这周给面试官做培训，HR 把一页岗位描述投在屏幕上。
上面原本写着「熟练掌握 SQL、Python，熟悉 A/B 实验，有数据看板经验」。她把这几行划掉，改成一句：「能独立定义问题，并对结果负责。」
有人问，这样还怎么筛人。她说，会工具的太多了，筛不出来。
这句话比后面要讨论的预言更值得琢磨。招聘要求里最有信息量的部分，往往不是加了什么，而是删了什么。
一句被压缩的预言
「李彦宏说未来只剩两类岗位」，这句话我最早是在一个群里看到的截图，后来被转成好几个版本：一类是会定义问题的人，一类是会指挥 AI 的人；也有一类是会创造价值的人，一类是能承担责任的人。每个版本听上去都很有道理，也都没有出处。
我没有找到完整原文，所以不打算把它当成一条可以引用的论断，只按转述来讨论。预言类的说法有个通病：它不可证伪，说得越绝对，传播得越快。但它的价值本来也不在准确性，而在于它逼你回答一个问题——如果这句话成立一半，你现在的位置在哪里。
我的判断是：AI 不是在消灭岗位，是在重新排布岗位的分布。
过去的岗位分布是橄榄型的：少数人定方向，大量的人做执行，少数人兜底。AI 挤压的恰好是中间那一段——信息搬运、流程中转、格式转换。这一层过去是白领的主体，也是校招招得最多的那一层。它不需要太多判断，也不需要承担后果，它的价值来自「把确定的事做对，并且便宜」。
这类工作不会消失，但会变得极便宜。便宜到不值得为它单独设一个岗位。
所以「只剩两类」是修辞。准确的说法是：只剩两种定价方式。 一种为判断付费，一种为极致的执行付费。中间那层不是被裁掉，是被并进了成本项。
用人标准：从「会什么」到「能定什么」
这两年招聘现场的变化，比任何报告都直白。
第一，技能匹配在让位给问题匹配。以前看简历是找关键词，现在看的是他做过什么判断、代价是什么、后来怎么收场。会用一个工具，十八个月后就是基线；会用一套方法判断该不该用这个工具，才是稀缺的。前年「提示词工程师」还是个岗位，今年已经写进了「加分项」，再往后大概会变成「会用电脑」。
第二，晋升看的不再是资历，是影响半径。你解决的问题影响三个人，还是影响三条业务线，这个差别比工龄大得多。AI 让一个人的产出上限被抬高，也让「只对自己那块负责」变得很显眼。
第三，薪酬从「岗位定价」转向「稀缺判断定价」。同一个职级，能签字的人和能执行的人，价格会越拉越开。
我面过两个候选人，做同一份竞品分析。A 交了二十页，结构完整，数据翔实；B 交了三页，第一页写：「这个方向我们不该进，理由三条，其中第二条我只有六成把握，需要一周验证。」
A 的二十页，模型十分钟能生成个七八成。B 的那句「不该进」，以及他标出的那六成把握，生成不出来。企业愿意为后者付钱，不是因为三页比二十页好，而是因为那三页里有一个可以追责的判断。
定义问题：决定不做什么
很多人把「定义问题」理解成把老板的话翻译成任务清单。不是。
定义问题是决定哪些不做。
老板说「做个 AI 客服」。执行者会问：接哪些渠道，用哪个模型，什么时候上线。定义者会先问：工单里多少是重复问题，多少是情绪问题；AI 接哪一段，转人工的那一段怎么保证不掉；目标是把投诉率降下来，还是把人力成本降下来。这两个目标会导出两套完全不同的系统，而它们不可能同时最优。
这类问题没有标准答案，只有取舍。取舍就要有人承担取舍的后果。
定义问题的能力也不是读书读出来的。它来自靠近成本：你处理过一次线上事故，就会知道要问边界条件；你赔过一次钱，就会知道要问最坏情况；你被客户当面问住过一次，就会知道要问「这句话他对谁讲」。
反过来说，很多 AI 项目失败，不是因为模型不行，是因为问题一开始就没定义清楚。上线时讲的是「提升效率」，复盘时讲的是「技术还不成熟」，中间那段没人认领。
创造价值：从完成任务到改变一个数字
企业不为工时付费，只为可归因的变化付费。这句话在 AI 之前就成立，只是以前可以糊弄。
AI 让「产出」变得极其便宜。十版文案、二十张图、一份看起来很像样的周报，成本都趋近于零。当产出不再稀缺，产出就不再是计价单位。选哪一版、为什么、对谁说的、说完之后发生了什么——这些还是贵的。
所以我建议把简历和周报换一种写法：不写「负责什么」，写「我让哪个数字从多少变到多少，代价是什么」。
比如「负责用户增长」和「把新用户七日留存从 21% 提到 28%，代价是首月补贴多花了 40 万，三个月后回本」，是两种完全不同的句子。后者能被验证，也能被追问。
但也要说句反话。不是所有价值都能立刻量化，硬造指标会长出假动作：客服为了缩短通话时长挂断电话，运营为了日活推无意义的推送。一个更朴素的检验是——如果这件事停掉，谁会疼。疼的那个人，就是你的价值所在。
承担责任：AI 不能签字
这是四条里最被低估的一条。
模型可以给建议，但不能承担后果。它可以写一份合规意见，但不能在出事后面对监管；可以生成一份预算，但不能在超支时解释；可以给出一个招聘建议，但不能坐在那个人对面说「是我们判断错了」。
组织里真正稀缺的，从来不是聪明，是在不确定下愿意签字的人。
责任可以分三层。第一层是交付责任：我做完了。第二层是结果责任：数字变了。第三层是后果责任：坏了是我的。AI 能承担第一层的一部分，第二层需要人来设定目标，第三层它一层都碰不到，因为它没有位置可失去。
责任也是一种杠杆。你承担得越多，组织交给你的决策权越大；决策权越大，你能定义的问题越大。这条护城河是复利的，而且模型学不走——不是因为它不够聪明，是因为它没有可以被追责的身份。
这也是为什么 AI 越强，「敢拍板」的人越贵。拍板的前提不是信息足够，是愿意为信息不足买单。
建立信任：唯一不能被复制的上下文
信息差在消失，信任差在放大。
当所有人都能拿到同样的答案，人只能根据「谁说的」来决定信不信。这时候，信任不是软技能，是基础设施。
信任不是饭局，是可预测性。你说的话能被引用，你答应的事会做到，你出错时会主动说，你在压力下不变形。合作过的人知道你在 deadline 前一周会怎么反应，知道你会不会把锅往下传。这些判断没有一份文档能写清楚，但每个人心里都有一份。
关系还是唯一携带私有上下文的载体。你知道这个客户去年为什么换掉供应商，知道这个技术负责人最怕的是什么，知道这个项目上一任负责人留下的坑在哪里。模型不知道，因为它不在场。
所以会出现一个看起来矛盾的现象：会用工具的人越来越多，但能把一群人、一堆模型、几个供应商组织起来把事交付的人，还是少。前者的供给在暴涨，后者的供给几乎没变。
回到那两类岗位
如果非要按「两类」来分，我会这样分。
第一类是问题所有者。 他定义做什么、不做什么，组织资源，最后签字。他的产出是判断，他的风险是判断错了。
第二类是极致执行者。 他把确定的事用机器做到最便宜、最稳定、最不容易出错。注意，这里的「执行」不是和人比手速，是比谁的流程更短、返工更少、机器用得更狠。
中间那层最危险：只做搬运、只做中转、只做格式转换。它曾经是最大的一层，也是被 AI 压得最狠的一层。
对个人来说，有三个问题可以做自查：
- 你的周报里，有没有一个数字是因为你的判断才变的？
- 如果你休假一个月，哪些事会停下来？停下来的那部分，才是你。
- 有没有人因为你说「可以」，才敢做一个决定？
如果答案都是否，也不必立刻辞职。先往结果那一侧挪一格：主动要一个指标，主动去一次客户现场，主动在一份方案上写下「我建议」，并且署上自己的名字。
最后
李彦宏的预言会不会成真，我不知道。所有关于「未来只剩几种人」的说法，都太整齐了，而现实从来是参差的。
但这句话有一个用处：它把「我该学什么工具」换成了「我该为哪件事负责」。
工具会一直变。问题会一直在。能定义问题的人决定做什么，能承担责任的人决定做到哪一步，能被长期信任的人决定谁跟他一起做。剩下的部分，交给机器。
未来也许不是只剩两类岗位，而是只剩两种人还值得被长期雇佣：一种知道该做什么，一种让人相信他做得到。
评论