Day 024 · AI 还没拿走你的工作，它先拿走了你证明价值的方式

— By Human

不知道你会否跟我一样，有时候会好奇一种结果：AI 这阵打浪拍下来，原本的工作流程/角色分工还剩多少：

Confluence, Jira, Linear 之类的还在吗？一个人可以做完几乎所有，这些为了更好的协作而诞生的工作流还需要吗？
PM, Engineer, Design, QA 这样的分工还在吗，需要吗？

答案…？是一定还没有的；暂时的思路是，我觉得 AI 可以取代所有产出过程，但它还无法为结果负责，做错了事情，不能够去找 AI 算账，它不具备承担责任的能力，这是一个没有感情的「机器」

所以，每每担心自己会否被 AI 取代的时候，可以换成更具象的问题：

我是否在现有的组织结构里承担了一定的责任，拥有一定的决策权利？

这是现在更应该看重的东西。

— By AI

你可能不会明天失业。

但你花三天完成的 PRD、设计稿、研究报告或代码，正在变成别人半小时就能生成的东西。

AI 带来的第一轮冲击，可能不是某个职业突然消失，而是：

过去用来证明你专业价值的交付物，正在迅速变得便宜。

以前，PM 写出一份完整 PRD，设计师完成一套高保真页面，工程师把功能开发出来，本身就是有价值的。

因为这些产物需要时间、训练和专业分工。

但当 AI 可以快速生成需求文档、十套界面、可运行代码和测试用例时，公司自然会开始追问：

这份东西为什么值得做？
它解决了谁的问题？
上线以后改变了什么？
如果结果不好，你能不能判断问题出在哪里？

这意味着，工作的评价标准正在从：

“你交付了什么”

逐渐转向：

“你推动了什么结果”

这不是一句“每个人都要为营收负责”的口号

所谓承担结果，不是让设计师为公司收入兜底，也不是让工程师突然负责增长。

而是每个角色都不能再把自己的交付物当作终点。

PM 不能在 PRD 写完时结束，而要继续确认：这个问题是否真实，功能上线后有没有人使用。
设计师不能在 Figma 交稿时结束，而要继续确认：用户能否完成任务，开发结果有没有保留设计意图。
工程师不能在代码合并时结束，而要继续确认：功能是否可靠运行，出了问题是否能定位和修复。
内容人员不能在点击发布时结束，而要继续确认：内容触达了谁，带来了收藏、讨论，还是实际行动。

承担结果，就是从自己原来的交付节点，再向后多走一步。

AI 也在改变原来的工作流

过去做产品，通常是一条串行生产线：

PM 写需求→ 设计师出稿→ 工程师开发→ QA 测试→ 上线

每个人负责一小段，再通过文档、会议和工单，把工作交给下一个人。

现在，一个 PM 可以借 AI 做出可点击原型；设计师可以直接生成前端；工程师可以生成初步界面、补需求和测试。

第一版不再需要等待所有角色依次开工。

新的流程更像：

一个人先借 AI 完成跨职能初稿→ 专业角色审核关键决策→ Agent 继续实现、测试和修改→ 人在重要节点判断和负责

所以，PM、设计师、工程师不会立刻变成同一种人。

真正发生的是：

专业边界变薄了，责任边界反而更重要了。

设计师仍然需要比别人更懂用户体验。
工程师仍然需要为架构、安全和可靠性负责。
PM 仍然需要判断什么值得做、什么不值得做。

只是每个人都能完成更多相邻工作，也更难再用“这不是我的部分”结束讨论。

这个趋势不是凭空想象

世界经济论坛的调查中，41% 的雇主计划在 AI 可以自动化部分任务的领域缩减人员；但同时，77% 的雇主也计划进行员工技能提升。

这两件事同时发生，很能说明问题：

企业不是简单地决定“以后不要人了”。

它们是在重新判断：

一个岗位还需要多少人？
一个人应该完成多少工作？
哪些能力值得继续付钱？

Anthropic 2026 年的使用数据也显示，约 49% 的职业，已经有至少四分之一的任务曾通过 Claude 执行。

这不代表一半职业即将消失。

它说明 AI 首先进入的不是完整职位，而是职位内部一个个具体任务。

PwC 对近十亿份招聘信息的分析则发现，AI 暴露程度较高的岗位，技能要求变化快了 66%；具备 AI 技能的劳动者，平均工资溢价达到 56%。

所以更现实的判断不是：

“AI 会不会一次性取代我的职业？”

而是：

“我的职业还在，但公司对这个职业的要求，是否已经变了？”

那普通人应该怎么应对？

不是先收藏二十个 AI 工具。

先把自己过去两周做的工作列出来，分成三类：

第一类：AI 已经可以独立完成大部分

会议纪要、资料汇总、初版文案、基础页面、常规代码。

这类工作不要再当作自己的核心护城河。

主动交给 AI，提高效率，也接受它们正在贬值。

第二类：AI 可以做，但仍需要专业判断

产品方案、设计、数据分析、技术实现、研究结论。

这类工作的重点不再是“我能不能做”，而是：

我是否知道什么是好结果？

我能否发现 AI 的错误？

我能否在多个方案中做出取舍？

第三类：依赖上下文、判断和责任

决定做什么、不做什么；理解具体用户；平衡冲突目标；判断质量；处理意外；承担上线风险。

这部分才是接下来需要主动扩大的价值范围。

具体来说，可以做三件事：

用 AI 主动压缩自己的常规交付工作，而不是假装它不会影响自己。
向上下游多走一步。写需求的人去看用户是否真的使用；做设计的人去看实现和数据；写代码的人理解业务目标和线上结果。
开始积累结果证据，而不只是产物证据。少说写了多少 PRD、设计了多少页面、上线了多少功能；多说发现了什么问题、做了什么判断、如何验证，以及最后改变了什么。

最后

AI 不一定马上拿走你的职位。

但它正在拿走很多人过去用来证明自己价值的东西：

写得快、画得快、做得多、交付得完整。

这些能力不会彻底无用，但会越来越像基础设施，而不是最终价值。

未来更稳定的职业价值，可能来自三件事：

你是否理解一个足够具体的问题；你是否有能力判断什么才算好；你是否愿意把责任延伸到真正的结果。

最危险的，不是 AI 能完成你工作中的一部分。

而是那一部分，恰好就是你用来定义自己全部价值的东西。