沃顿教授莫利克：转行技工并非 AI 避风港，四类能力更值得投入

据 IT之家 11 月 2 日援引 Business Insider 报道，沃顿商学院管理学教授、人工智能研究者伊桑·莫利克在彼得·卡夫卡的《Channels》播客中表示，面对 AI 对就业的影响，单纯建议人们学习 AI 工具，或转向管道工、护士等动手类职业，作用可能有限。在他看来，更值得投入的是深度专业认知、跨领域知识、审美判断力和主观能动性，而不是寻找一种永远不会被自动化触及的工作。

职业名称不是护城河，工作内容会持续变化

莫利克并未断言机器人将取代技工。他强调，未来走向仍难以准确预测，但他接触的一些机器人研究者，已经开始重新看待大语言模型与机器人技术结合的可能性。因此，把需要动手操作等同于不受 AI 影响，并不是稳妥的职业判断。

编程是他提到的典型案例。AI 正在改变程序员的工作，但未来岗位总量增加还是减少，目前仍没有确定答案。相较于仅仅追求代码零错误，清楚构思要搭建什么，正在变得更加重要。这意味着任务执行方式改变，并不等于整个职业会以同样方式消失；同一岗位内部，能力的价值排序也可能重组。

四类能力：从操作工具转向驾驭任务

莫利克提出的四类特质，指向的是人在 AI 协作流程中的判断、组织与行动能力，而非某一款工具的使用熟练度。

• 专业深度与知识广度：前者帮助人理解业务、识别错误，后者有助于跨越职能边界。他观察到，企业中已经出现程序员参与设计、设计师编写代码、市场人员起草商业方案的情况。
• 审美判断力：面对 AI 大量生成的内容，人仍需要辨别质量、筛选方案，避免产出停留在粗糙拼接的水平。
• 主观能动性：主动明确目标、推动执行，而不是等待工具自动给出可直接采用的答案。

这也解释了他为何认为，笼统地说“学会用 AI”已经不够。按他的描述，提示词工程正越来越接近项目管理：说明产品目标、设定验收标准、安排测试与分阶段交付，再比较多个候选方案。重点由寻找特殊指令，转向把任务定义清楚。

影响解读：效率提升之外，新人如何积累经验？

对有经验的从业者而言，既有阅历、业务理解和判断力可能成为使用 AI 的优势。但对新人来说，问题更复杂：如果查资料、写初稿等基础任务都交给 AI，形成专业能力的练习机会也可能随之减少。

莫利克尤其担忧传统学徒式培养路径。过去，银行、咨询、审计等行业的新人通过基础工作熟悉流程、积累经验与人脉；这些任务既是生产环节，也是训练过程。AI 带来的挑战，因而不只是如何提高效率，还包括怎样保留从初级执行走向独立判断的成长通道。

教育方面，他认为仍有调整空间，例如课后使用 AI 辅导、课堂开展主动学习，并通过闭卷笔试或面对面口试考核。对企业与个人的启示则是：采用 AI 时，不能只看省下多少操作，还应明确哪些思考必须亲自完成。工具可以加速产出，但专业判断的形成，仍需要有意识的训练。