一句话看懂：沃顿商学院教授 Ethan Mollick 在 Business Insider 播客中表示，避开 AI 的“安全职业”思路并不可靠，普通人更该积累深度知识、跨界知识、审美判断和自主推动力。
事件核心：发生了什么
2026 年 11 月 2 日，Business Insider 刊出主持人 Peter Kafka 与沃顿管理学教授 Ethan Mollick 的对谈节选。Mollick 是新书《Co-Existence》的作者，长期观察大模型能力边界。他反对“找个 AI 替代不了的职业”这一流行建议，并以水管工为例反问：眼下可行，不代表“PlumBot 6000”不会出现。他还指出，机器人专家对 AI 与机器人结合的态度已从“毫不相关”转向“确实有东西”。
在他看来，最受冲击的编程领域已经说明问题：写无错代码的重要性下降，描述要造什么、如何验收变得更重要，而编码岗位总量是增是减仍无定论。
为什么重要
这类讨论的价值不在于预测哪个岗位消失，而在于提供可操作的应对框架。Mollick 提出四项相对优势：深度知识，在某一领域比 AI 更懂；广度知识，了解许多小事，便于跨职能协作；审美，从 AI 大量产出中挑出可用内容；自主性，即把模糊目标拆成可验收任务并推动完成。
他同时提醒，“学会用 AI”的旧技巧正在失效：提示词不再靠“魔法词”，而更像管理——说明产品目标、质量标准、测试方法和阶段汇报，并要求给出多个方案供选择。目前公开信息显示，这一判断来自个人观察与访谈，并非对照实验结论。
对用户/开发者/创作者的影响
对开发者，代码产出加速后，需求拆解、验收标准和系统判断更值钱；对创作者，AI 生成内容越多，“挑什么、为什么挑”的审美越关键；对普通用户，与其追逐速成提示词课程，不如练习把任务讲清楚、定好检查点。Mollick 还指出，个人容易把思考外包给 AI，教育机构则需要用课堂闭卷、当面交流等方式重新设计评估。对刚入行的人，如何在 AI 代劳研究与写作的环境里练出判断力，是目前没有标准答案的难题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是机器人能力是否真如部分专家转向的那样快速推进，从而削弱“动手职业”的缓冲；二是企业招聘与绩效标准是否从“会写代码”转向“会定义和验收”；三是学校与职业培训能否落地不依赖 AI 的评估方式。这些变化将决定上述四项优势是通用建议，还是可被验证的用人标准。
