AI 时代哪几类人更容易被淘汰？

来源：htmlDecode("悟鸣AI")

原文链接：https://mp.weixin.qq.com/s/5fSmsawb1MbmH_jhrtGvFg

大家好，我是悟鸣。
最近和很多朋友交流，尤其是一些做管理、做业务的大佬，大家普遍有一个担心：AI 发展这么快，自己会不会被替代？
甚至有个挺有意思的现象：很多主管觉得 Skills 很有用鼓励同学创建 Skills 提效，但一些同学反而不愿意把自己的经验沉淀成 Skills，担心经验被固化之后，自己就没价值了。
这篇文章不聊宏大的趋势，只结合我的观察，简单说说我认为在 AI 时代更容易被淘汰的几类人。
** 第一类：只按流程执行，但不理解目的的人 **
比较明显的一类，是部分只按流程执行的外包同学，以及一些平时很少主动思考的同学。
他们有一个共同特点：对业务理解不深，对技术掌握也比较一般。
很多事情必须说得非常清楚，他们才能干好。
如果需求稍微模糊一点，就习惯继续请示，而不是先自己拆解问题、补齐上下文、提出方案。
很多时候，尤其是面对能力比较强的模型，只要你能把目标、上下文和约束表达清楚，甚至都不一定需要封装成 Skills，它也能把事情做得不错。
之前老板给我派过一个外包，让他帮我干点活，我一开始还是蛮开心的。
但实际协作下来发现，很多事情我要说得非常细，他才能推进，而且有时还要排期、等反馈。
后来我直接把相关资料放到文件夹里，把任务说清楚，用能力比较强的模型跑了一遍，十几分钟就完成了。
这个对比还是挺明显的。
AI 最擅长替代的，恰恰就是那些“标准化的，上下文充足，容易验证”的执行型工作。
** 第二类：学习能力差的人 **
搞 Java 的同学都知道，现在很多大厂还在用 Java 8。这个技术已经十几年了，很多基础知识变化并不大。
过去很多人可能面试时突击学了一堆东西，工作几年之后，日常用到的技术栈也没有太大变化。认真学一两年，确实可能吃很久。
也正因为这样，很多人慢慢就对新技术不敏感了，适应新东西的周期也变长了。
再加上工作本来就累，很多人会觉得：下班之后我已经不想学了。
时间一长，丧失的不只是学习动力，还有学习能力。
但现在 AI 这一波不太一样。
各种 AI 工具，比如 Manus、OpenClaw、OpenCode、Hermes 等，各种 AI 技术和方法，比如提示词工程、上下文工程、RAG、MCP、A2A、Skills、Harness 等，几乎是层出不穷。
你可能一两个月不学习，就会发现很多新工具、新概念已经没听过了。
我能明显感觉到，那些学习 AI 技术很快，又能把 AI 和业务结合起来做出成果的人，更容易拿到好的绩效，也更容易获得新的机会。
相比之下，长期待在舒适区、学习能力又比较弱的人，机会会越来越少。
我甚至听到有人说：“AI 发展太快了，只要我学得晚，就可以不用学。”
听起来好像也有点道理。很多东西你不学，短期内似乎也不影响工作；但是 很多掌握 AI 最新工具和技术的人，将其应用到业务上，产生了巨大的效果。他们更容易拿到好绩效，也更容易获得晋升 。 是可以学得晚，是可以不用去学，但是可能不知不觉中，错过了无数的机会。
但我现在越来越体会到，那些真正用过很多 AI 工具、把 AI 知识学得比较透的人，对 AI 的理解是不一样的： 他们不太会被一些自媒体带偏，浪费很多注意力 他们能够更好地利用 AI 来解决业务问题，或者创作商业价值 他们对 AI 未来的发展通常有一个相对准确的预测，更容易抓住未来的机会
** 第三类：固守旧工具，不愿接受新事物的人 **
现在很多同学已经在用 Codex、Claude Code、Qoder、Trae 等新一代高效编码工具。
但也有不少人还停留在 DeepSeek 网页版里写代码：把有限的上下文复制进去，让它生成一段代码，再回到项目里粘贴。
这里的问题不只是“工具老一点”。
真正的问题是，他们没有意识到工作方式已经变了。
新一代 AI Coding 工具不只是帮你写几行代码，而是能直接读项目、理解上下文、修改多个文件、运行测试，甚至帮你做一部分工程决策。
如果一个人一直停留在“复制粘贴式用 AI”，他的效率上限会被锁得很低。
** 第四类：缺乏批判性思维和独立思考的人 **
很多人其实并不是真的懂 AI，但又害怕错过 AI 的风口。
很多自媒体大 V 可能今天介绍这个“龙虾”，明天介绍那个“龙虾”。今天是“智能体军团”，明天又是“牛 X 分身”。这些东西很有噱头，也很容易吸引注意力。
但很多人装完之后发现好像没什么用，第一反应是怀疑自己不会用，很少反过来想：这会不会本来就是噱头？或者很多自媒体其实也给不出真正实用的解法？
在我看来，外面出了那么多东西，很多其实和你关系不大。
你真正需要的，可能是选择一个经典工具，把它用深、用透。
甚至如果你大多数时间都在电脑上，也未必一定要用“龙虾”。它更消耗 Tokens，风险也可能更高。
龙虾只是一个入口，就像手机或者电脑一样。它本身解决不了你的所有问题。
如果你想真正提效，关键不是搞一堆花哨的“军团”和“分身”，而是静下心来梳理自己的工作场景，看看： 哪些是重复的、标准化的事情 哪些是可以交给 AI 干好的事情
然后选择合适的模型，把它封装成 Skills。
在使用过程中不断打磨和优化，你会慢慢发现更多可以被 AI 承接的场景。
当这些场景被沉淀好之后，你会有越来越多事情可以交给 AI 高质量完成，也才会有更多时间去做更有价值的判断、创作和决策。
但梳理场景、学习 Skills，对很多人来说都意味着要走出舒适区。
这件事会带来一点阵痛，所以很多人会本能地找借口，让自己心安理得地停在原地。
很多人也并不是真的想学会这些东西，更没有真正下定决心转型，只是喜欢看一些花哨的 AI 视频，获得一种“我好像跟上了时代”的感觉。
比如说，如果有自媒体说别用 OpenClaw 了，用 Hermes，它可以“自动进化”，可以自动帮你创建 Skills、优化 Skills。
如果你不是很懂 AI，可能会觉得这个太有吸引力了，太先进了，很容易“上头”。
但如果你更懂 AI，就会知道它的效果和你能用的模型有很大关系。模型能力一般，效果就很可能不理想。
还有一个问题是，你真正需要创建 Skills 的很多场景，它可能根本不知道，所以也没有办法自动帮你创建。
再进一步，它给你生成了一个产物之后，你回到真实工作中遇到一些 bad case，可能也不会再回来反馈给它。这样就没法形成真正的闭环。
所以这类“自动进化”的效果，通常没有宣传里听起来那么美好。
这就和当初 ChatGPT、Gemini、Claude 支持长期记忆时，很多自媒体说“有了长期记忆，所以越用越聪明”很像。
很多资深 AI 用户会发现，AI 给出的结果，你可能有很多不满意的地方。
你自己做了修改，但没有把修改反馈给它。
你希望它给你建议或者做预测，但它需要的关键信息可能压根没有，你也懒得录入。
而且 AI 还可能过度拟合长期记忆里已有的一些角色和偏好，导致输出结果反而让你不喜欢。
很多人甚至选择纷纷关闭长期记忆。
** 第五类：沟通表达能力差的人 **
随着模型能力越来越强，你会发现 AI 在越来越多的方面，开始达到让大家比较满意的水平之上。
就拿写代码来说，我现在几乎已经一年多没怎么亲自写代码了，而不是被安排的任务，然后也帮我们搞好。
但是写代码只占程序员百分之二三十的时间，更多的时候是在和上下游（人）沟通，和 Agent 协作。
可以明显看到，沟通表达能力强的人，沟通效率更高，使用 AI 的效果也会更好。
这类人通常工作经验丰富，逻辑更加清晰，不管是写提示词还是搞 Skill，上手都比较快。
反而是那些沟通表达能力比较差的人，不管是和人沟通还是和机器沟通，效果都比较低下。
我觉得未来是「超级个体」的时代。
我心目中的超级个体，至少要具备这些特质： 对新技术保持足够高的敏感度 有快速学习和终身学习的能力 有成长性思维 有批判性思维和独立判断能力 能拆解复杂任务 有清晰的沟通表达能力 能把技术真正转化成生产力 有自己的品味 对未来有相对靠谱的预判
AI  的发展趋势已经不可逆转，我们能做的是冲在最前面！
你认为 AI 时代还有哪些人更容易被淘汰？你认为超级个体还应该具备哪些特质？欢迎留言讨论。
欢迎关注我，我会持续分享有用的 AI 工具、实用的 AI 经验，以及比较客观理性的 AI 观点。