你有没有这样的感觉，一聊到AI，总绕不开一种焦虑。
职场人会问：“AI会不会取代我？”创业者会问：“现在AI能干很多事了，还有必要招人吗？”管理者会问：“团队里那些执行岗，还值钱吗？”
看起来，每个人问的问题都不一样。但说到底，大家都在关心同一件事：未来，我会不会被AI淘汰？
这个问题，很真实，也已经被讨论过很多次。但我觉得，与其反复问“AI会不会干掉我”，更值得问的是另一个问题：
怎么才能让自己在AI时代，越来越值钱？
最近，我读到麦肯锡发布的《2026年人力资源监测报告》。这份报告调研了欧洲、美国、中国等10个国家，访谈了约1300位HR从业者，和5500名员工，讨论未来组织、岗位和技能会发生什么变化。
报告里有一句话，让我印象很深：
Future skills will shift from routine task-based capabilities to skills focused on analyzing and interpreting AI outputs.
翻译过来就是：未来技能会从“基于日常任务的能力”，转向“分析和解释AI输出的能力”。
换句话说，过去很多人值钱，是因为他能把事情做完。未来很多人值钱，是因为他能判断：AI做出来的东西，到底能不能用。
报告列出了很多能力，我试着把它们总结成5种人，分别对应5种能力。
我们一个一个看。
01
数字素养：会判断工具结果的人
什么是“数字素养”？可能你第一反应：会用电脑、会用AI、会写提示词。其实不是。
这里的数字素养，不是使用工具，而是判断工具给出的结果是否可信的能力。
比如，AI分析市场数据后告诉你：最近某类人群正快速转向某个新品类。因此，建议你拿出预算去做新品类。
这个结论看上去很有说服力。
有的人可能立马表示认同，拉上团队赶紧开工做新品类。但有数字素养的人会问：数据来自哪里？样本量多大？时间范围是过去三周，还是过去三年？这个“快速转向”是真金白银的购买，还是只是社交网络上的声量？
搞清楚这些问题，“快速转向某个新品类”，可能就是完全不同的理解。
数字素养，解决的是一个今天最容易被略过的问题：AI给你的材料，能不能信？
在麦肯锡的“未来核心技能”排行榜上，“数字素养（digital literacy）”，从去年的第20位升到今年第6位。是整个榜单上涨幅最大的一项。就好比一个十八线小县城，只用一年就成了一线城市。
为什么这个能力未来会变得重要？因为AI随时能给你一份有数据、有结论、“看起来很专业”的报告。但同时，也更容易放大错误。
比如，AI做了一份用户洞察报告，里面引用了若干“权威数据”。老板觉得逻辑严密，拍板立项。半年后，公司发现，当初那些数据，是AI从一份2019年的过时报告里捞出来的样本。
可是，钱已经花了，人已经招了，生产线已经开了，产品已经做了。后悔，已经迟了。
这些基于错误材料做出的连锁决策带来的沉没成本，会是“数字素养”不足带来的后果。
对应的，榜单上还有个非常相近的能力：数字化学习。但，它的名次是下降的。
数字化学习能力，指使用AI、使用数字化工具。名词下降意味着，“会用AI”这件事本身，未来将变成一种基础设施。就像10年前简历上写“熟练使用word”会被笑话一样，也许10年后，“会用AI”也将成为压根不该写进简历的词。
会用AI的人，能拿到答案。会判断AI的人，才能避免拿着错误答案一路狂奔。
材料对了，下一步，是问对问题。
02
问题解决能力：会定义问题的人
在整个报告里，“问题解决能力”是被提及最多的一项。44%的HR从业者，把“解决问题的能力”列进了未来五大技能，排名同比上升9位。
这听起来，好像没什么特别的，不管是现在还是未来，不都要解决问题吗？但在AI时代，重点变了。
过去，值钱的是“能解决问题”。未来，值钱的是“知道真正值得解决的问题”。
比如，一位电商团队的老板提了要求：这个季度，转化率要提高5%。你扭头就把老板的要求发给了AI，它很快给了你一些建议：优化页面、改写文案、调整价格、做A/B测试。
这些建议都没错，你也可以直接照做。但是，AI 还是没能告诉你，真正的问题是什么。
很多人的“解决问题”思维，是把现象当作问题本身，然后找办法解决。真正有问题解决能力的人，会先把“表面现象”拆开。
转化率低，会受流量结构、价格策略、用户体验的影响。流量结构，又受到投放渠道、人群匹配度、用户购买意愿的影响；价格策略，可能和竞品价格、优惠设计、用户感知价值有关；用户体验，可能取决于页面打开速度、信任背书、购买路径。甚至，可能只是季节性正常波动，根本不是问题。
每一个拆解方向，对应的问题解法也不同。
如果数据告诉你，流量和价格都没有明显变化，掉下去的是付款转化。再往下看，发现大量用户停在了“提交订单”上一步，尤其在看到物流时间和运费之后退出。那真正的问题，不是“文案不好、广告投放太少”，而是你承诺给用户的服务和用户预期不一致。
这个时候，AI给你的“优化页面、改写文案、调整价格”，可能只是局部修补。真正要解决的，是物流承诺、运费设计和用户预期之间的错位。
AI是能让解决问题变得容易，但什么问题值得解决，还得由人去找。
这也解释了报告里一个看上去有点矛盾地方：“个人主动性”这项能力，排名出现了下滑。
不是主动性不重要，而是主动性正在分层。
过去我们说一个人主动，通常是指他接到任务之后，立刻响应，马上执行。这样的主动性仍然有价值，但已经不够稀缺了。因为AI会让执行动作越来越快，很多任务也会被拆得越来越细。
而AI时代的主动性，是“主动定义问题”。老板下任务，先判断该不该做，哪个方向最值得做，该怎么做。
AI时代危险的，不是不主动，而是没有判断的主动性，干着低价值劳动。
定义问题之后，下一步，是找到更好的解法。
03
创造力：会重组解法的人
在报告里，“创造力”从去年的第5位，升到第2位，仅次于“问题解决能力”。
“创造力”，凭什么排名这么高？不就是各种点子，各种画画、写作、搞创作吗，这些AI已经能做了啊，为什么人的创造力还更重要了呢？
商业世界里的创造力，不是这样的。是看到AI不知道的东西，找到新解法的能力。
比如，一个内容团队，老板定的OKR：今年的新增关注要翻一倍。直接问AI，它给你的很可能是常规打法：写更多文章、追更多热点、做矩阵分发。用上AI，甚至1个人抵过去3个，产能直接拉上去。
但内容更多，就一定增长好吗？不一定。如果用户不愿意转发分享，你写再多也只是堆高库存。
真正有创造力的内容团队，会换一个问法：读者，为什么要转发？
读者转发一篇文章，很多时候不是因为“这篇文章写得好”，而是因为“这篇文章能帮他完成一个动作”。如果是一篇“工具类文章”，读者转发的核心动机是“对工作有用”，可能是为了帮自己提高效率，或增加工作素材。
还是那些内容，但用法完全变了。你做的是“我写给你看 ”，读者把它变成“我拿走用”。
那么，你要做的就不只是一篇文章。可以把它变成一份提效清单，让读者贴在工位；可以写出一张自测打分表，让管理者拿去自评；可以变成一个模型，让老板拿去复盘。
这里的解决方案，来自于对现有解法的重组：还是要写文章做内容，但是让内容进入读者的使用场景。
AI时代的创造力，关键不在产出本身，而在你能不能从同一个东西上，看到不同的价值。
所以，榜单上的“用户中心设计”，排名往下挪了。不是用户不重要，而是那种“用户说什么就改什么”的做法，正在贬值。
比如，用户说APP功能太少，可如果你真加了十个功能，产品可能更难用了。用户说文章太长，你就全部写短，可能反而失去深度。用户给的是感受，不一定是答案。把用户声音转化为清晰业务判断的工作，还得有创造力的人来做。
AI时代里，有创造力的人升值的地方，不是想出一个没人听过的点子，而是比AI更会看到需求、设计解法、定义价值。
找到了新解法，还没结束。下一步，要验证判断是否真的成立。
04
推理能力：会验证判断的人
比如，你是一家消费品公司的产品负责人，要决定明年的发展方向。眼下有三个选择：All in高端线，预计收入增长18%；稳住中端线，增长8%；双线并行，增长12%。每套都有市场分析、用户画像和财务预测。看起来，第一套最诱人。
这时候，数字素养会问：这些市场数据、用户数据、财务测算，来源靠不靠谱，18%真的对吗？推理能力则会问：这些材料，真的能得出“All in 高端线最好”这个结论吗？两种判断，完全不同。
如果核验之后发现，高端线净利润多出2个百分点。推理能力强的人会追问：这2个百分点，是不是建立在获客成本不变、退货率不升、库存周转不变的前提上？如果高端用户更难触达，销售周期更长，库存压力更大，结论还成立吗？
所以，推理能力不是看数字对不对，而是看包括数字在内的那些材料，能不能支撑那个判断。
为什么在AI时代，会验证判断的人会升值？
因为AI给你答案又快又多，看起来很有道理，结论也像那么回事。我们很容易把“说得通”，当作“说得对”。
但是，“看起来很有道理”，往往不等于真的有道理。
AI能给你一个漂亮的增长预测，一个完整的战略框架，一个听起来很专业的结论。但是你要能知道，它为什么成立，什么时候失效，能不能用来做决策。
最终能承担决策责任的，不是AI，还是人。
对应的，在报告里，“软件开发”能力下降了4位。不是说再也不需要写代码，也不是说程序员不重要。而是单纯产出代码的溢价正在下降。
今年4月的Google Cloud Next大会上，谷歌CEO宣布：内部75%的新代码，已经由AI生成。不过，最值得注意的是这样一句话：“经工程师审核”。
AI负责写，人负责审。这意味着，未来有能力判断代码质量、架构风险的人，才是更看重的。
不只在程序员行业。数据分析师、设计师、市场专员、咨询顾问，越来越多职业在分化成两类人：会“产出”的，和会“验证”的。
会产出的人，正在跟AI抢饭碗，越抢越累，单价越来越低。会验证的人，正在用AI放大自己的判断力，单价反而越来越高。
这也是有推理能力的人，升值的真正原因。
到这，可能你会想：要想同时具备数字素养、问题解决能力、创造力、推理能力，这个让自己不在AI时代淘汰的门槛会不会太高了？
是。门槛确实高了。甚至可能，你今天好不容易补上了这些能力，可能明年又要补新的能力。
那么，最后一种人，也会越来越重要。
05
抗压韧性：会持续进化自己的人
很多人一听抗压韧性，想到的是能吃苦、能加班、能忍、扛得住。这么想，也没错，不过，这是过去的理解。
今天的抗压韧性是，当你赖以生存的工具、流程、岗位结构突然变了之后，你能不能重新找到自己的价值位置。
不是硬抗，它是一种持续进化自己的能力。
比如，你是一个电商运营。10年前，你身上最值钱的能力是：懂搜索流量、懂投放后台、懂店铺活动。5年前，懂直播、懂私域、懂内容种草。今年，要懂AI生成内容、懂Agent自动化、懂多模态投流。
每当变化发生，都会让一部分旧动作变便宜。
比如传统运营岗位。过去，可能花很多时间写内容、发内容、整理数据、做日报。AI到后来，这些工作里很大一部分会被加速，甚至被替代。有的人会很焦虑。因为他最熟悉的动作，正在变旧变便宜。
但也有人会往上走一层。
他开始研究什么内容值得做，什么数据真正有意义，AI生成的内容怎么改才适合用户，哪些流程可以自动化，哪些判断必须由人来做。
这背后，是抗压韧性的递进。1）先承认旧动作会贬值，2）把岗位拆成不同任务，3）可重复、可自动化的交给AI，需要判断的留给自己，4）不断让自己掌握更高价值的能力。
有“抗压韧性”能力的人，不是不怕变化，而是能快速适应变化。
值得注意的是，报告里的“变革能力”和“敏捷能力”都下降了3位。这不是变化不重要，而是口号式变革、流程式敏捷，不够用了。
过去很多公司谈变革，就是开会、宣导、培训、建项目组、贴几个口号。谈敏捷，就是看板、迭代、复盘。这些东西有没有用？有用。但它们如果只停留在形式上，就不够值钱。
真正有抗压韧性能力的人，不是“嘴上喊变革”，而是改变工作方式。今天用Excel的，明天就开始让AI整理制表；今天人工筛简历，下周就开始用Agent做初筛；以前管理者直接分派任务，今天重新决定什么给AI做，什么由人来管。
所谓的抗压韧性，不是情绪上扛住变化，而是在行动上完成升级。
会持续进化自己的人，他们不一定永远不焦虑。
但焦虑之后，他们会继续学习、不断调整工作流、重新找准自己的位置。
只有会持续进化自己的人，才可能在每一次变化中，不断证明自己的价值。
最后的话
好。总结一下，未来5年，什么样的人会越来越值钱？
有数字素养的人，会判断材料能不能信；有问题解决能力的人，会判断问题找得准不准；有创造力的人，会判断解法能不能重组；有推理能力的人，会判断结论对不对；有抗压韧性的人，会判断自己能不能继续进化。
你会发现，它们都指向同一个方向：
未来真正值钱的人，不是单纯完成任务的人，而是在AI参与之后，依然能做判断、做选择、负责任的人。
麦肯锡报告里有一个数据：
预计到 2030 年，欧美最多有 30% 的当前工作时长可能被自动化；与此同时，超过 70% 的现有技能仍然会保持相关性，但几乎所有职业都会发生技能迁移。
这意味着，未来5年，人的价值位置变了。我觉得，至少，不能还像过去那样“只会做事”。
如果你是职场人。你要做的，或许不是往简历上再堆几个技能，而是去问自己，我能为别人提供的、AI暂时给不了的判断，是什么？
如果你是HR从业者。你要做的，或许不是再问候选人“你会什么”，而是看他“懂不懂如何用AI把事情做成”。
如果你是创业者或管理者。你要做的，或许不是简单地下命令派任务，而是设计好“什么让人做，什么让AI做，结果谁负责”。
我想，这或许是个让人焦虑的AI时代，但它也给了每个人一个机会，去重新理解自己的价值。
如果你发现自己的能力正在贬值，可以试着开始训练自己。判断什么值得做，判断结果能不能信，判断结论能不能成立，并且带着工具和别人一起把事情做出更好的结果。
工具越强，越考验人。工具越快，越需要判断。工具越便宜，真正能负责的人，反而越贵。
祝你，成为这样的人。
共勉。加油。
参考资料：
《McKinsey HR Monitor 2026》：
https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/hr-monitor
观点/ 刘润主笔/ 海盐编辑/ 歌平版面/ 黄静
这是刘润公众号第2982篇原创文章。未经授权，禁止任何机构或个人抓取本文内容，用于训练AI大模型等用途
热门跟贴