今天，我們重發一篇過往比較受歡迎的文章《麥肯錫最新報告：未來5年最有價值的5種人》，希望對你有所啟發。
以下是這篇次條重發文章正文。
你有沒有這樣的感覺，一聊到AI，總繞不開一種焦慮。
職場人會問：“AI會不會取代我？”創業者會問：“現在AI能幹很多事了，還有必要招人嗎？”管理者會問：“團隊裡那些執行崗，還值錢嗎？”
看起來，每個人問的問題都不一樣。但說到底，大家都在關心同一件事：未來，我會不會被AI淘汰？
這個問題，很真實，也已經被討論過很多次。但我覺得，與其反覆問“AI會不會幹掉我”，更值得問的是另一個問題：
怎麼才能讓自己在AI時代，越來越值錢？
最近，我讀到麥肯錫發佈的《2026年人力資源監測報告》。這份報告調研了歐洲、美國、中國等10個國家，訪談了約1300位HR從業者，和5500名員工，討論未來組織、崗位和技能會發生什麼變化。
報告裡有一句話，讓我印象很深：
Future skills will shift from routine task-based capabilities to skills focused on analyzing and interpreting AI outputs.
翻譯過來就是：未來技能會從“基於日常任務的能力”，轉向“分析和解釋AI輸出的能力”。
換句話說，過去很多人值錢，是因為他能把事情做完。未來很多人值錢，是因為他能判斷：AI做出來的東西，到底能不能用。
報告列出了很多能力，我試著把它們總結成5種人，分別對應5種能力。
我們一個一個看。
01
數字素養：會判斷工具結果的人
什麼是“數字素養”？可能你第一反應：會用電腦、會用AI、會寫提示詞。其實不是。
這裡的數字素養，不是使用工具，而是判斷工具給出的結果是否可信的能力。
比如，AI分析市場資料後告訴你：最近某類人群正快速轉向某個新品類。因此，建議你拿出預算去做新品類。
這個結論看上去很有說服力。
有的人可能立馬表示認同，拉上團隊趕緊開工做新品類。但有數字素養的人會問：資料來自那裡？樣本量多大？時間範圍是過去三周，還是過去三年？這個“快速轉向”是真金白銀的購買，還是只是社交網路上的聲量？
搞清楚這些問題，“快速轉向某個新品類”，可能就是完全不同的理解。
數字素養，解決的是一個今天最容易被略過的問題：AI給你的材料，能不能信？
在麥肯錫的“未來核心技能”排行榜上，“數字素養（digital literacy）”，從去年的第20位升到今年第6位。是整個榜單上漲幅最大的一項。就好比一個十八線小縣城，只用一年就成了一線城市。
為什麼這個能力未來會變得重要？因為AI隨時能給你一份有資料、有結論、“看起來很專業”的報告。但同時，也更容易放大錯誤。
比如，AI做了一份使用者洞察報告，裡面引用了若干“權威資料”。老闆覺得邏輯嚴密，拍板立項。半年後，公司發現，當初那些資料，是AI從一份2019年的過時報告裡撈出來的樣本。
可是，錢已經花了，人已經招了，生產線已經開了，產品已經做了。後悔，已經遲了。
這些基於錯誤材料做出的連鎖決策帶來的沉沒成本，會是“數字素養”不足帶來的後果。
對應的，榜單上還有個非常相近的能力：數位化學習。但，它的名次是下降的。
數位化學習能力，指使用AI、使用數位化工具。名詞下降意味著，“會用AI”這件事本身，未來將變成一種基礎設施。就像10年前簡歷上寫“熟練使用word”會被笑話一樣，也許10年後，“會用AI”也將成為壓根不該寫進簡歷的詞。
會用AI的人，能拿到答案。會判斷AI的人，才能避免拿著錯誤答案一路狂奔。
材料對了，下一步，是問對問題。
02
問題解決能力：會定義問題的人
在整個報告裡，“問題解決能力”是被提及最多的一項。44%的HR從業者，把“解決問題的能力”列進了未來五大技能，排名同比上升9位。
這聽起來，好像沒什麼特別的，不管是現在還是未來，不都要解決問題嗎？但在AI時代，重點變了。
過去，值錢的是“能解決問題”。未來，值錢的是“知道真正值得解決的問題”。
比如，一位電商團隊的老闆提了要求：這個季度，轉化率要提高5%。你扭頭就把老闆的要求發給了AI，它很快給了你一些建議：最佳化頁面、改寫文案、調整價格、做A/B測試。
這些建議都沒錯，你也可以直接照做。但是，AI 還是沒能告訴你，真正的問題是什麼。
很多人的“解決問題”思維，是把現像當作問題本身，然後找辦法解決。真正有問題解決能力的人，會先把“表面現象”拆開。
轉化率低，會受流量結構、價格策略、使用者體驗的影響。流量結構，又受到投放管道、人群匹配度、使用者購買意願的影響；價格策略，可能和競品價格、優惠設計、使用者感知價值有關；使用者體驗，可能取決於頁面打開速度、信任背書、購買路徑。甚至，可能只是季節性正常波動，根本不是問題。
每一個拆解方向，對應的問題解法也不同。
如果資料告訴你，流量和價格都沒有明顯變化，掉下去的是付款轉化。再往下看，發現大量使用者停在了“提交訂單”上一步，尤其在看到物流時間和運費之後退出。那真正的問題，不是“文案不好、廣告投放太少”，而是你承諾給使用者的服務和使用者預期不一致。
這個時候，AI給你的“最佳化頁面、改寫文案、調整價格”，可能只是局部修補。真正要解決的，是物流承諾、運費設計和使用者預期之間的錯位。
AI是能讓解決問題變得容易，但什麼問題值得解決，還得由人去找。
這也解釋了報告裡一個看上去有點矛盾地方：“個人主動性”這項能力，排名出現了下滑。
不是主動性不重要，而是主動性正在分層。
過去我們說一個人主動，通常是指他接到任務之後，立刻響應，馬上執行。這樣的主動性仍然有價值，但已經不夠稀缺了。因為AI會讓執行動作越來越快，很多任務也會被拆得越來越細。
而AI時代的主動性，是“主動定義問題”。老闆下任務，先判斷該不該做，那個方向最值得做，該怎麼做。
AI時代危險的，不是不主動，而是沒有判斷的主動性，幹著低價值勞動。
定義問題之後，下一步，是找到更好的解法。
03
創造力：會重組解法的人
在報告裡，“創造力”從去年的第5位，升到第2位，僅次於“問題解決能力”。
“創造力”，憑什麼排名這麼高？不就是各種點子，各種畫畫、寫作、搞創作嗎，這些AI已經能做了啊，為什麼人的創造力還更重要了呢？
商業世界裡的創造力，不是這樣的。是看到AI不知道的東西，找到新解法的能力。
比如，一個內容團隊，老闆定的OKR：今年的新增關注要翻一倍。直接問AI，它給你的很可能是常規打法：寫更多文章、追更多熱點、做矩陣分發。用上AI，甚至1個人抵過去3個，產能直接拉上去。
但內容更多，就一定增長好嗎？不一定。如果使用者不願意轉發分享，你寫再多也只是堆高庫存。
真正有創造力的內容團隊，會換一個問法：讀者，為什麼要轉發？
讀者轉發一篇文章，很多時候不是因為“這篇文章寫得好”，而是因為“這篇文章能幫他完成一個動作”。如果是一篇“工具類文章”，讀者轉發的核心動機是“對工作有用”，可能是為了幫自己提高效率，或增加工作素材。
還是那些內容，但用法完全變了。你做的是“我寫給你看 ”，讀者把它變成“我拿走用”。
那麼，你要做的就不只是一篇文章。可以把它變成一份提效清單，讓讀者貼在工位；可以寫出一張自測打分表，讓管理者拿去自評；可以變成一個模型，讓老闆拿去復盤。
這裡的解決方案，來自於對現有解法的重組：還是要寫文章做內容，但是讓內容進入讀者的使用場景。
AI時代的創造力，關鍵不在產出本身，而在你能不能從同一個東西上，看到不同的價值。
所以，榜單上的“使用者中心設計”，排名往下挪了。不是使用者不重要，而是那種“使用者說什麼就改什麼”的做法，正在貶值。
比如，使用者說APP功能太少，可如果你真加了十個功能，產品可能更難用了。使用者說文章太長，你就全部寫短，可能反而失去深度。使用者給的是感受，不一定是答案。把使用者聲音轉化為清晰業務判斷的工作，還得有創造力的人來做。
AI時代裡，有創造力的人升值的地方，不是想出一個沒人聽過的點子，而是比AI更會看到需求、設計解法、定義價值。
找到了新解法，還沒結束。下一步，要驗證判斷是否真的成立。
04
推理能力：會驗證判斷的人
比如，你是一家消費品公司的產品負責人，要決定明年的發展方向。眼下有三個選擇：All in高端線，預計收入增長18%；穩住中端線，增長8%；雙線平行，增長12%。每套都有市場分析、使用者畫像和財務預測。看起來，第一套最誘人。
這時候，數字素養會問：這些市場資料、使用者資料、財務測算，來源靠不靠譜，18%真的對嗎？推理能力則會問：這些材料，真的能得出“All in 高端線最好”這個結論嗎？兩種判斷，完全不同。
如果核驗之後發現，高端線淨利潤多出2個百分點。推理能力強的人會追問：這2個百分點，是不是建立在獲客成本不變、退貨率不升、庫存周轉不變的前提上？如果高端使用者更難觸達，銷售周期更長，庫存壓力更大，結論還成立嗎？
所以，推理能力不是看數字對不對，而是看包括數字在內的那些材料，能不能支撐那個判斷。
為什麼在AI時代，會驗證判斷的人會升值？
因為AI給你答案又快又多，看起來很有道理，結論也像那麼回事。我們很容易把“說得通”，當作“說得對”。
但是，“看起來很有道理”，往往不等於真的有道理。
AI能給你一個漂亮的增長預測，一個完整的戰略框架，一個聽起來很專業的結論。但是你要能知道，它為什麼成立，什麼時候失效，能不能用來做決策。
最終能承擔決策責任的，不是AI，還是人。
對應的，在報告裡，“軟體開發”能力下降了4位。不是說再也不需要寫程式碼，也不是說程式設計師不重要。而是單純產出程式碼的溢價正在下降。
今年4月的Google Cloud Next大會上，GoogleCEO宣佈：內部75%的新程式碼，已經由AI生成。不過，最值得注意的是這樣一句話：“經工程師稽核”。
AI負責寫，人負責審。這意味著，未來有能力判斷程式碼質量、架構風險的人，才是更看重的。
不只在程式設計師行業。資料分析師、設計師、市場專員、諮詢顧問，越來越多職業在分化成兩類人：會“產出”的，和會“驗證”的。
會產出的人，正在跟AI搶飯碗，越搶越累，單價越來越低。會驗證的人，正在用AI放大自己的判斷力，單價反而越來越高。
這也是有推理能力的人，升值的真正原因。
到這，可能你會想：要想同時具備數字素養、問題解決能力、創造力、推理能力，這個讓自己不在AI時代淘汰的門檻會不會太高了？
是。門檻確實高了。甚至可能，你今天好不容易補上了這些能力，可能明年又要補新的能力。
那麼，最後一種人，也會越來越重要。
05
抗壓韌性：會持續進化自己的人
很多人一聽抗壓韌性，想到的是能吃苦、能加班、能忍、扛得住。這麼想，也沒錯，不過，這是過去的理解。
今天的抗壓韌性是，當你賴以生存的工具、流程、崗位結構突然變了之後，你能不能重新找到自己的價值位置。
不是硬抗，它是一種持續進化自己的能力。
比如，你是一個電商營運。10年前，你身上最值錢的能力是：懂搜尋流量、懂投放後台、懂店舖活動。5年前，懂直播、懂私域、懂內容種草。今年，要懂AI生成內容、懂Agent自動化、懂多模態投流。
每當變化發生，都會讓一部分舊動作變便宜。
比如傳統營運崗位。過去，可能花很多時間寫內容、發內容、整理資料、做日報。AI到後來，這些工作裡很大一部分會被加速，甚至被替代。有的人會很焦慮。因為他最熟悉的動作，正在變舊變便宜。
但也有人會往上走一層。
他開始研究什麼內容值得做，什麼資料真正有意義，AI生成的內容怎麼改才適合使用者，那些流程可以自動化，那些判斷必須由人來做。
這背後，是抗壓韌性的遞進。1）先承認舊動作會貶值，2）把崗位拆成不同任務，3）可重複、可自動化的交給AI，需要判斷的留給自己，4）不斷讓自己掌握更高價值的能力。
有“抗壓韌性”能力的人，不是不怕變化，而是能快速適應變化。
值得注意的是，報告裡的“變革能力”和“敏捷能力”都下降了3位。這不是變化不重要，而是口號式變革、流程式敏捷，不夠用了。
過去很多公司談變革，就是開會、宣導、培訓、建項目組、貼幾個口號。談敏捷，就是看板、迭代、復盤。這些東西有沒有用？有用。但它們如果只停留在形式上，就不夠值錢。
真正有抗壓韌性能力的人，不是“嘴上喊變革”，而是改變工作方式。今天用Excel的，明天就開始讓AI整理製表；今天人工篩簡歷，下周就開始用Agent做初篩；以前管理者直接分派任務，今天重新決定什麼給AI做，什麼由人來管。
所謂的抗壓韌性，不是情緒上扛住變化，而是在行動上完成升級。
會持續進化自己的人，他們不一定永遠不焦慮。
但焦慮之後，他們會繼續學習、不斷調整工作流、重新找準自己的位置。
只有會持續進化自己的人，才可能在每一次變化中，不斷證明自己的價值。
最後的話
好。總結一下，未來5年，什麼樣的人會越來越值錢？
有數字素養的人，會判斷材料能不能信；有問題解決能力的人，會判斷問題找得準不準；有創造力的人，會判斷解法能不能重組；有推理能力的人，會判斷結論對不對；有抗壓韌性的人，會判斷自己能不能繼續進化。
你會發現，它們都指向同一個方向：
未來真正值錢的人，不是單純完成任務的人，而是在AI參與之後，依然能做判斷、做選擇、負責任的人。
麥肯錫報告裡有一個資料：
預計到 2030 年，歐美最多有 30% 的當前工作時長可能被自動化；與此同時，超過 70% 的現有技能仍然會保持相關性，但幾乎所有職業都會發生技能遷移。
這意味著，未來5年，人的價值位置變了。我覺得，至少，不能還像過去那樣“只會做事”。
如果你是職場人。你要做的，或許不是往簡歷上再堆幾個技能，而是去問自己，我能為別人提供的、AI暫時給不了的判斷，是什麼？
如果你是HR從業者。你要做的，或許不是再問候選人“你會什麼”，而是看他“懂不懂如何用AI把事情做成”。
如果你是創業者或管理者。你要做的，或許不是簡單地下命令派任務，而是設計好“什麼讓人做，什麼讓AI做，結果誰負責”。
我想，這或許是個讓人焦慮的AI時代，但它也給了每個人一個機會，去重新理解自己的價值。
如果你發現自己的能力正在貶值，可以試著開始訓練自己。判斷什麼值得做，判斷結果能不能信，判斷結論能不能成立，並且帶著工具和別人一起把事情做出更好的結果。
工具越強，越考驗人。工具越快，越需要判斷。工具越便宜，真正能負責的人，反而越貴。
祝你，成為這樣的人。
共勉。加油。(劉潤)