哪些职业难被 AI 取代？普通人该补的不是岗位清单，而是这 3 项底层能力

一句话总结：AI 不会让岗位消失，会让岗位压扁工资；普通人真正要补的不是「安全行业清单」，而是用 Double Diamond 提问、构建 AI Agent、积累方法库这三项底层能力。

开场

每隔几天就有一份「未来 10 大不被 AI 取代的职业」清单在朋友圈传，看完只剩两种情绪：自己刚好上榜的庆幸，和不在榜上的焦虑。

问题是——这种清单的预测准吗？2016 年大家说放射科医生第一个被淘汰，因为 AI 看 X 光片又快又准；后来又说审计师也活不过五年，因为 AI 看财报比人强。结果呢？放射科岗位反而增加了，审计师还在事务所通宵改底稿。

清单错了，是因为问错了问题。真正该问的是：AI 进入一个职业，到底改了哪一层——岗位数量？工资？工作内容？还是把整个服务模式重写？想清楚这一层，再去看自己该补什么技能，才有意义。

下面把这次哈佛商学院给出的三条底层判断和一个具体方法（Double Diamond）拆开讲。

金字塔总览

mindmap
  root((AI 时代<br/>职业生存三问))
    一·AI 不减岗位
      放射科岗位反增
      审计师要担责
      Robotaxi 仍配安全员
      顶尖工资被压平
    二·智力服务规模化
      心理咨询易替
      职场咨询易替
      捏脚体力难替
      会做 Agent 的人接住红利
    三·提问比解题值钱
      Double Diamond 流程
      问题清单越细越值钱
      方法库会被穷尽
      方法库永不浪费

一、第一条判断：AI 不会减少岗位，只会压平顶尖工资

这是最反直觉的一点。先看三个真实的反例。

1.1 放射科：岗位反而增加了

柳叶刀和哈佛商业评论都做过追踪：AI 图像识别进入放射科后，岗位不仅没减少，反而增加。原因有两条：

• 责任问题：AI 说没问题、未来病人出事了，谁去签字？是医院还是设备厂商？说不清。所以片子最终还是要一个人类医生复核、签名、承担责任。
• 病人信任：作为病人，你愿不愿意只看 AI 给的结论？大多数人还是希望「有个医生再确认一下」。

结果就是：AI 让单张片子处理更快、更精准，于是能处理的片子总量翻倍——岗位需要的是更多复核者，不是更少。

1.2 审计师：AI 没法替你蹲监狱

视频里有一句金句很狠：

审计师有一个功能是 AI 永远替不了的：审错了或做了假账，要进去蹲监狱——这件事 AI 替你蹲不了。

只要一个岗位需要法律责任主体，AI 就只能是工具，不能是替代。

1.3 Robotaxi：方向盘后面还得坐人

特斯拉在美国已经跑无人出租，但美国联邦法律要求方向盘后面必须有安全员。司机岗位没消失，但工资变低了——因为绝大多数时候不用干预。

1.4 真正变化的是什么：工资被压平

把上面三个例子合起来看，规律就出来了：

金句：AI 不会让你失业，但会让原本靠经验和稀缺性挣高薪的人，工资降下来。所以最该焦虑的不是普通人，是那些「以前一眼准」的顶尖专家。

二、第二条判断：被 AI 规模化的，是智力服务，不是体力服务

工业革命做了一件事，叫生产规模化——一辆车从「三五人造一年」变成福特流水线一年几十万辆。AI 这一轮做的事完全不同，叫智力服务规模化：

工业革命：生产 → 规模化
AI 革命： 智力服务 → 规模化（体力服务不会）

把岗位放进这张表里，谁更危险一目了然：

注意结论的反直觉之处：

• 越是过去靠「专业知识 + 一对一服务」挣钱的智力岗位，这一轮最先被压平。
• 反而是过去被认为「低端」的体力服务，短期内更安全。

普通人对应的策略只有一条：如果你现在做的是智力工作，别再做一对一了——学着把自己变成一个 AI Agent。现在做 Agent 的门槛很低：扣子（Coze）、Dify 几乎零代码。给自己留一年时间，把你最熟悉的那套智力服务，搬到一个 Agent 里去。

三、第三条判断：未来最值钱的是提出问题的人，不是解决问题的人

这是哈佛课堂上最颠覆的一条。先纠正一个误会——

爱迪生最有名的那句话不是「99% 汗水 + 1% 天赋」。 他真正说过的是：一家公司的核心竞争力，在于 24 小时内能塞进多少次实验。

也就是说——创新不是拍脑门，是流程。AI 时代把这条逻辑放大了一千倍。

3.1 一个真实的对比

中国团队不是不努力，是实验流程没被加速。AI 时代谁能设计好流程、谁能让 AI 在流程上做 200 次实验，谁就赢。

3.2 Double Diamond：用得上的提问流程

Double Diamond（双钻结构）是设计公司 IDEO 总结的创新流程，左右两个菱形，每个菱形都先发散再收敛：

[挑战/问题] → 发散：定义问题 → 收敛：问题精准描述
            → 发散：穷举解法 → 收敛：选定原型 → 试验 → 改进 → 产品

把它落到日常用 AI 上，就是四步：

1. 明确挑战：先把模糊问题写下来。例：「我想搞钱」。
2. 不断定义问题：通过自问把问题切细——多少钱？多长时间？什么做、什么不做？想达成什么目的？
3. 让 AI 给 20 个解法（关键：发散时不要急着否定）。
4. 告诉 AI 你的现状，让它从 20 个里挑一个最适合你、能一周内试出来的原型。

很多人用 AI 失败，是死在第 1 步——问题太糊；或者死在第 3 步——一边问一边否定，AI 收到 reject 多了就不发散了。

3.3 方法库：未被采用的 18 个解法不会浪费

剩下 18 个解法去哪了？进入一个叫方法库的地方。AI 大模型现在就这么干——这次配方治不了这个病，但留着，未来配上另一个新问题，就能解锁。

往下推 30 年：

方法会被穷尽，但能问出新问题的人不会被穷尽——能想到问题的人才是最值钱的人。

这也解答了开头那个问题：普通人真正要储备的不是「安全岗位」，而是「问问题」的肌肉记忆。

一页速览

一句话收束

不要再去找「哪些职业不会被 AI 取代」的清单了——清单都会过时。把时间花在三件事上：学会构建一个 AI Agent、用 Double Diamond 提问、让你的方法库一直在长。然后你就会发现，AI 不是你的敌人，是你身后的哆啦 A 梦。