Hello，大家好，我是人月聊IT。前几天在知乎刚好看到一个问题，即：如果未来80%的工作被AI替代，普通人现在该重点培养什么能力？
在人工智能迅速发展的今天，我们面临一个不可回避的现实：未来可能有80%的工作被AI所替代。这个前景对IT从业者既是挑战也是机遇。面对这样的变革，IT行业从业人员应该如何调整自己的的学习方向和能力培养，以保持自己在职场的核心竞争力，就成为每个人都需要深度思考的一个关键问题。
我在前面也讲过相关的内容，今天进一步做个关键点总结。
知识广度的重要性
在AI时代，知识的广度比深度更为关键。过去我们常常强调技术专精，但现在情况发生了变化。AI已经可以很好地处理单一领域内的深度问题，比如编写复杂算法或生成专业代码。然而，真正的挑战不在于你能否写出某个复杂算法，而在于你是否能够清晰地描述你的需求和场景。
以全栈开发为例，一位只专注于后端Java开发的程序员可能会发现，ChatGPT或GitHub Copilot能够生成与他相当甚至更优质的代码。但一位既了解后端开发，又熟悉前端技术，同时对用户体验和业务逻辑有深刻理解的开发者，能够准确描述"如何设计一个既满足高并发需求，又能提供流畅用户体验，并符合金融行业合规要求的支付系统"。这种跨技术栈和跨领域的综合能力是当前AI难以完全替代的。这也是我前面讲过的，AI无法帮助你调研，帮助你去精确的描述用户的业务场景和需求。
通过拓展你的知识边界，从纯技术领域延伸到产品设计、用户心理学或特定行业知识，你将能够更全面地定义问题，提出更有价值的解决方案。这不需要你成为每个领域的专家，但要有足够的知识广度来理解不同视角和需求。能够清晰的做好问题的定义才是重点，否则你连和AI交互的提示语都写不出来。
跨领域知识整合能力
尽管当前AI技术如GraphRAG已经出现，但在跨领域知识的串联和关系分析上仍有明显缺陷。IT从业者的优势在于能够将技术与其他领域知识结合，创造新的价值。
一个典型例子是医疗信息化领域。一位优秀的医疗软件架构师不仅精通云架构和数据库设计，还需要理解医院工作流程、医疗法规和患者隐私保护需求。当设计电子病历系统时，他需要平衡技术实现与医疗实践的需求，考虑如何在保证系统安全性的同时提高医生的工作效率。这种整合医疗专业知识与IT技术的能力，使得他能够设计出真正解决医疗行业痛点的系统，而不仅仅是一个功能完备但难以使用的软件。
在实际工作中，你可以尝试参与跨部门项目，与业务部门紧密合作，理解他们的工作流程和挑战。同时，在日常工作和项目实践中，要刻意参加不同行业的IT项目建设和实施，在这个过程中既可以去熟悉不同行业，不同业务的业务场景和流程，更加重要的是可以进一步扩展自己的跨领域知识面，只有这样你在复盘的才能够更好的验证你原有的IT技术领域知识是否具备跨领域的迁移和融合能力。
在AI时代，时刻要记住。我们需要的不仅仅是单一技术领域的知识，而是需要具备跨领域知识的关联映射，知识聚合，知识组装和组合的能力。
创造性思维与艺术审美能力
通识教育本身源于19世纪，当时有不少欧美学者有感于现代大学的学术分科太过专门、知识被严重割裂，于是创造出通识教育，目的是培养学生能独立思考、且对不同的学科有所认识，以至能将不同的知识融会贯通，最终目的是培养出完全、完整的人。
通识教育,就是培养人的内核能力的教育。
虽然AI编程当前突飞猛进，但是AI缺的是对外在像人的情感审美一样的多模态感知和洞察能力，因此在真正的创新和用户体验设计上仍有局限。对IT从业者而言，将技术能力与创造性思维相结合将创造不可替代的价值。
包括我原来在写《教育》这篇文章的是也一直在谈，在AI时代中小学的教育更加应该是增加类似音乐，美术，历史，艺术，音乐等通识教育。通过这些对右脑的锻炼远远胜过左脑。
以前端开发为例，随着AI工具如Midjourney和DALL-E的发展，生成基础UI设计变得越来越容易。然而，能够创造真正吸引用户、解决特定用户群体痛点的界面设计，仍然需要深刻的人性洞察和创造力。
一位既懂技术又具备设计思维的前端开发者，能够理解为什么特定的交互方式会引起用户的情感共鸣，知道如何通过微小的动画细节提升用户体验，这种能力远超当前AI的生成范围。包括前端时间大家在聊AI快速发展前端开发工作岗位是否会完全被替代？我的答案的是低端的没有创新和审美的前端开发会被AI替代，而真正具备艺术审美的前端反而更加稀缺。
当然你可以通过学习设计思维、用户体验设计原则，甚至是艺术和心理学相关知识来培养这方面的能力。参与开源项目的UI/UX改进，或者为自己的个人项目设计创新的交互方式，都是很好的实践途径。
独立分析与复杂问题解决能力
每个IT从业者都通过经验积累了自己独特的问题解决模式库，这些隐性知识是AI难以获取的宝贵资产。因此我很多隐形知识我们本身就没有作为训练语料投喂给AI，而这些能力在面对新兴技术挑战或历史数据不足的场景中尤为重要。
以云架构师为例，当一家传统企业决定将其核心业务系统迁移到云平台时，会面临诸多复杂挑战。一位经验丰富的架构师不仅依靠技术知识，还会结合对该公司IT历史、业务特点、组织文化和预算约束的理解，提出最适合的迁移策略。他知道哪些系统应优先迁移，如何处理遗留系统的接口问题，以及如何在保证业务连续性的同时完成技术转型。这种综合考量多种因素的能力，是基于长期实践积累的隐性知识，当前的AI难以完全替代。
你可以通过主动参与技术难度高、跨系统集成的复杂项目来锻炼这种能力。同时一定要养成项目总结和复盘的习惯，深入分析成功和失败的原因，提炼出可重用的问题解决方法论。建立个人知识管理系统，将你的观察和见解系统化，形成自己独特的经验模式库。
软技能与人性化能力
在高度自动化的IT行业，人与人之间的沟通、共情和协作能力将变得更加珍贵。技术团队的成功不仅依赖于代码质量，还取决于有效的团队协作和与业务方的沟通。
考虑一个敏捷开发团队的技术负责人角色。他需要在开发团队和产品团队之间建立有效沟通，翻译业务需求为技术语言，同时向非技术人员解释技术约束。在一个复杂项目中，他能够感知团队成员的压力点，调整任务分配和开发节奏，在保证项目进度的同时避免团队倦怠。当技术和业务观点冲突时，他能够找到平衡点，促成双方达成共识。
这种综合技术专长与人际协调能力的角色，是纯AI难以取代的。
你可以通过参与开源社区、担任技术分享讲师或参与跨部门项目来锻炼这些软技能。学习有效沟通的方法，培养倾听能力，并练习如何用非技术语言解释复杂技术概念。这些能力会随着你处理的人际互动场景增多而逐渐提升。
终身学习与元能力
在技术快速迭代的IT行业，学习能力本身成为核心竞争力。面对不断涌现的新技术和框架，需要建立高效的学习方法和知识更新机制。
想象一位从事Web开发十余年的程序员，他经历了从jQuery到React，再到更现代前端框架的变迁。他的成功不在于精通每一种技术的所有细节，而在于能够快速识别新技术的核心原理，将其与已有知识建立联系，并高效地应用到实际项目中。
那么当WebAssembly和边缘计算等新技术出现时，他不会感到恐慌，而是利用已建立的技术学习框架和学习方法，更好的借助和利用AI工具，快速掌握关键概念并用于项目实践。也就是说你有了学习的元能力，那么在AI时代，你的学习和技能提升反而是加速了。
培养这种元能力，需要你超越单纯学习特定技术，转而关注学习方法本身。建立自己的技术知识图谱，理解不同技术之间的联系和区别。定期进行知识回顾和整理，将零散的技术点连接成体系。参与技术社区讨论，通过教授他人来深化自己的理解。这种系统化的学习能力，将帮助你在技术浪潮中保持长期竞争力。
未来竞争：人机协同能力比拼
对IT从业者而言，未来的职场竞争本质上是"人机协同能力"的比拼。基础编码、标准化测试和文档生成等工作可能会被AI大量替代，而具备跨领域知识整合、复杂问题定义和创造性解决方案能力的人才将更加稀缺和宝贵。
例如，传统的前端开发可能大部分被AI代码生成工具取代，但能够理解业务本质、设计创新交互方式并使用AI工具高效实现的开发人员可能演变为全栈人员而更加受欢迎。对于BI和数据分析领域也是同样的道理，纯粹的数据分析师可能面临替代风险，但能够提出关键业务问题、设计分析框架并利用AI工具快速验证假设的"商业智能专家"将变得更加重要。
作为IT从业者，不必过度焦虑AI的发展。相反，我们应该将AI视为强大的工具，帮助我们提高工作效率，专注于更具创造性和战略性的任务。通过持续学习和能力培养，每个人都能在这个新时代找到自己的位置和价值。
记住，AI时代最核心的竞争力不是与AI竞争，而是学会如何更好地与AI协作，发挥人类独特的优势。通过构建跨领域知识体系、培养创造性思维和复杂问题解决能力，IT从业者可以在人机协作的未来中保持不可替代的价值。
