别再问 AI 会不会替代孩子,先看他站在哪个象限

过去几年,关于 AI 与教育的讨论常常停在一个笼统问题上:AI 会不会替代人?

这个问题太粗。它把职业当成一个整体,却忽略了职业内部的任务差异。AI 不会按「程序员」「老师」「会计」「设计师」这样的名称替代人,它会先接管一批可复制、可验证、低判断密度的任务。

教育真正该问的,不是某个职业会不会消失,而是一个孩子正在训练的能力,落在什么坐标上。

这个坐标有两个轴:

• AI 暴露度:这类任务有多少可以被模型低成本完成?
• AI 互补度:AI 介入后,是放大人的稀缺性,还是压低门槛、抹平壁垒?

右下角,是教育要警惕的区域。 任务高度暴露给 AI,但 AI 介入后并不放大人的稀缺性,只会降低门槛、增加供给、压低价格。标准通稿、普通翻译、基础代码、资料整理、模板化内容生产,都在这个方向上。

右上角,是教育要争取的区域。 AI 深度介入工作,但产出质量仍取决于人的领域判断、约束设计、审计能力和品味。高级系统架构师、复杂研究者、AI-native 产品负责人,都不是因为远离 AI 而值钱,而是因为能用 AI 放大判断。

左上角,是人类长期稀缺资产。 它们的价值来自物理在场、长期信任和不可压缩的经验。成长陪伴、心理咨询、复杂谈判、线下带队、真实社群经营,都属于这一类。

教育的风险,是继续把孩子训练到右下角。教育的机会,是把孩子推向右上角或左上角。

一、劳动市场已经按这个坐标重新定价

几个公开数据已经把趋势讲得很清楚。

世界经济论坛《Future of Jobs Report 2025》预测,2025-2030 年,结构性劳动市场变化将影响当前岗位总量的 22%;同时创造约 1.70 亿个新岗位、替代约 0.92 亿个岗位,净增约 0.78 亿个岗位。它还指出,现有技能中约 39% 会转变或过时;若把全球劳动力看作 100 人,约 59 人需要培训。

这组数据说明的不是「就业归零」,而是技能组合被重写。

Stanford Digital Economy Lab 的工作论文《Canaries in the Coal Mine?》给了更尖锐的信号:在生成式 AI 普及后,美国 22-25 岁早职业劳动者在高 AI 暴露岗位中出现 13% 的相对就业下降;经验更深者与低暴露岗位仍稳定或增长。下降更集中出现在 AI 偏「自动化」而非「增强」的职业。

这正好对应上面的坐标:同样是高暴露岗位,如果 AI 是在自动化基础任务,新人承压;如果 AI 是在增强专家判断,资深从业者反而可能被放大。

过去,年轻人进入行业后,可以先做基础任务:整理资料、写初稿、改格式、查数据、跑基础代码、做低风险分析。通过这些任务,他们逐步积累行业语感,再获得更高判断权。

但 AI 先接管的,往往正是这些基础任务。

Anthropic Economic Index 及基于 Claude 对话的研究也显示,AI 的真实使用已经深度进入软件开发和写作任务;约 36% 的职业至少有四分之一任务出现 AI 使用;使用形态大致分为增强与自动化两类。换句话说,AI 并不是均匀地「替代职业」,而是在职业内部重写任务结构。

这正是教育要警惕的地方:如果孩子只被训练成更快、更熟练地完成标准任务,他未来面对的竞争者,可能不再是同龄人,而是模型和会调度模型的人。