Melvin 新文:未来五年,取决于你是否看懂这 7 个变化
撰文:Melvin 编译:深潮 TechFlow 嘿,我是 Melvin。在 Capital of One,我们研究 AI 经济的方式,就像投资者研究市场。 只不过,配置的对象换成了你自己:工作、技能、资产、人际和注意力。 每周,我们都会带来一些新的思考、动手和成长的方法。
好像人人手里都有一份「接下来该学什么」的技能清单。 这些清单多半把顺序弄反了。有人先挑出自己觉得重要的一批技能,再给每项写一套听起来很能说服人的理由。巧的是,他们可能正好有一门课要卖给你。 谢谢,不必了。 我们顺着钱走:看招聘数据、商业模式的变化、公司利润,再反过来找,哪些技能正在升值。
有一位 CEO 对未来方向笃信到这个地步:他宁愿先放弃 6000 万美元的年经常性收入,也要抢先走到那里。 我们开始。 图:发现 → 选择 → 验证 → 销售 → 构建 → 复利 → 防御变化一:职业阶梯还没爬上,就被 AI 拆了公司越来越需要能判断 AI 产出的人。
可这种判断力,往往是在做那些正被 AI 接手的工作里练出来的。 下一代有经验的员工,要从哪里来? 一组数字: 斯坦福 (2026 年 8 月,薪资数据):在最易被 AI 冲击的岗位上,22–25 岁员工的就业水平,大约比预期趋势低 19%。
Indeed (2026 年 5 月):初级岗位招聘信息同比下降 7.5%,高级岗位则上升 14.7%。 ZipRecruiter (2026 年 7 月):38% 的雇主把初级基础工作交给了 AI,同时有 31% 的雇主因为 AI,提高了初级岗位的经验要求。
这家会计师事务所,开始要求新人更早练判断力过去,普华永道(PwC)的初级会计师要花上几年去收集数据、核对数字、准备审计。 现在,这类工作越来越多地由 AI 承担,普华永道也在调整新人培训方式。 据普华永道的 Jenn Kosar 介绍,新入职的会计师会少花时间准备审计,多花时间审看 AI 的产出。
他们需要更早学会抓住错误、质疑结果,并理解这些数字到底在说什么。 这项技能:练出专项判断力你的价值,取决于你能否判断 AI 的产出:什么时候该信,什么时候该插手,接下来该怎么做。 如果你已经有经验,这是值得继续打磨的先发优势。如果你刚起步,就得另找途径把它练出来。
如何打磨判断力: 一、在一件很小的事上做到出奇地好。最近有位读者告诉我,专精之后,进步快了很多。这说得通。一位通才型市场人员,同一类问题一年可能只碰到三次;专注做注册引导邮件的人,一周就可能碰到三次。练过上百次之后,他们能看出别人发现不了的错误。
二、给自己的决策留底。你当年笃定会成功的那场活动?半年后,你会为它的失败想出十来个解释。在还不知道结果之前,先写下你的推理。然后再拿预期和实际对照。 三、偷的是思路,不是答案。在看一位优秀设计师改网站之前,先自己找问题。然后再看他们注意到了什么、你漏了什么、为什么会用不同的办法。
我们发觉,从这些落差里学到的,远比只看别人出色完成工作要多。 变化二:钱正在从「交付物」流向「结果」 软件公司过去按账号收费,代理公司按小时收费。现在,AI 给这两种方式都施加了压力。 工作几分钟就能做完,凭什么还按小时收钱?大量工作已由 AI 承担,凭什么还按账号收费?
越来越多的公司开始按结果收费: Salesforce 每解决一个客户问题收费 2 美元;如果其 Help Agent 把问题升级给人工,则不收费。 HubSpot 每解决一次对话收费 0.50 美元,每推荐一个适合外联的合格线索收费 1 美元。
Sierra 按完成的结果收费,仅用 7。