问题——新一轮技术变革加速推进，家长和学生对“学什么、做什么”普遍感到焦虑；不少人工智能企业负责人对外交流时，经常被问到“孩子大学该选什么专业”。在他们看来，技术进步正在重塑工作内容和组织方式：重复性任务被更高效的工具替代，岗位需求也从“把单一技能练熟”转向“与工具协作解决复杂问题”。如何在不确定性中建立长期竞争力，成为家庭教育和社会讨论的焦点。 原因——受访者普遍将变化归因于三上因素：其一，模型能力迭代快，知识和技能的“折旧”周期缩短，一些当下热门技能可能很快被新工具重新定义；其二，技术应用行业和地区之间不均衡，资源和训练条件更充足的群体更易受益，弱势群体可能被深入拉开差距；其三，产业升级与全球竞争加剧，对人才提出“复合型、可迁移、可持续学习”的新要求。美国一家人工智能企业的联合创始人丹妮拉·阿莫迪强调，比起具体岗位名称，更值得培养的是人际联结、共情与沟通能力，以及对他人的善意与责任感，因为这些更难被替代。 影响——多位受访者判断，未来工作将呈现“工具化增强”与“人本化回归”并行的趋势。一上，文案、检索、初步分析等任务的自动化程度提高，个人产出方式随之改变，团队协作更依赖流程与数据；另一方面，涉及价值判断、伦理约束、跨人群沟通与信任建立的环节重要性上升。德国思爱普公司涉及的负责人卡罗琳·汉克在推动企业内部劳动力转型时发现，技术迭代让“敏捷思维与开放态度”成为关键；她认为，批判性思维、适应能力与职业伦理等软技能会更持久。她的孩子从体育视角提出“人类竞技更具吸引力”的判断，也反映出部分行业仍将高度依赖人的现场表现与情感连接。 对策——围绕“如何学、学什么、为谁而学”，受访者给出多条路径性建议。 一是把“不可替代能力”提前纳入教育目标。多位人士主张，将表达沟通、团队协作、共情能力、社会责任等融入日常训练，通过项目实践、公共服务与跨文化交流，提升与人相处和解决冲突的能力。 二是用基础学科支撑长期迁移。汉克等人更倾向推荐数学相关学习，认为逻辑推理与建模能力可跨行业使用，为理解新工具、驾驭新流程提供底层支撑。 三是鼓励“通才式”能力结构。宾夕法尼亚大学沃顿商学院教授伊森·莫利克认为，未来的好工作往往需要多种技能组合，岗位不再是单一工种的重复，而是把专业知识、沟通管理与工具协同整合在一起。例如医疗、法律等领域工作链条长、场景复杂，技术可以补足人的短板，提高服务质量与效率。 四是关注潜力产业并匹配社会需求。美国Paid.AI联合创始人曼尼·梅迪纳认为，能源与医疗保健在中短期内机会突出，尤其核能等高密度能源技术可能成为重要方向；同时，他提醒应重视技术鸿沟带来的公共议题，鼓励下一代探索将新技术用于帮助贫困、体弱或患病人群，把职业选择与社会价值结合起来。 五是以持续投入应对不确定性。微软首席科学家杰米·特文提出，年轻一代不必被“纠正旧观念”牵制，可以从更开放的起点出发，但要选择值得长期投入的事情，在实践中形成自我迭代能力。 前景——综合受访者观点，未来一段时间，教育与就业将更强调“能力组合”，而非“固定职业标签”。技术扩散将继续推动产业分工重组，也会促使学校、企业与公共部门加快更新课程体系、培训机制和职业转换通道。可以预见，面向人的服务、复杂系统治理、关键基础设施与公共健康等领域，对兼具专业素养与人文关怀的人才需求将持续增长。与其押注某个“永不过时”的岗位，不如构建可迁移的学习能力与健全的价值判断，提升在变化中稳步前行的韧性。
当技术演进速度超过传统教育体系的更新周期，这场关于未来人才培养的讨论已不只是个人选择的问题，也在成为国家人才战略的重要参考。正如受访者反复强调的，在算法与人类协同演进的时代，兼顾人文温度与技术洞察，或许才是应对不确定性的关键。