吴恩达：许多年轻人陷入“只操作AI、无法成长”焦虑，要善用智能杠杆

AI正在彻底打破传统职业阶梯，且打破速度惊人：初级岗位曾经靠数千小时查资料、犯错、纠错来积累深层判断，如今大语言模型几秒钟就能生成高质量初稿，切断了“认知反馈回路”。

“新人面临系统性替代，经验积累通道中断。许多年轻人陷入‘只操作AI、无法成长’的焦虑。”

当地时间1月20日，在瑞士达沃斯世界经济论坛上，机器学习专家吴恩达（Andrew Ng）、诺贝尔经济学奖得主克里斯托弗·皮萨里德斯（Christopher Pissarides）、金融科技管理者希曼舒·帕苏勒（Himanshu Palsule）、阿联酋技术政策代表萨拉·宾特·优素福·阿米里（Sarah bint Yousuf Al Amiri），围绕AI对职场晋升与劳动结构的重塑展开深度对话。

对话指出，职场已现显著不对称与两极分化：少数掌握AI调度能力的“超级个体”快速崛起，大量初级员工困于基层，传统“时间累积”晋升标准转向“能力证明”——问题拆解精度、AI纠偏能力、跨领域整合与学习速度成为核心竞争力。即使新人能指挥AI智能体完成复杂项目，也相当于提前展现了多年管理力。

针对阶梯断裂，吴恩达主张用AI打造“能力加速器”，通过模拟训练让新人几个月内压缩式经历过去数年的项目，能力而非工龄决定晋升。但皮萨里德斯警告，若资源分配不均，将加剧不平等，呼吁“全球新社会契约”——公共AI培训基金、标准化认证、利润再分配，确保机会公平。

AI时代领导力也被重定义，未来的领导者将是“人机协同系统的架构师”，晋升到高层的核心能力包括：如何设计一个由人类和AI共同组成的“混合组织”？吴恩达认为，“人性共情、伦理、道德选择，将成为人类的终极护城河。”

对年轻人，他建议，“立即掌握AI工具，寻找自己的智力杠杆，AI给了年轻人一种能力，让他们在这个年龄就能参与到过去无法触及的决策层面。”

以下为对话全程实录（有删减）

01 结构性断裂，传统晋升阶梯为何失效

主持人：在工业时代乃至互联网早期，职业发展遵循着清晰的阶梯逻辑：从初级岗位起步，通过处理基础表格、撰写简单文档，在数千小时的实践中积累经验。但现在，AI正在根本性地改变这个逻辑，吴恩达博士，从技术角度看，AI对初级岗位的影响是辅助性的，还是替代性的？

吴恩达：这个问题触及了核心。我必须直言，AI对职场的影响存在显著的不对称性。它为顶尖专家提供了强大的能力放大，但对初级岗位造成的却是系统性的替代。

在法律、金融、软件开发等知识密集型行业，初级员工的核心职能可以概括为“信息处理与初步整合”。传统模式下，一位初级律师需要查阅数百份判例，花费两周时间整理出法律摘要，现在大语言模型可以在10秒内生成逻辑严密的初稿。这不仅仅是效率提升的问题，更关键的是，这切断了“认知反馈回路”。

过去，初级员工通过查阅资料、犯错、接受资深同事纠正，逐步建立对专业领域的深度理解。当AI承担了所有基础工作，这种“在错误中成长”的通道就被封闭了。这就是为什么我们看到40%的初级员工感到深度焦虑，他们担心的不仅是当下的工作稳定性，更是自己正在沦为“AI操作员”，缺乏独立判断力，无法获得晋升到高阶岗位所需的深层能力。

皮萨里德斯：你提出的“认知反馈回路”概念至关重要。作为劳动经济学家，我更担心由此引发的“人力资本积累中断”现象。在经典的人力资本理论中，工资随经验增长而上升，因为经验代表着生产力的提升，但在AI时代，初级岗位的生产力可以通过工具瞬间达到某个阈值，然而这种生产力归属于“工具”而非“个人”，员工并未真正积累可迁移的技能。

这导致职业阶梯的第一级和第二级之间出现了巨大的跳跃鸿沟，企业的思维逻辑变成了“既然AI能完成基础工作，为什么要投资培养一个可能两年后跳槽的新人？”这种思维模式会导致劳动力市场的两极分化：一端是极少数掌握如何调度复杂AI系统的“超级个体”，另一端是大量困在基础岗位、无法跨越经验鸿沟的年轻人，当阶梯的中间层消失，它就不再是阶梯，而是一堵墙。

02 晋升路径更像是“管理能力的预演”

主持人：帕苏勒，在你管理的企业中，这种结构性变化是如何具体体现的？

帕苏勒：在金融科技和企业软件领域，我们正在经历晋升体系的根本性重构。传统的团队配置是金字塔型：10个初级分析师对应2个中层经理和1个资深合伙人，现在这个比例已经被打破，1个熟练使用AI的新员工可以完成过去5个人的工作量。这意味着招聘标准发生了质的转变，我们不再衡量“你处理数据的速度”——因为那永远无法超越AI，而是评估三个维度：问题分解的精度，即能否将复杂任务拆解为AI可执行的指令；结果纠偏能力，即能否识别并修正AI输出中的错误和偏差；判断力的前置，即能否在AI给出多个方案时做出正确选择。

现在的晋升路径更像是“管理能力的预演”，即便是刚入职的新人，手下也已经拥有了多个“AI Agent（智能代理）”，如果能有效指导这些Agent完成复杂的财报审计，实际上就展现出了传统模式下需要5年经验才能具备的项目管理能力。这种“能力提前爆发”成为了新标准，但反面是，那些无法快速转换思维模式的人，会被无情地困在原地。

阿米里：在公共行政和技术政策领域，我们观察到相似的模式，政府内部大量基础性工作，包括文案撰写、合规审核等已经实现自动化。但我发现一个重要趋势：能够脱颖而出的年轻人，往往具备“跨领域连接能力”。

AI擅长深度钻研单一任务，但不擅长横向整合，比如如何将一项AI政策与教育体系、文化敏感性、伦理考量结合起来，这种综合性决策能力正成为晋升的核心竞争力。

在阿联酋，我们正在推行“微勋章”制度，不再单纯看职位名称和工作年限，而是评估在AI环境下解决了多少个跨领域的复杂项目，展现出了哪些可验证的能力模块，这是一种从“时间累积”向“能力证明”的根本转变。

03 将AI转型为“能力加速器”

主持人：吴恩达博士，针对皮萨里德斯教授担忧的“经验鸿沟”，你提出了什么解决方案？

吴恩达：既然旧的阶梯破碎了，我们就应该用技术建造一部“电梯”。你指出新人失去了“在实践中犯错”的机会，我的建议是将AI转型为“职业教练”和“能力加速器”。在DeepLearning.AI的实践中，我们开发了AI驱动的模拟训练系统，可以生成各种复杂的商业、法律、编程场景，学员在这些模拟环境中可以快速迭代、在安全环境中犯错，获得即时反馈和改进建议，经历数百个压缩的“微型项目”。

过去需要5年、20个真实项目才能磨练出的专业直觉，现在通过AI辅助的模拟训练，可能只需要6个月，这种“压缩式成长”是未来的必然趋势。在这种模式下，晋升将不再取决于工作年限，而取决于“智力杠杆”的大小——能调度多少AI资源，解决多复杂的问题。如果一个22岁的天才能用AI解决过去需要首席架构师才能处理的问题，我们没有理由让他等待5年，能力应该是晋升的唯一标准。

皮萨里德斯：你的“电梯论”在技术层面非常有吸引力，但从社会层面看，可能加剧不平等。关键问题是，谁拥有这些“电梯”的钥匙？如果只有谷歌、微软这样的科技巨头或顶级咨询公司能提供先进的AI训练和工具，那么在欠发达国家工作的年轻人、在小型企业就职的员工、缺乏资源获得优质培训的群体，他们连“爬阶梯”的机会都没有，因为所在组织根本没有这种“电梯”。

我强烈主张，职业发展路径的重塑不能完全交给市场，我们需要一份关于AI时代的“全球新社会契约”：利润再分配机制，企业从AI自动化中获得的巨大成本节约，不能仅仅转化为股东红利，应强制投入“公共人才发展基金”；标准化认证体系，政府应建立普适的AI技能认证框架，让所有员工都能通过公共教育资源补足那些消失的“初级经验”；流动性保障，确保职业阶梯保留其“向上流动性”，而不是固化为精英阶层的专属通道。

你提到的“智力杠杆”如果没有制度保障，只会拉大贫富差距和阶级固化，技术本身是中性的，但技术的分配方式决定了它是促进公平还是加剧不平等。

吴恩达：我完全同意公平性的重要性，这正是我致力于AI教育民主化的原因。如果能做到高质量的AI培训资源免费或低成本提供、课程内容全球开放且不受地域限制、认证体系标准化且被广泛认可，那么一个偏远地区的年轻人同样可以利用“智力杠杆”，跳过低效的基层劳动，直接与全球顶尖人才竞争。

AI实际上提供了一个“终极的平等机会”——只要拥有学习意愿和互联网接入能力，这种机会在人类历史上是前所未有的。当然，这需要政府、企业和教育机构的协同努力，但技术基础已经具备，现在需要的是意志和行动。

04 未来的领导者将是“人机协同系统的架构师”

主持人：如果职业阶梯变得更陡峭、更快速、更依赖技术，那么作为终点的“领导力”是否也需要重新定义？

皮萨里德斯：这是核心问题。当逻辑推演、数据分析甚至创意初稿都被AI低成本提供时，“基于人类价值观的判断力”将成为领导力的最高溢价。未来的CEO或高级合伙人被提拔的原因，不再是因为他们是最强的数据处理者或最快的分析师，而是因为他们能在多个技术可行方案中，基于道德、伦理和社会责任做出“最有人性”的选择，理解技术决策背后的社会影响和长期后果，展现深刻的共情力和对人类复杂性的理解。这种能力无法在任何“模拟器”中完全习得，需要真实的人际互动、道德困境的磨炼、对人类社会的深刻洞察。

吴恩达：我想补充一个维度，未来的领导者将是“人机协同系统的架构师”。晋升到高层的核心能力包括：如何设计一个由人类和AI共同组成的“混合组织”？如何激发人类的创造性，同时将AI的效率推向极致？如何在快速变化的技术环境中保持组织的适应性和创新力？这种对“人机协同格局”的掌控力，将是衡量职业高度的终极标准，领导者不再是单纯的决策者，而是系统的设计者和调度者。

帕苏勒：从执行层面，我要强调，“学习速度”将取代“知识存量”成为核心竞争力。现在知识的半衰期已经缩短到18个月甚至更短，如果一个员工展现出持续的自发学习能力、快速掌握新工具和新方法的能力、主动更新自己技能栈的意愿，在我们的评估体系中，他就是最高潜力的领导者人选。静态的知识储备正在贬值，动态的学习能力正在升值。

阿米里：在政府部门，我们也开始奖励那些敢于推翻旧流程、用AI重构服务逻辑的年轻人。未来的职业阶梯属于“主动破坏者”而非“流程遵守者”，那些能够识别低效环节、提出创新方案、推动系统性变革的人，将获得最快的晋升通道。这是一种文化上的根本转变——从奖励“稳定执行”到奖励“创造性破坏”。

05 给年轻人的行动指南

主持人：在讨论的最后，请各位给那些正面对传统晋升阶梯崩塌、感到迷茫的年轻人一些直接的建议。

吴恩达：第一，不要被旧的职场规则束缚，不要认为必须在底层待满三年才有资格提出建议或承担重要项目；第二，立即掌握AI工具，寻找自己的智力杠杆，AI给了年轻人一种能力，让他们在这个年龄就能参与到过去无法触及的决策层面；第三，记住才华不再受限于工龄，在能力导向的新职场中，22岁和32岁的区别不在于年龄，而在于掌握的工具和展现的成果。

皮萨里德斯：第一，拥抱技术，但不要迷失在技术里，在所有算法之后，真正让人不可替代的是作为“人”的特质——好奇心、正义感、共情能力、道德判断；第二，积极参与社会改革的呼吁，不要仅仅适应技术带来的变化，要参与塑造技术服务人类的方式，确保技术是为了人类发展而服务，而非仅仅取代人类；第三，建立跨代际的连接和支持网络，在快速变化的时代，代际合作比代际竞争更重要。

帕苏勒：把第一份工作看作带薪的“AI实验室”项目，不要计较是否在做所谓的“杂活”，而要专注于如何用技术重构这些任务，如何通过AI将一个简单任务变成一个有影响力的项目，展示“技术转化能力”比默默完成任务更有价值。

阿米里：建立网状的关系和能力体系，而不是线性的岗位观念。不要问“我的下一个职位是什么”，而要问“我能解决哪些更复杂的问题”，问题解决能力范围就是职业边界。同时，积极展示跨领域项目和成果，用作品集而非履历表来定义自己。

主持人：感谢各位的深刻洞见。今天的讨论证明了一个核心事实：传统的职业阶梯确实正在消失，但一个更高效、更具挑战性、也更依赖个体智慧的职场新范式正在诞生。这场由AI引发的洗牌虽然残酷——它打破了几代人熟悉的规则，让很多人感到迷茫和焦虑，但它也充满了前所未有的可能性——为有准备的人提供了更快的上升通道，为有能力的人打破了年龄和资历的限制。

关键在于：我们如何在技术加速的同时，确保机会的公平分配？如何在能力至上的同时，保留人性的温度？如何在效率优先的同时，维护社会的包容性？这不仅是技术问题，更是社会选择，而这个选择的权力，在我们每一个人手中。

特约编译无忌对本文亦有贡献

本文来自“腾讯科技”，作者：晓静，编辑：徐青阳，36氪经授权发布。