第 98 卷

步推理的复杂问题。当用户问“如果A大于B，B大于C，那么A和C是什么关系”，模型可能答对，但它并没有真正理解“传递性”，只是在训练

数据中见过类似表述。

2024年开始，以OpenAI o1系列为代表的新一代推理模型，从根本上改变了这一局面。它们采用“思维链”技术，在给出最终答案之前，会先

生成内部的推理过程，就像你在草稿纸上一步步演算一样。这种能力让模型在数学竞赛、编程挑战、科学推理等需要严谨逻辑的任务上，

首次达到了人类专家水平。

推理能力的突破，意味着AI开始从“知识的复述者”变成“问题的思考者”。它不再只是调用记忆中的答案，而是能够基于已知信息进行逻辑

推演、假设验证、多步规划。这直接拓展了AI处理能力的边界：从“回答已知问题”到“解决未知难题”。

面对这一趋势，你的核心竞争力将从“知道答案”转向“提出好问题”。因为当AI能完成逻辑推演时，问题本身的质量就决定了答案的上限。

14.2 人机协作将如何改变工作方式

技术的跃迁最终都会落脚到“人如何工作”这个根本问题上。蒸汽机改变了体力劳动的方式，电力延长了工作时间，互联网打破了信息边界。

而人工智能带来的改变，比以往任何一次都更接近“人之所以为人”的核心——认知与决策。理解AI将如何重塑工作方式，不是为了预测未来，

而是为了在变化来临时，你已经准备好了。

14.2.1 从“执行者”到“决策者”

过去，大部分工作的核心是“执行”，按照标准流程完成既定任务。流水线上的工人执行操作，办公室里的文员执行录入，甚至很多白领工作

也是执行上级的指令。在这种模式下，人的价值主要体现在“做得快不快”“准不准”方面。

AI正在快速接管这些执行性工作。它可以写文案、做表格、分析数据、生成代码，而且做得比人更快、更稳定。这意味着，如果你还把

自己定位为“执行者”，你将面临直接的竞争，不是来自其他人，而是来自永远不知疲倦的AI。

但执行性工作被替代的同时，决策性工作的价值正在凸显。当AI能生成10个方案时，谁来选择最合适的那一个？当AI能分析出数据趋势

时，谁来判断这意味着什么？当AI能规划出多条路径时，谁来决策走哪一条？

这个“谁”就是人。

未来的工作方式，将是“人做决策，AI做执行”。你不再需要亲自动手写每一篇文案，而是需要判断哪类选题、哪个角度、哪种风格最有可能

打动用户；你不再需要亲自处理每一组数据，而是需要从AI的分析结果中洞察出业务机会；你不再需要亲自执行每一个步骤，而是需要定

义清楚“什么算作好”，然后让AI去执行。

这意味着，一个人的产出能力不再取决于“他能做多少事”，而是取决于 “他能做对多少决策”。决策的质量，将成为衡量个人价值的新标尺。

14.2.2 从“单兵作战”到“组织集成”

过去，一个人能完成的工作量受限于时间和精力。一个人再厉害，一天也只有24小时，能写的字、能画的图、能做的分析都有上限。所

以，组织存在的意义之一，就是把多个人的能力拼接起来，完成一个人无法完成的任务。

AI正在打破这个限制。一个人+AI的组合，正在接近一个“微型组织”的产出能力。

你负责决策和判断，AI负责执行和生成；你负责定义标准，AI负责批量制作；你负责解决例外，AI负责处理常规。在这种模式下，一个人

的能力边界被极大拓展。过去需要一个团队完成的公众号运营，现在一个人+AI就可以完成内容创作、排版设计、数据分析、用户互动；过

去需要多部门协作的市场调研，现在一个人+AI就可以完成信息搜集、竞品分析、报告撰写。

这带来的改变是深刻的：组织的形态正在从“多人协作”向“人机集成”演化。未来的最小工作单元，可能不再是“一个人”，而是“一个人+他的

AI助理”。当你带着你的AI助理去参与项目时，你代表的不是一个人，而是一个能力集。

14.3 AI正在重塑哪些职业结构

每一次技术革命都会带来职业结构的大洗牌。现在，AI时代正在开启新一轮的洗牌。但这一次有些不同，被冲击的不再是体力劳动者，而

是那些曾经被认为最安全的“认知工作者”。理解职业结构将如何变化，不是为了制造焦虑，而是为了看清风向，提前站到上升的那一侧。

14.3.1 职业结构变化的底层逻辑：从“任务替代”到“能力补偿”

要理解职业结构的变化，首先要看清变化的底层逻辑。过去的技术替代遵循的是“任务替代”逻辑，机器能做得更快、更便宜的事，就不需要

人做了。

AI带来的变化多了一个维度：能力补偿。AI不仅能替代某些任务，还能“补偿”人的能力不足，让一个不会画画的人能作图，让一个不会编程

的人能写代码，让一个不会数据分析的人能处理报表。这种补偿效应，正在模糊职业的边界。

一个不会设计的运营，现在可以借助AI做出不错的配图；一个不懂代码的产品经理，现在可以用AI验证技术可行性；一个没有财务背景的