AI 时代需要什么人才？

答案是：没有被标准答案彻底驯化，仍然保持原始好奇心，思想没有被专业路径禁锢的人。

我之前写过一篇文章叫《专业限制了你的想象力》。很多人一旦接受了某个专业训练，就很难跳出自己的专业视角。他们看问题的方式、解决问题的方法、判断价值的标准，都被长期训练固化了。

这种接受过高等教育的人，绝大多数存在一个共同问题：长期应试教育，已经杀死了好奇心，磨灭了探索欲。他们习惯等待题目，等待标准答案，等待上级安排任务。其典型特征是：让我做什么，我就做什么；给我一个岗位，我就用我的专业知识为公司创造价值。

但这种人才，公司从来不缺。

只要 HR 打开招聘网站，要求条件写上 985/211，核对学历背景和名企履历，要多少有多少。一个做 HR 的朋友告诉我，在当下的经济环境下，只要发出一个看起来不错的岗位，附上名校、名企、工作年限这些要求，很容易收到上万份简历。

问题是，这些人真的适合 AI 时代吗？

未必。

因为 AI 时代最缺的不是执行者，而是问题定义者。公司要的不是一个只会等指令的人，而是一个能够主动发现问题、拆解问题、调度 AI、验证结果的人。

这也是为什么一些公司开始关注更年轻的人，甚至关注高中生、中学生。不是因为学历越低越好，而是因为有些年轻人还没有被固定专业路径彻底塑形。他们工具接受度高，学习速度快，可塑性强，思维还没有被"标准答案"锁死。

AI 时代真正稀缺的，不是会背答案的人，而是敢于重新定义问题的人。

AI 能力首先是语言能力。

不会描述问题，就不会使用 AI。真正会用 AI 的人，能把目标、背景、约束、步骤和验收标准一次说清楚。

其实使用 AI 的主要能力并不是技术，而是流畅的语言表达能力和清晰的逻辑组织能力。你要能把问题描述清楚，把任务说透彻，把结果标准讲明白。听起来很简单，但你会发现，不是人人都具备这个能力。

很多人说话语无伦次，表达没有结构。更让人难以想象的是，很多经过高等教育的人，也说不清楚一件事。

这也是为什么中国职场里很多人喜欢发短信息，而西方职场更习惯写邮件。写邮件是有门槛的，它要求你有条理地组织信息：先说背景，再说问题，然后说目标，最后说行动项。有条理的思维，是需要训练的。

而很多中国人的职场表达是碎片化的。

一会儿一条微信，一会儿一段语音，一会儿补一句"对了，还有个事"。上下文逻辑关系不是线性的，需要接收者自己拼接。我们常常遇到这样的上司或老板：一会儿发一条消息，搞得员工不知所措。几条信息之间并没有清晰的逻辑关系，接受者需要自己理解这些穿插如麻的上下文。

这就导致很多任务理解错位。

更糟糕的是，当下属没有理解清楚时，管理者并不认为是自己的问题，更不会指出：你应该先做什么，再做什么，然后验证什么，最后交付什么。而是直接认为员工态度有问题，或者说员工笨。

这也导致了我之前文章里提到的现象：中国老板喜欢用"忠层管理"。什么叫"忠层管理"？就是喜欢用那些特别能理解老板的人，俗称"老板肚子里的蛔虫"。因为老板自己说不清楚，就只能依赖那些能猜到他意思的人。

但 AI 不吃这一套。

AI 不会主动当你肚子里的蛔虫。你表达不清楚，它就会理解错；你任务不明确，它就会生成一堆看似正确但完全跑偏的内容。

所以，AI 时代真正重要的不是"会不会提问"，而是能不能结构化表达。

你要能说清楚：

这些说不清楚，就谈不上会用 AI。

语言表达能力，本质上是思维能力的外化。一个人说不清楚，往往不是嘴笨，而是脑子里没有结构。

企业招聘的不是 AI 执行层，而是 AI 管理层。

这个人要会给 AI 分配任务，检查结果，追问漏洞，修正方向，控制风险。

此前我们需要招聘大量在垂直行业深耕多年的专才，让他们完成复杂工作。比如写代码、做设计、写方案、做分析、整理数据、生成文档。过去这些工作必须依赖具体岗位上的专业人员完成。

但今天，很多执行型工作正在被 AI 接管。

所以企业要招聘的，不再只是执行者，而是 AI 的使用者。这个使用者更多是在指导 AI 做事，给 AI 分配任务，定义问题，拆解问题，验证答案，而不是老板说什么就机械执行什么。

你可以理解为：你招聘的是 AI 的管理层，而不是 AI 的执行层。

过去，一个管理者要管理人。现在，一个优秀员工要管理 AI。

他要知道怎么把一个复杂目标拆成多个子任务；要知道哪个任务交给 AI，哪个任务必须人工判断；要知道 AI 输出结果哪里可能有问题；要知道什么时候继续追问，什么时候推倒重来；还要知道如何把多个 AI 结果整合成最终交付物。

这不是简单的"会用工具"。

这是一种管理能力。

有人会问：原来的执行层，有了 AI 以后，能不能成为管理层？

我不完全否认这种可能。但在 AI 出现之前，也不是所有执行层都能晋升为管理层。很多人做执行很强，但并不具备管理能力。因为管理不是简单地"我会做，所以我会管"。管理需要目标感、拆解能力、判断力、验证能力和风险控制能力。

同样，AI 时代也不是所有会干活的人，都能变成会管理 AI 的人。

如果企业想从执行层里筛选这类人才，就必须付出试错成本，也要付出时间成本。不是给每个人配一个 AI 工具，他们就会自动变成具备管理思维的员工。

AI 时代还需要系统思维，以及跨界思考问题的能力。

AI 可以帮助我们快速打通多个领域，提供跨领域知识，帮助我们交叉验证不同信息。但前提是，你必须拥有辨识能力。因为 AI 会胡说，会产生幻觉，会把错误信息包装得非常完整。

真正有价值的人，不是把 AI 答案复制出来的人，而是能把不同领域的信息组织成系统，并识别 AI 幻觉的人。

普通人的思维是散点的。看到一个问题，就想到一个点；遇到一个现象，就抓住一个局部。受过高等教育的人，思维通常是线性的。他们能按照某个专业路径往下推导，但容易局限在单一领域里。

可是现实中的问题，往往不是单点问题，也不是单线问题。解决一个复杂问题，通常需要多种跨界知识组合在一起，也就是一个知识体。

我们的教育体系长期培养的是专才。

博士就是最典型的例子。博士的任务，是解决特定领域里的特定问题。他们在一个很窄的方向上深耕，把一个点做到极致。但与此同时，他们也可能失去知识广度，在真实项目中做不到视野完整。

这和我们的教育结构有关。

从小学到高中，一个人不断积累知识，知识面是逐渐扩大的。可是到了高考，选择专业之后，知识结构就开始收缩。到了本科，你进入某个学科；到了硕士，你进入某个方向；到了博士，你研究某个具体问题。

如果说本科阶段学习的是一个面，那么博士研究的就是一个点。

这会导致一个严重问题：一个博士可能在自己专业领域极强，但在专业之外的认知几乎为零。我们常常看到一些高知人员被诈骗的新闻，本质上就是这个问题。他们在专业内是专家，但出了专业边界，可能和普通人没有区别。

AI 时代需要的人，不是只会在一个点上深挖的人，而是能把多个点连接起来，形成系统判断的人。

因为 AI 可以提供知识，但不能替你建立世界观；AI 可以给你答案，但不能替你承担判断后果。

回到主题，到底用什么方法判断一个人有没有 AI 能力？

不要问他"用过哪些 AI 工具"。

这没有意义。

今天注册几个 AI 工具太简单了，会打开 ChatGPT、Claude、DeepSeek、Kimi，不等于会用 AI。会说几个提示词术语，也不等于有 AI 能力。

判断一个人有没有 AI 能力，最好的方法是：直接给他一个真实任务，让他现场完成。

比如：

真正会用 AI 的人，在面试过程中会呈现出几个明显特征。

第一，他会先问清楚目标，而不是马上开干。

不会用 AI 的人，一拿到任务就直接把问题丢给 AI。真正会用的人，会先确认目标、场景、限制条件和交付标准。因为他知道，问题定义错了，后面所有输出都是错的。

第二，他会主动拆解任务，而不是把复杂问题一次性丢给 AI。

复杂任务不能一次性解决。真正会用 AI 的人，会把任务拆成多个步骤：先理解背景，再提炼问题，再查找资料，再生成方案，再验证结论，最后整理输出。

第三，他会反复验证结果，而不是直接复制 AI 答案。

AI 最大的问题不是不会回答，而是回答得太像真的。不会用 AI 的人看到一段漂亮文字就直接复制。真正会用的人会追问数据来源、逻辑漏洞、反例、边界条件和可能风险。

第四，他会形成结构化输出，而不是堆砌信息。

AI 很容易生成大量文字，但大量文字不等于有效交付。真正会用 AI 的人，能把结果整理成结构化文档，让老板、客户、团队成员一眼看懂。

第五，他能说明自己的判断依据，而不是说"AI 就是这么写的"。

这是最关键的一点。

如果一个人最终只能说"AI 是这样回答的"，说明他只是 AI 的搬运工。如果他能说清楚为什么采纳这个结论，为什么放弃那个答案，哪些地方需要人工判断，哪些地方仍然存在风险，说明他才是真正掌控 AI 的人。

所以，AI 时代招聘人才，不能再只看学历、履历和工作年限。

学历只能说明他过去通过了某种筛选，履历只能说明他曾经在某个组织里待过，工作年限只能说明他消耗了多少时间。这些都不能证明他会用 AI。

真正的 AI 人才，必须具备四种能力：

AI 时代招聘的核心，不是找一个"懂 AI 工具的人"，而是找一个能把 AI 组织成生产力的人。

未来真正稀缺的，不是会提问的人，而是能定义问题、拆解任务、验证结果、完成交付的人。