2016 年 1 月，我在 Facebook 上发了一份意大利最抢手职业的名单。排在第一位的是数字营销，我很满意，大概还有点虚荣：那正是我决定用来建立自己未来的行业，而那些数字似乎在告诉我，我选对了。
在同一条帖子里，我按这个顺序写了五件事：定位，聚焦，策略与目标，工具，衡量。我还加了一句注解：这个顺序不是随意的。今天我还会这样写，只是现在的理由不同了。
一个并不难做的预测
几年之后，就在疫情之前，我在米兰面对一百来位企业主。我当时在讲 Meta Business Manager：界面，设置，广告系列，都是技术性的东西。讲到某一刻，我大致说了这样一句话：这些平台的目标，是把像我这样的人挪开；迟早有一天，你们只要选择自己想要达成什么、想花多少钱，剩下的大部分交给算法就行了。
那并不是什么特别高明的预言。那是事情自然的走向。如果 Meta 和 Google 是在企业把钱投到它们平台上时才赚钱，那么每一个让平台运转所必需的中间人，同时也是一道需要减少的摩擦。
今天，这个方向要明显得多。2025 年，路透社援引 Wall Street Journal，报道了 Meta 的计划：在 2026 年底之前，逐步把广告活动的创意生成和受众定向自动化。广告主提供一张产品图片和预算，系统负责生成创意元素并决定投放。这并不意味着人已经从这个流程里消失了；它意味着产业层面的目标，是让执行中越来越大的一部分变成自动的。
来源：路透社，2025 年 6 月 2 日。
不过，我关心的那部分不是 Meta。是我们。
多年来，我们把工作和工作的工具搞混了
许多数字职业的经济价值，有很大一部分也来自执行本身的难度：设置一个广告系列，写一个落地页，剪一支视频，做一份演示文稿，分析一张数据表，产出一份报告，写代码，做翻译，准备一份初步调研或者一份初稿。
这些都是需要时间、也需要一定技术门槛的事情。那道门槛正在飞快地降低。当一件昨天要花四个小时的事，明天只要四分钟，工作并不会自动消失，但别人愿意付钱给你的理由变了。在我看来，我们一直低估的正是这一部分。
最值得注意的数据，关系到那些刚要起步的人
2026 年 8 月，Stanford Digital Economy Lab 发布了研究 Canaries in the Coal Mine? 的修订版，依据的是更新至 2026 年 6 月的数百万名美国劳动者的行政数据。
第一个结果之所以重要，恰恰因为它和最省事的那种叙述相矛盾：研究者并没有观察到整个经济体范围内普遍的就业替代。他们观察到的，是一种明确的分化。在高度暴露于 AI 的职业里，22–25 岁劳动者的就业水平，比它在跟随暴露程度较低职业中同龄人走势时本应达到的水平低了大约 19%。这个差距似乎主要通过招聘减少表现出来，而不是通过一波裁员；而且它集中在 AI 倾向于替代人类任务的工作上，在 AI 主要被用来辅助人的职业里，情况则不同。
作者本人把这些结果看作需要谨慎解读的经验信号，而不是看作一种证明，说观察到的每一处就业变动都由 AI 造成。
来源：Stanford Digital Economy Lab，2026 年 8 月 12 日修订版。
对我来说，最值得问的问题正是从这里开始的。我不是从做策略起步的，我也相信几乎没有人是从最复杂的工作开始的。先是把简单的事情做得很糟，然后做得好一点；你犯错，你看着比你强的人，你模仿，你发现模仿并不够，你积累案例和情境。到了某个时候，我们把所有这些沉淀下来的材料称为经验。
如果 AI 恰恰在我们通常用来积累这种经验的那些任务上变得非常出色，那么问题就不只是它会摧毁多少岗位。问题还在于，我们将如何培养那些有一天要去做我们不愿交给 AI 的工作的人。如果你把梯子的第一级抽掉，你并不会因此自动多出一批资深的人。
大数字要按它们实际测量的东西来读
世界经济论坛的 Future of Jobs Report 2025 同样常常被总结错。它并没有说人工智能会消灭 9200 万个岗位。这个估计涉及报告所考虑的全部技术、经济、人口、地缘政治和环境变化：到 2030 年，可能会创造约 1.7 亿个岗位，同时约 9200 万个岗位被取代，净增约 7800 万。
不过，在同一份报告里，41% 的受访雇主表示，他们预计在 AI 能够自动化某些任务的地方会缩减人力。这同样不是刻在石头上的未来：那是受访企业自己说出的预期。但已经足以让人明白，我们谈的不只是又一款软件。
来源：世界经济论坛，Future of Jobs Report 2025 和摘要新闻稿。
另一个在标题里非常好用的数字，情况也是一样。2026 年，Mark Ritson 在 Adweek 上评论了 Anthropic 的一项分析，其中认为，营销从业者所完成的 task 里，大约有 65% 从长期看可以由 AI 的操作来替代。是 task，不是岗位。这个区别非常大：一份职业是一组活动的集合，当其中一部分被自动化，这份工作可能消失，可能缩小，可能改变，也可能变得更有生产力。
来源：Adweek，“65% of Marketing Jobs May Not Survive AI”。
还有什么仍然属于我们？
多年来我们这样安慰自己：机器会去做重复的工作，把创造力留给我们。后来我们造出了会写作、会画画、会作曲、会编程、会做视频、会提出想法的机器。到那时，我们开始移动这条线：创造力，共情，策略，直觉。
我不知道十年后这条线会在哪里，我也不太相信那些声称知道的人。但我知道，今天仍然存在一些和“完成一项任务”并不重合的东西：判断，责任，情境，没有写在任何地方的经验，理解我们真正想解决的是哪个问题的能力，以及两个必须彼此信任的人之间的关系。
还有一样东西需要时间，恰恰因为它无法一次性生产出来：声誉。
Adobe 在其 2026 年消费者行为报告中发现，三分之一的受访者表示，如果发现一条自己以为出自人手的内容其实是 AI 生成的，他们会停止与这个品牌互动。这并不意味着人们整体上拒绝人工智能；它意味着透明和信任仍然是悬而未决的问题。
来源：Adobe, AI and Digital Trends: Customer Behaviors and AI, 2026。
这里有一个我觉得很有意思的悖论：生产文字、图像、视频、分析和软件越是便宜，单纯把它们生产出来这件事就越说明不了什么。从前出版一本书也是一道门槛；有一个网站是一道门槛；拍一支像样的视频是一道门槛；做出软件是一道门槛。这些门槛中的许多正在倒塌，而这在很大程度上是好消息。但它同时也意味着，最终的成品可以非常出色，却几乎不能告诉我们生产它的人有多少能力。
正因为如此，信任大概会越来越需要依靠别的东西：过往，一致性，责任，证据，以及持续性。
那么，我们已经死了吗？
十年前我在职业上做的事情，有一部分已经死了。我看不出有什么理由要假装相反，仅仅因为当年有人付钱让我去做。
如果一台机器能把一件事做得更好、更快，而且成本低得多，那么以怀旧的名义去捍卫这件事就会很可笑。关键在于弄清楚，我们是不是就等于那件事本身。
如果我卖的只是按下某些按钮的能力，那我有麻烦了。如果我的价值还在于明白该按哪个按钮、什么时候不要按、为什么要按，并且为后果承担责任，那情况就不一样。这并不意味着我是安全的；它意味着我必须继续往那些需要更多理解、更少单纯执行的方向移动。
2016 年我写道，我那五点的顺序不是随意的。十年之后，工具正在学会做越来越多排在后面的那部分事。也许正因为如此，排在前面的那部分变得更重要了：弄清楚要往哪里去，弄清楚为什么，以及有一个人愿意为这个选择负责。