AI 可能改变谁有机会练出判断力

真正的就业问题，比“取代人类”更深一层

大多数关于 AI 与就业的讨论，至今仍然过于粗糙。

最省事的说法是：

AI 会取代人类。

我认为，更准确的说法是：

AI 可能首先取代的，是人们过去为了练出本领而做的那些工作。

这就是为什么 Claude Code 和 OpenClaw 的意义不止于提高生产力。

Anthropic 明确表示，Claude Code 就是为自动化开发任务而设计的。OpenClaw 的目标则是让助手随时出现在人们已经在用的聊天界面中。

把这两个思路放在一起，就能看出冲击会从哪里开始：未必是顶层战略，而是知识工作中那些常规和半常规的环节。

哪些工作会最先被接手

包括：

写初稿
做基础的信息整理与综合
重复性调研
初级编程
执行日常任务
低风险的协调工作

多年来，这些工作一直是新人学徒阶段的训练场。

人们正是通过它们学会：

如何判断质量
如何识别边界情况
如何梳理决策
如何提出更好的问题
如何在代价变大之前发现失败模式

这些工作并不光鲜。

但它们能让人成长。

所以这个问题才如此重要。

如果智能体接手了这些环节，它们拿走的就不只是工作。

它们也开始影响谁有机会练出判断力。

当前的劳动力信号说明了什么

这就是为什么，比起 AI 的炒作周期，劳动力数据更让我担忧。

Anthropic 在 2026 年 1 月发布的经济指数报告指出，综合其各份报告，49% 的职业中，至少四分之一的任务已经有 AI 参与。

Anthropic 更早关于生产力的研究发现，Claude 对话中的任务耗时大幅减少，但也指出，这些收益并未完全计入把结果打磨成最终成品所需的工作。

世界经济论坛（World Economic Forum）表示，40% 的雇主预计，会在 AI 能够自动化任务的领域缩减人手。

该机构 2026 年 1 月关于入门岗位的简报指出，职业早期岗位中的常规任务越来越容易受到 AI 影响，岗位要求也在变化。

这些信号可以从两个角度理解。

乐观的理解是：AI 拿走枯燥的工作，让人腾出手去做更有价值的事。

这有一部分是对的。

另一个角度则更危险：AI 拿走的，恰恰是人们过去借以成长、进而有能力承担高价值工作的那些任务。

太多领导者跳过了这一点。

为什么学徒阶段如此重要

一个社会不可能永远只消耗资深人士的判断力。

它必须不断培养出具备判断力的新人。

这才是真正的劳动力问题：

如果学徒阶段被压缩，我们要怎样培养未来的专家？

所以，我不认为“学会写提示词”是一个严肃的答案。

写提示词不会凭空变出判断力。

判断力来自：

接触真实问题
反复实践
经历失败
接受纠正
做越来越难的决策

如果过早把其中太多环节自动化，我们可能换来短期的生产力，却留下长期的能力不足。

AI 时代隐藏的不对称

说到这里，Bundle 2 关于编码后的判断力的论点，就不再只是一个经济问题了。

因为一旦判断力变得足够有价值，值得被编码并规模化应用，另一个问题就会立刻出现：

究竟还有谁，能获得从头练出这种判断力的机会？

这就是隐藏的不对称。

少数人可能把自己的思考方式编码进系统，从而大幅扩展自己的能力。

但如果初级工作消失，能够成长到“思考方式值得被编码”这个阶段的人，可能会越来越少。

这意味着，AI 改变的不只是工作如何完成。

它也开始影响：

谁能获得学习的机会
谁能形成品位
谁能积累判断力
谁能成为专家

一旦如此，下一场争论就不再只是关于生产力或就业。

而是关于人的价值本身，究竟由谁来创造。

通往下一个问题

如果智能体开始接手那些原本用来培养判断力的工作，那么下一个问题就无法回避：

当这种判断力最终被编码进系统，它属于谁，又由谁对它的行为负责？

接下来的讨论必须走向这里。

最后的问题

如果 AI 吞掉了学徒阶段，谁还有机会成长为那种判断力值得被编码的人？