨主体协同——无论AI多强，最终落地涉及的人际关系、利益协调、信任建立，仍然是人类的领域。

结语：一个测试，比所有分析都实用

我一直在想一个最简单的自测方法：如果一个新入职三个月的年轻人，用AI工具做你现在做的事，能做到七八分吗？

如果答案是"能"——你需要认真想清楚：你不可替代的那两三分在哪里？你打算怎么把它变成你最主要的价值，而不是附带值？

如果答案是"不能"——为什么不能？是因为你有AI无法获取的隐性知识，还是因为工作太复杂？

如果是后者，未来两年AI会进步，这个"不能"可能会变成"能"。

这个问题，不是要让你感到恐慌，而是让你比同行早一步，搞清楚自己真正的位置。时代的浪太大，没有人能完全驾驭。但你至少可以搞清楚，你站在哪里，下一步脚踩在哪里——而不是随波逐流地等着浪把你推到哪里。

希望我这篇相对冗长的文章，给所有在职场与大厂的白领，正在遇到被AI替代的焦虑的打工人，一些逻辑、思路与方法，现在就开始，分析自己、定出方向、转型出去，祝大家都有不被替代的自身技能，幸福小康，而不是不被替代的工种与岗位！

评论区思考题：你当前岗位中，哪些工作3年内最有可能被AI接管？你正在布局哪一条转型路线？欢迎留言交流。

商务合作，请联系侯经理 18801065284（微信同号）

报料及内容合作，请联系chanlianshe2026（微信号）