2026年6月的下旬期间, “AI教母”李飞飞所进行的一段访谈之中, 最能够引发讨论的观点在于亚星，未来的职场之中将会仅仅剩下两种人。

职场正被 AI 以极快速度压成呈现两极分化态势的杠铃, 其中一头是具备不可替代特性的前 1%顶级专家, 另一头是拥有无所不能能力的高主动性跨界通才。然而, 那些身处两者中间, 技能处于 “还凑合”水平的传统执行者, 正无可奈何地眼看着自身的生存空间被残酷抽干。

李飞飞的核心判断并非“AI会替代哪些岗位”, 而是存在一个更底层的结构性预判, 即AI并非均匀地冲击着所有岗位, 它采取的方式是把整个职场压成一个“杠铃”, 在这个过程中, 中间层会最先因此受到影响而被挤出。

这个判断值得认真去拆解, 原因在于它所改变的并非是某个工种的前景, 而是“什么能力值钱”这件事情的定价逻辑, 是这样的, 没错, 是这样的, 对。

杠铃两端分别站着谁

李飞飞描述的"两种人"AI效率亚星注册李飞飞：AI效率时代亚星手机版会员网址，职场只剩两种人能活，有比较一致的定义框架。

杠铃的一端存在着这类顶级专家, 他们在某一领域达成了极深的专业积累, 能够作出常人难以替代的判断以及拥有创造, AI能力越强, 对他们而言不是去替代而是放大其价值, 有AI辅助诊断, 顶尖外科医生能处理的病例数量与精度会成倍提高, 顶尖研究员利用ＡI处理数据, 能够把研究效率提升到过去难以想象的水平, AI针对顶级专家的作用是杠杆而非替代品。

杠铃的另一端, 是那种高主动性的通才人士, 这类人的特征, 并非在于某一项硬技能有多么精深, 而是在于拥有跨领域整合信息的本事, 具备快速学习新工具的能力, 还能够在模糊环境当中做出决策, 他们的核心竞争力是, 什么都懂那么一点儿, 而且清楚知道怎么把这些点连接起来, 而AI时代, 恰恰就是这类人的黄金时代, 当AI能够帮你去写代码, 能够帮你做设计, 能够帮你整理报告的时候, 一个能够判断用AI做什么, 什么时候不应该用, 做出来的东西好不好的人, 其价值反而被放大了。

有一群人被挤出了, 是处于杠铃中间位置的那群人, 他们是只做标准任务的执行者, 他们的工作内容, 可以被流程化, 还能被模板化, 并且能被拆解成重复性步骤, 而这些, 正是AI最擅长接管的领域。李飞飞的判断并非是“中间层的人会失业”, 而是“中间层所代表的那些标准任务, 其价值正在归为零”。当一份工作的全部内容都是“按照既定流程完成标准化输出”时, AI不仅更便宜, 速度还更快, 而且更加稳定。

为什么中间层最先被冲击

"杠铃结构"的逻辑基础是AI的能力边界。

AI在2024年至2026年期间的进化途径极为明晰, 先是能够写出连贯的文本, 接着进而能够撰写出结构化分析报告, 随后又能生成代码、设计具备特定图样的图表、对给定的数据展开剖析并且着手制作演示文稿。而这些能力所共有的特性在于, 它们所处理的全都是那种存有标准答案或者有着明确固定样式的任务。一份关于市场调研的分析报告, 其结构是固定不变的, 一段代码的构成语法是有着标准规范的, 一类数据分析的思维逻辑是有着既定框架的。只要该项任务能够实现被标准化, 那么AI便能够以极其低的边际所耗费成本顺利完成。

但AI目前做不到的www.yxvip005.com，恰恰是杠铃两端的核心能力。

顶级专家被认定的价值体现于“不存在既有标准的那种判断”。一位资历深厚的投资经理, 处于面对一份充斥着矛盾状况的财报数据之时, 其进行判断的对象并非数据自身, 而是数据背后存在的商业逻辑, 还有管理层所具有的动机以及市场情绪之间相互交叉所产生的作用。这样的一种判断, 需要将经验、直觉以及拥有的上下文感知能力进行综合运用, 人工智能能够提供数据方面的支撑, 然而却无法做出最终的判断。

高主动性通才所具备的价值体现于“对问题本身进行定义”, 人工智能在回答问题方面表现出色, 然而在提出问题领域却并不在行。一名出色的项目经理, 当面对一堆杂乱无章的需求以及有限的资源时, 首先着手去做的便是“将究竟要解决什么样的问题梳理清晰”, 而这个对问题进行定义的进程, 需要跨越多个领域的知识储备以及对业务整体局面的感知, 这恰恰是人工智能当前最难予以替代的环节。

岗位的价值结构正在被重新定义

李飞飞“杠铃结构”判定的潜藏意义, 并非单纯的“哪些岗位会消逝”, 而是岗位的价值架构正在被再度定价。

在过去的二十年当中, 职场的定价逻辑呈现为“按职位层级定价”的状态。其中, 一个身为中层管理者的人, 其薪酬是高于以基层执行者身份存在的人的薪酬的, 然而却又低于以高层决策者身份存在的人的薪酬, 并且层级之间所存在的差距, 是相对均匀的那种情况。但是, AI所带来的冲击, 将这种均匀分布的状况予以了打破——即在中间层的标准任务被AI接管之后, 中间层岗位的价值并非是“打折”的情形, 而是需要去进行重新定义的程度。

重新进行定义的方向存在着两个, 这两个方向分别是, 方向一为, 将标准任务交给人工智能, 把人的价值转移至“判断”以及“整合”上面, 倘若一个传统的内容编辑仅仅从事文字校对以及排版工作, 那么他的工作正遭受人工智能的侵蚀, 然而要是他能够开展选题判断、受众分析以及内容策略方面的工作, 那么他的价值反倒在不断上升, 方向二则是, 把标准任务做深做精, 从而成为某个细分领域的顶级专家。一位程序员, 要是仅仅依照需求去编写功能代码, 那么他的可被替代程度就会越来越高；然而要是他变成了某个技术栈的深度层面的专家, 能够解决他人所解决不了的性能方面的瓶颈以及架构方面的难题, 那么他的价值反倒在不断放大。

这两个不同方向所共同拥有的特点是, 它们对人提出要求, 此人需从“执行标准任务”转变为“创造非标准价值”。然而, 存在着这样一层处于中间位置的部分, 它并不拥有这种进行转型的能力, 它成为了在杠铃结构之中, 最早遭受挤压的对象。

如果杠铃判断成立企业该怎么调整人才策略

李飞飞的判断如果成立，对企业的人才策略有三层直接含义。

第一层是招聘标准作出调整, 企业于招聘之际理应更为明确地区分 “执行型岗位” 与 “判断型岗位”, 执行型岗位的招聘标准能够适度予以降低, 这是由于这些岗位的核心产出最终会被 AI 工具予以放大, 其关键并非寻找最为昂贵的人员, 而是寻觅能够善用 AI 工具的人, 判断型岗位的招聘标准则应当予以提高, 这是因为这类岗位的决策质量会直接对企业的竞争力产生影响, 一次判断失误付出的代价要远远高于多支付的薪酬。

其第二层是, 组织结构的扁平化得以加速, 当中间层的标准任务被AI接管之后, 传统金字塔型的管理层级失去了存在的基础, 这里的中间层主要职能, 即信息传递、流程执行、标准汇报, 正在被AI工具替代, 企业会越来越倾向于“决策层加执行层”的扁平结构, 中间管理岗位的数量会持续压缩。

转型的是培训体系中的第三层, 传统企业培训目标为“升华标准任务执行之效率”, 像怎样较快速地撰报告, 又如怎样更规范地行流程。然而于杠铃结构里, 具真正价值的培训是“提升判断力与整合能力”, 比如怎样剖析复杂信息, 再如怎样于不确定性中作决策, 还如怎样跨领域整合资源。此类培训设计难度远超传统技能培训, 不过它是企业于AI时代维持人才竞争力的关键投入。

一个反事实追问值得每个人想想

李飞飞所提供的杠铃判断给出了一个清晰的自我诊断框架, 然而真正具有效用的并非记住这个结论, 相反是去进行一个反事实追问, 即要是你当下的工作内容, 全部交由一个配备了最新AI工具的应届毕业生去做, 那么会有多少部分是他无法做到的呢?

那做不到的部分, 便是你于杠铃结构里的安全区了, 不管它是顶级专家所具备的深度判断, 又或者是高主动性通才拥有的整合能力。而做得到的部分, 那可是你得加以警惕的区域, 因为AI的能力边界每个月都会扩张, 当下做不到的情况, 并不意味着三个月之后仍然做不到。

实际上, 杠铃结构并非是毫无根据的危言耸听之词, 它是AI能力在进化至特定阶段进而引发的, 针对劳动市场所进行的一次自然而然的定价调整行为。此次调整的方向已然清晰明确, 然而, 唯一不确定的仅仅只剩下速度这一关键点而已。当前, 对于企业主而言, 他们此刻所需要去做的事情, 并非是焦虑于“AI是否有可能会取代我的员工”这一问题, 而是应当审慎地审视组织内部究竟存在着多少岗位, 其价值至今仍然停留在“标准任务执行”这个正处于逐渐归零过程的区间范围之内——以及, 到底应该采用何种方式, 才能够将这些岗位上的人员推向杠铃的两端去。