Category: Career Blog

过去几年，关于 AI 和工作的讨论，逐渐陷入了两种简单叙事。

一种是悲观叙事：AI 会取代大量白领工作，尤其是初级岗位。年轻人毕业之后会发现，自己还没来得及进入职场，入口已经被机器堵住了。

另一种是乐观叙事：AI 是工具，不是敌人。它会提高效率，释放生产力，让会使用 AI 的人获得更大机会。年轻人本来就更熟悉新技术，所以反而可能成为 AI 时代的受益者。

这两种说法都有道理，但也都不够准确。因为 AI 对职场的影响，并不是简单地“消灭岗位”，也不是简单地“赋能个人”。它更深层的影响，是改变了工作被拆分、分配、学习和评价的方式。换句话说，AI 真正改写的，不只是就业市场，而是职场里的能力形成机制。

AI 正在拿走职场的“新手村”。年轻人不是不努力，而是过去最适合他们练级的低风险任务，正在被机器接走。

所谓“新手村”，并不是某个具体岗位，而是一套隐形的职业训练系统。一个刚进入职场的人，通常不是一开始就能做战略判断、业务决策、客户管理、复杂项目推进的。他需要先做一些基础任务：整理资料，写会议纪要，做数据清洗，写报告初稿，改 PPT，跑基础模型，查竞品，准备客户材料，跟进项目进度，回复一些不那么复杂的邮件。

这些任务看起来低端、重复、琐碎，甚至经常被年轻人吐槽为“牛马活”。但从职业成长的角度看，它们并不只是劳动，它们也是训练。新人正是在这些看起来不高级的任务里，逐渐理解什么叫信息质量，什么叫业务上下文，什么叫老板真正关心的问题，什么叫客户表面需求和真实需求之间的差异，什么叫一个数字背后的风险含义，什么叫一段话在组织政治里的责任边界。

过去，职场培养新人并不主要靠培训课。培训课只能讲原则，真正让人成长的是一轮又一轮真实任务里的反馈。你写一版材料，被老板改掉一半；你做一个分析，发现图画得很漂亮但结论站不住；你写会议纪要，才知道有些话要写进去，有些话不能写进去；你做客户材料，才知道不是把信息堆满就叫专业，而是要帮对方降低理解成本和决策成本。这些东西很难通过课堂讲清楚。它们是职业判断力的肌肉，需要在真实场景里反复使用，才会长出来。

问题是，生成式 AI 最擅长接手的，恰恰就是这一层。它可以帮人总结文档，生成初稿，写邮件，改语气，做 PPT 大纲，生成代码框架，整理会议纪要，做基础调研，提炼要点。对于企业来说，这当然很诱人。过去需要一个 junior 花半天整理的东西，现在 AI 几分钟就能生成一版。过去需要新人先做大量低阶劳动，再由 senior 修改，现在 senior 可以直接用 AI 拿到一个初步产出。从短期效率看，这当然是进步。但从长期人才培养看，问题变得复杂了。因为公司省下来的，不只是 junior 的时间，也可能是未来 senior 的训练场。

一、这不是普通的“就业难”，而是入门岗位的任务结构变了

年轻人就业难不是一个新问题。经济周期、行业收缩、毕业生规模、企业招聘预算，这些因素长期都会影响毕业生就业。但 AI 带来的变化有一个特殊之处：它不是平均冲击所有岗位，而是先冲击某些可以被标准化、文本化、流程化的任务。而这些任务，在大量白领行业里，恰恰是新人进入职场的第一站。

IMF 曾经估计，AI 可能影响全球约 40% 的工作，在发达经济体中这一比例可能达到 60%。但 IMF 的重点并不是说这些工作都会消失，而是指出 AI 会同时带来两种结果：一部分工作会因为 AI 获得生产率提升，另一部分工作则可能因为关键任务被 AI 执行而面临劳动力需求下降、工资压力或岗位减少。这个判断很重要，因为它把问题从“岗位会不会消失”转向了“工作内部的任务会如何重新分配”。McKinsey Global Institute 近年的相关分析也强调，AI 更可能改变任务结构，而不是简单替代整个职业。相关报道援引 McKinsey 的任务级研究指出，美国超过一半的工作任务在现有技术下具有自动化潜力，但完整岗位被替代并不是主要情形；更可能发生的是，AI 承担重复性、信息处理型任务，人类转向判断、沟通、创造、协调和监督。

这就解释了为什么很多年轻人的体感会很矛盾。一方面，他们看到公司仍然在招聘分析师、产品经理、咨询顾问、工程师、运营、法务助理、研究员；另一方面，他们又发现这些岗位里的基础任务正在减少，或者被 AI 重新包装。岗位名还在，但岗位里的“练手机会”变了。过去，一个 junior analyst 的价值，可能是愿意花时间做资料整理、搭建模型、跑数据、写初稿。今天，公司可能仍然招 analyst，但它期待这个人不仅会使用 AI 做基础工作，还要能在 AI 输出之上提供判断。这本身并不荒谬。技术进步之后，人当然应该向更高价值任务移动。

真正的问题在于：判断力不是凭空长出来的。一个新人要能判断 AI 输出是否可靠，前提是他知道什么叫可靠。一个新人要能判断材料的重点，前提是他见过足够多不合格的材料，也被改过足够多次。一个新人要能识别业务风险，前提是他经历过足够多上下文，而不是只看过 AI 总结后的漂亮结论。AI 提高了入门工作的最低产出质量，但它没有自动解决新人判断力形成的问题。甚至在某些场景下，它可能把这个问题掩盖得更深。

因为过去新人做得差，差得很明显。老板一看就知道：这个人没抓住重点，逻辑不清楚，事实没核实，语气不职业。于是这些错误可以成为带教入口。现在 AI 可以生成一版表面上很完整的材料。它语言顺、结构齐、标题像样，甚至还能加几个看起来高级的框架。老板看到的第一眼，可能觉得“还行”。但问题是，这个新人到底懂不懂？他是否理解材料背后的假设？是否知道数据来源的限制？是否能解释为什么这个结论成立？是否知道哪些内容只是 AI 合理化出来的表达，而不是经过验证的事实？

AI 把很多初级错误变得不那么显眼，但它也可能让真正的能力空洞变得更难被发现。这就是“新手村消失”的第一个层面：不是岗位完全没有了，而是过去通过低阶任务暴露问题、获得反馈、建立判断力的过程，被压缩、遮蔽，甚至跳过了。

二、AI 拿走的不是“杂活”，而是低风险犯错空间

很多人会反驳说，难道让新人做那些重复劳动就是合理的吗？难道资料整理、会议纪要、PPT 初稿、代码脚手架这些东西，不应该被技术解放吗？当然应该。没有人怀念低效本身。也没有必要把重复劳动浪漫化。很多旧式职场所谓的“培养新人”，确实掺杂了大量低质量消耗：无意义加班、格式洁癖、为了改而改、信息不透明、上级不愿解释，只让新人靠猜。这些东西被 AI 替代，并不可惜。

但我们需要区分两件事：低价值劳动和高价值训练。

同样是写会议纪要，如果只是机械记录发言，那它确实可以被 AI 取代。但如果新人通过写纪要理解谁对这个项目有决策权，谁只是表达意见，哪些话背后意味着资源承诺，哪些话背后意味着责任转移，那么这就不只是记录，而是组织理解力训练。

同样是写报告初稿，如果只是把资料拼接成文，那 AI 做得更快。但如果新人通过写初稿学习如何搭建论证链条、如何选择证据、如何安排叙事顺序、如何把复杂问题说清楚，那么这就不只是写作，而是结构化思考训练。

同样是跑数据，如果只是执行代码，那 AI 或自动化工具可以接手。但如果新人通过跑数据理解样本、变量、假设、异常值、业务解释之间的关系，那么这就不只是技术执行，而是分析判断训练。

也就是说，过去很多“杂活”的真正价值，不在于它们的产出，而在于它们提供了低风险犯错空间。新人需要犯错。不是因为犯错本身有价值，而是因为没有错误暴露，就没有能力校准。一个人不知道自己哪里想错了，就很难建立判断标准。一个人没有经历过低风险错误，就更容易在高风险场景里犯大错。

AI 时代的危险在于，公司可能用效率逻辑一刀切地拿走这些任务，却没有重新设计对应的训练机制。最后的结果是，低价值劳动确实减少了，但高价值训练也一起消失了。这也是为什么 AI 对初级岗位的影响，需要从“就业数量”进一步推进到“培养质量”。如果一个公司减少了 30% 的入门岗位，但剩下的人能接受更好的训练，进入更高质量的工作流，那么这未必是坏事。相反，如果公司表面上没有减少岗位，但新人只是被要求用 AI 产出更多内容，却没有反馈、没有复盘、没有判断标准，那么这个岗位名义上还在，实际上已经失去了培养功能。

三、AI 对年轻人的挑战，不是“不会用工具”，而是“还没建立判断标准”

今天很多讨论把年轻人的机会总结为一句话：要学会使用 AI。这句话没有错，但它太浅。

因为很快，“会用 AI”就会像会用搜索引擎、会用 Office、会开线上会议一样，变成基本技能，而不是竞争优势。真正拉开差距的，不是会不会向 AI 提问，而是能不能定义问题、验证结果、理解场景，并把 AI 放进一个可靠的工作流程。

BCG 与哈佛商学院关于生成式 AI 的实验提出过一个很有启发性的概念：AI 的能力边界是“锯齿状前沿”。在某些任务上，AI 能显著提高人的表现；但在另一些看起来相似、实际上超出 AI 能力边界的任务上，使用 AI 反而可能让人更自信地犯错。相关研究说明，AI 并不是一个稳定、均匀提升所有任务的工具，它对人的帮助高度依赖任务类型和使用者判断。

这个发现对年轻人尤其重要。资深员工使用 AI 时，通常知道哪里可以偷懒，哪里不能偷懒。他知道哪些输出看起来顺但其实空，哪些建议适合一般场景但不适合当前组织，哪些数据必须回到源头核实，哪些表达在政治和合规上有风险。新人不一定知道。新人最缺的，不是生成答案的工具，而是判断答案质量的标准。而这个标准过去是在“做基础任务—被修改—再做—再被反馈”的循环中形成的。如果这个循环被 AI 压缩掉，新人就会陷入一个悖论：他手里有了更强的工具，却没有足够的经验判断工具产出的边界。

这也是为什么一些研究开始从“自动化”转向“增强”和“人类参与程度”的讨论。关于 AI agent 与未来工作的研究指出，不同职业和任务对 AI 的期望并不一样，有些任务适合自动化，有些任务更适合增强人类能力，还有些任务需要保留较高程度的人类判断和参与。研究者试图用“人类代理程度”来衡量哪些任务应该由 AI 做，哪些任务应该由人控制。这说明，未来的核心能力不是简单地“让 AI 干活”，而是知道什么该交给 AI，什么不能交给 AI，什么可以让 AI 先做一版但必须由人复核，什么必须由人来定义和承担责任。

对于年轻人来说，这个变化既是挑战，也是机会。挑战在于，过去你可以靠勤奋、细致、肯吃苦，在基础任务里慢慢积累信用。现在这些基础任务的市场价值下降了，你不能只证明自己“能做事”，还要证明自己“能判断”。机会在于，AI 确实降低了接触复杂工作的门槛。如果你能用 AI 快速完成资料搜集、初步分析、框架搭建，你就有更多时间去理解业务问题、比较不同方案、提出更好的问题。过去需要两年才能接触到的工作，你可能半年就能参与。前提是，你不是用 AI 替代自己的思考，而是用 AI 加速自己的训练。

四、机会并不消失，但机会的形态变了

如果只讨论挑战，这个话题就会变成一篇 AI 焦虑文。但现实更复杂。AI 确实在压缩一部分传统入门任务，同时也在创造新的机会，只是这些机会并不总是长得像过去的“好工作”。

PwC 的 AI Jobs Barometer 曾指出，AI 技能正在带来明显的薪酬溢价，AI 相关技能不仅出现在技术岗位，也逐渐进入专业服务、金融、教育、管理等传统岗位。相关研究也显示，AI 相关岗位不仅有工资溢价，还更可能提供远程办公、培训、健康福利、育儿假等非工资福利，说明雇主正在竞争稀缺的 AI 相关人才。但这里的“AI 人才”不应该被狭义理解为大模型科学家或算法工程师。未来更大规模的机会，可能在三类人身上。

第一类是构建者。也就是做模型、数据、工程、系统、产品、MLOps、AI 基础设施的人。这类岗位技术门槛高，供给相对有限，也最接近传统意义上的 AI 核心岗位。

第二类是翻译者。也就是能够把 AI 能力翻译成业务流程的人。他们未必训练大模型，但知道在金融、制造、医疗、教育、法律、咨询、零售、客服、人力资源等场景里，哪些任务可以用 AI 提效，哪些任务必须保留人工判断，哪些流程可以重构，哪些风险需要控制。

第三类是验证者。AI 越普及，越需要有人回答：这个输出可靠吗？数据来源是什么？是否存在偏见？是否符合监管要求？是否可以审计？如果错了，责任如何划分？在金融、医疗、法律、公共服务、教育等高风险行业，这类能力会变得越来越重要。

这三类机会共同指向一个趋势：AI 时代的机会，不只是“会用工具”，而是懂业务、懂技术边界、懂风险控制、懂流程重构的人。

这也是国内外咨询报告里比较一致的方向。WEF《Future of Jobs Report 2025》指出，雇主预计到 2030 年，全球约 22% 的工作会发生变化，并形成约 7800 万个净新增岗位；同时，约 39% 的现有核心技能会发生变化。报告也强调，增长最快的技能包括 AI、大数据、网络安全和技术素养，但分析性思维、韧性、创造力、领导力等人类能力仍然关键。

这组判断很有意思。它不是说未来只需要技术人，而是说技术能力和人类能力会重新组合。过去，一个年轻人可能先通过执行任务建立可信度，然后逐渐进入判断层。未来，他可能需要更早展示一种复合能力：能够使用 AI 提高效率，也能理解 AI 的边界；能够处理信息，也能解释信息；能够快速生成内容，也能承担内容背后的判断责任。机会不是没有了，而是机会从“执行型入口”转向了“增强型入口”。

五、国内语境下，“没地方练级”的感觉会更强

如果把这个问题放到中国语境里，年轻人的体感可能会更强。

第一，中国高校毕业生规模大，入门岗位竞争本来就激烈。当毕业生供给持续高位，而企业又开始用 AI 压缩一部分基础任务时，哪怕岗位数量只发生边际变化，对年轻人的体感也会被放大。

第二，中国企业对效率和成本非常敏感。很多公司并没有系统的人才培养机制，新人的成长高度依赖运气：遇到好老板，有人愿意带；遇到忙老板，就自学；遇到不好的老板，就一边背锅一边成长。AI 进入之后，如果组织没有重建带教机制，新人很容易被要求“用 AI 更快产出”，但没人教他如何判断产出质量。

第三，中国职场长期存在一种“既要又要”的新人期待。公司希望年轻人便宜、听话、能加班、上手快、懂业务、会工具、最好还要有 owner mindset。AI 进一步抬高了这种期待。因为管理者会默认：你都有 AI 了，为什么还做不到？

但中国也有自己的机会面。

国内 AI 应用更强调场景落地，尤其是在制造、金融、政务、教育、医疗、内容、电商、客服、企业管理等领域。相较于只做基础模型研发，更多普通年轻人的机会可能出现在“AI + 行业”的接口层：AI 产品运营、企业知识库建设、智能客服流程设计、AI 风控、AI 合规、AI 测试、AI 内容生产与审核、AI 培训、AI 数据治理、AI 业务分析。

中国招聘平台和研究者对招聘数据的分析也显示，AI 相关技能正在向更广泛职业扩散。基于 BOSS 直聘数据的一项早期研究发现，中国当前劳动力市场中已有相当比例职业需要 ChatGPT 相关技能，并预测未来会有更多职业需要类似能力，尤其是技术、产品和运营相关行业。这意味着，年轻人不一定都要去卷最硬核的算法岗位。更现实的路径，可能是成为某个行业里的 AI 应用者、流程设计者和质量控制者。

比如在金融行业，不只是需要建模人员，也需要懂模型风险、懂监管要求、懂数据治理、懂业务流程的人去判断 AI 能不能用于信贷、客服、营销、反欺诈、合规监测。比如在制造业，不只是需要算法工程师，也需要懂供应链、设备、质量管理的人去设计 AI 如何进入工单、质检和预测性维护。比如在教育行业，不只是需要做大模型的人，也需要懂学习路径、课程设计和学生反馈的人去判断 AI 如何帮助学生，而不是替学生完成学习。

未来的机会不一定写着“AI Scientist”。很多真正大规模的岗位，可能写的是业务分析师、产品经理、运营经理、风控经理、合规经理、流程优化经理、培训设计师。但这些岗位内部，会越来越要求 AI 素养。

六、组织真正要解决的，是“如何重建新手村”

如果说年轻人的任务是适应变化，那么组织的任务就是重新设计培养机制。一个短视的公司会说：AI 可以做 junior 的活，所以我们少招 junior。一个成熟的公司会问：既然 AI 可以做掉一部分基础任务，我们如何用 AI 重新设计 junior 的训练路径？

这两个问题的差别非常大。

前者把 AI 当成降本工具。短期看，成本下降，效率提高，财务数据可能更好看。但长期看，它会伤害人才管道。今天 junior 少了，三年之后 senior 从哪里来？今天基础任务被取消了，未来复杂判断力从哪里长出来？今天新人没有经历过足够多低风险错误，明天谁来承担高风险项目？

后者把 AI 当成训练基础设施。它不是让新人继续做所有低价值劳动，而是把 AI 引入训练过程：让 AI 先生成初稿，但要求新人解释框架选择；让 AI 总结资料，但要求新人核查关键事实；让 AI 写会议纪要，但要求新人识别责任、风险和行动项；让 AI 辅助代码，但要求新人理解逻辑、测试边界和错误后果。

这才是 AI 时代的新手村。新的新手村，不应该是让新人远离 AI，重新回到手工劳动。那是不现实的，也没有必要。新的新手村应该是：AI 承担一部分重复任务，人类保留关键训练环节；AI 提供初始产出，人类负责判断和复盘；AI 提高效率，组织用省下来的时间做更高质量反馈，而不是只是压缩人力。

具体来说，公司至少需要重建三件事。

第一，任务阶梯。过去的任务阶梯是从简单执行到复杂判断。未来的任务阶梯可能要变成：AI 辅助执行、人工复核、场景解释、风险判断、流程改进。新人不是简单从“做杂活”开始，而是从“理解 AI 如何做杂活，以及 AI 哪里可能做错”开始。

第二，反馈机制。AI 生成的结果不能直接替代带教。管理者不能只看最终材料是否顺眼，还要看新人如何定义问题、如何使用 AI、如何验证事实、如何处理不确定性、如何解释结论。反馈对象要从“结果”扩展到“过程”。

第三，判断标准。很多公司现在的问题是，一边鼓励员工使用 AI，一边没有明确什么场景可以用、什么场景不能用、什么输出必须核查、什么内容涉及数据安全和合规风险。没有标准，新人就只能靠猜。靠猜的结果，要么过度依赖 AI，要么完全不敢用 AI。

Deloitte 等咨询机构在讨论生成式 AI 与未来工作时，也越来越强调组织设计、治理机制和能力建设，而不只是工具部署。因为 AI 的价值并不会因为买了工具就自动实现，它必须嵌入流程、角色、治理和培训体系。这个观点和近期关于工作重设计的研究是一致的：AI 对组织的影响不是简单替代某个岗位，而是通过任务自动化、任务优化和任务重新分配，改变整个工作架构。

这也意味着，未来优秀公司和普通公司的差距会拉大。普通公司会用 AI 减人。优秀公司会用 AI 训练人。普通公司会让新人自己摸索 AI。优秀公司会教新人如何验证 AI。普通公司会把 AI 当成提高产出的工具。优秀公司会把 AI 当成重建能力体系的机会。

七、年轻人应该如何重新理解自己的职业起点？

对年轻人来说，最现实的问题不是宏观趋势，而是：我到底该怎么办？

第一，不要把 AI 当成捷径，而要把它当成训练器。

如果你用 AI 只是为了更快交差，你可能短期提高效率，长期削弱自己的底层能力。比如你让 AI 写一份报告，然后直接提交，你获得的是一个结果，但你没有训练自己的结构化思考。如果你让 AI 写完之后，反过来问自己：它为什么这么组织？这个框架是否适合当前场景？哪些事实需要核查？这个结论有没有其他解释？那 AI 就变成了训练器。

第二，主动争取“解释权”，而不是只追求“交付权”。

AI 时代，能交付一版东西的人会越来越多。真正重要的是，你能不能解释这个东西。为什么这样写？为什么这个数据重要？为什么这个风险要放在前面？为什么这个方案比另一个方案更好？为什么 AI 的建议在这个公司不适用？职场上真正的成长，往往发生在你开始解释自己的判断时。因为解释意味着你不能只依赖表面产出，你必须理解背后的逻辑。

第三，寻找有反馈的环境，而不只是有名气的环境。

AI 时代，年轻人选择工作时不能只看公司名气和岗位 title，还要看有没有人愿意带，有没有复盘机制，有没有机会接触原始问题，有没有 senior 帮你校准判断。一个看起来光鲜但没有反馈的岗位，可能只会让你变成 AI 输出的搬运工。一个名气没那么大但能让你接触真实问题、获得高质量反馈的岗位，可能更有长期价值。

第四，尽早建立“行业 + AI”的复合能力。

普通年轻人不一定都要成为算法专家，但一定要理解自己所在行业里哪些任务会被 AI 改写。金融人要理解 AI 如何进入风控、合规、客服、投研和运营。法律人要理解 AI 如何进入合同、检索、尽调和合规审查。产品和运营要理解 AI 如何改变用户支持、内容生产、数据分析和实验设计。咨询和研究岗位要理解 AI 如何改变资料搜集、行业分析、访谈总结和方案生成。未来最有竞争力的人，不是单纯懂 AI 的人，也不是单纯懂业务的人，而是能把 AI 放进业务流程里，并知道如何控制质量和风险的人。

八、这篇文章真正想说的，不是年轻人完了

所以，回到最初的问题：AI 对年轻人到底是挑战，还是机会？

答案是：它当然是两者都是。

挑战在于，旧的新手村正在消失。许多低阶任务的市场价值会下降，入门岗位会变得更复杂，老板对新人的期待会提高，传统“先做杂活再慢慢成长”的路径会被压缩。年轻人还没建立判断标准，就被要求站在 AI 的输出上做判断。

机会在于，新的新手村也正在出现。AI 可以降低接触复杂任务的门槛，可以让新人更快看到高阶工作如何展开，可以把一部分专家经验显性化，可以创造新的职业接口，也可以让真正会提问、会验证、会解释、会重构流程的人更快脱颖而出。

但这个机会不是自动发生的。如果个人只是用 AI 逃避思考，AI 会让他看起来更高效，但未必更有能力。如果公司只是用 AI 压缩人力，AI 会让短期成本更好看，但可能破坏长期人才管道。如果教育只是教学生写 prompt，而不训练问题定义、证据意识、判断标准和责任意识，那么年轻人依然会在真实职场里感到断层。

AI 最终不会简单决定年轻人的命运。真正决定命运的，是个人、组织和教育系统能不能重新设计从学生到职业人的成长路径。旧的新手村可能真的回不来了。那些靠手工整理资料、反复写初稿、熬夜改 PPT、从低阶任务里慢慢摸索职业手感的路径，会越来越少。但这不意味着年轻人没有地方成长了。它意味着新的练级方式必须被发明出来。

未来最好的职场，不是没有 AI 的职场，而是 AI 做得了重复劳动，人类仍然有机会学习判断；AI 提高了效率，组织仍然保留反馈；AI 生成了初稿，新人仍然要解释为什么这样写、哪里可能错、下一步该怎么做。真正好的 AI 时代，不应该是年轻人一毕业就被扔出游戏。它应该是一个升级版的新手村：工具更强，任务更复杂，反馈更明确，成长更快，但依然允许人从不熟练走向熟练，从执行走向判断，从使用工具走向设计系统。

年轻人不是不努力。他们真正需要的，是一个还能让人练级的系统。

最近不少关于未来职场的趋势报告，都会用一种很直观的方式来总结变化：哪些东西正在成为新的职场常态，哪些东西则正在慢慢退出舞台。你会发现一个很有意思的对比正在出现。比如说，Human + AI collaboration 正在成为新的工作方式，而很多传统的绩效指标却越来越显得有点过时；真正的心理安全感开始被认真讨论，而那些只停留在口号层面的领导力也越来越容易被看穿；表达和讲故事的能力变得越来越重要，而简单的 data dumping，也就是一股脑往PPT里堆数据，反而越来越难说服别人。再比如说，人本身的一些能力——沟通、理解人、建立信任——这些“人味儿”的技能，反而在AI时代显得越来越重要。因为很多事情AI可以帮你做，但很多事情AI替代不了，比如让一个团队真的愿意跟着你干活，比如让一个跨部门合作愿意配合你，比如让别人相信你说的话。

如果你在大公司里工作过一段时间，你大概会发现一个非常有趣的现象：过去十几年里，很多公司其实特别迷信一件事——那就是指标。什么东西都要指标化，什么东西都要量化。绩效要量化，团队贡献要量化，领导力最好也能量化，甚至连“文化价值观”都恨不得量化。于是大家慢慢就进入了一种非常熟悉的职场景象：PPT越来越厚，图表越来越多，KPI越来越复杂，但很多人心里其实也越来越清楚一件事——这些数字并不一定真的代表事情的本质。有时候指标只是指标，而不是现实。

比如一个特别常见的场景：你开会的时候，看到一页又一页的图表，线条非常漂亮，颜色也非常专业，数据维度甚至有十几个。可是当你听完presentation之后，脑子里只剩下一个问题：所以呢？这到底说明什么？很多时候，所谓的数据分析，其实只是把数据重新排了一遍版，然后再配上几句听起来非常有逻辑的话。但真正的判断、真正的洞察，其实并没有发生。这就是为什么现在越来越多人开始意识到一个问题：单纯的数据堆砌，其实不再是竞争力。因为AI在这件事情上已经可以做得比人更快、更整齐、更漂亮。

反过来，真正稀缺的能力开始变成另外一些东西。比如说，你能不能把一堆数据讲成一个别人听得懂的故事；你能不能让老板在三分钟内理解这个问题的本质；你能不能在复杂的信息里抓住真正重要的那一条线索。换句话说，未来职场越来越像一件事：不是谁掌握数据，而是谁能解释世界。

还有一个变化，其实也越来越明显，那就是大家开始重新讨论所谓的“心理安全感”。这个词过去几年被提得非常多，很多公司也都喜欢在会议上讲：我们要建立一个有心理安全感的团队环境。听起来非常好听。但问题是，有时候这些话只停留在口号层面。现实中的很多团队，其实还是那种非常熟悉的氛围：会议上没人敢说真话，问题被一层一层包装，大家都在尽量说听起来“安全”的话，而不是说真实的判断。于是很多事情就变成了一种非常微妙的表演：表面上大家都很开放，但实际上每个人都在小心翼翼地管理自己的表达。

不过有意思的是，最近有一些研究开始用一种很“数据化”的方式去观察这些问题。研究人员分析了很多公司内部的员工认可数据，也就是那些同事之间互相感谢、互相表扬的记录。很多公司现在都会有这种系统，比如谁帮助了团队、谁额外付出了努力，大家可以在系统里写一段感谢的话。结果研究人员发现了一件非常耐人寻味的事情。如果一个员工在被表扬的时候，经常伴随着一种特别熟悉的语言——比如“真的太辛苦了”“感谢你在这么累的情况下还坚持完成任务”“谢谢你加班到这么晚还把事情扛下来”——那么这些员工在未来一段时间里请病假的概率反而更高。

听起来是不是有点讽刺？本来是表扬，结果却成了一种 burnout 的早期信号。

研究者甚至做了一个很清晰的对比。他们发现，如果一个员工收到的认可信息里没有出现这种“burnout language”，那么这个人未来缺勤的概率会明显更低。而那些经常被感谢“extra effort”“long hours”“weekend support”“late night help”的员工，之后反而更容易出现请病假、缺勤，甚至离开团队的情况。换句话说，当一个组织在表扬员工的时候，反复提到“你真的太累了”“你真的太拼了”，某种程度上其实是在记录一个事实：这个人已经在超负荷工作了。

有时候公司并不是不知道你很累，公司只是会先谢谢你累。这其实给管理带来了一个很有意思的新视角。过去企业通常只有在员工已经明显疲惫、绩效下降，甚至开始频繁请假时，才意识到团队可能出了问题。但如果通过AI去分析这些员工认可数据，其实是可以更早看到信号的。比如，当系统发现某个团队的感谢信息里突然开始密集出现“extra effort”“long hours”“adjusting your schedule”“holiday support”这些词的时候，管理者就应该意识到，这可能不是团队特别努力，而是团队已经开始接近疲劳极限。

从这个角度来看，AI其实并不只是一个效率工具，它甚至可以成为一种组织健康的“早期预警系统”。它可以帮助管理者看到那些过去很难被量化的信号，比如团队氛围、压力水平、甚至潜在的 burnout 风险。

当然，说到这里，你可能会发现一件很有趣的事情。未来职场很多所谓“正在流行”的东西，其实听起来都非常朴素。比如 Human + AI collaboration，比如真实的心理安全感，比如 actionable feedback，比如 storytelling，比如真正把价值观落在日常行为里。你会发现这些东西听起来并不新，甚至有点像老生常谈。但为什么现在又被重新提出来？原因其实很简单：当技术越来越强的时候，人本身的那部分反而变得更重要。

反过来看那些正在慢慢过时的东西，也同样很熟悉。比如那些越来越复杂、却越来越没有解释力的绩效指标；比如那些会议上听起来特别正确、但现实里没有人真的相信的领导力口号；比如那种只靠加班和拼命来维持运转的团队文化；再比如一种很多公司最喜欢说的话：“我们一直都是这么做的。”这句话听起来很安全，但其实往往意味着另一件事：我们已经很久没有认真思考过为什么这么做了。

所以当你把这些变化放在一起看的时候，就会发现一个有点幽默、也有点真实的趋势。未来职场真正“in”的东西，并不是更努力地工作，而是更聪明、更有人味地工作。不是谁能做最多事情，而是谁能理解真正重要的事情。不是谁的PPT里有最多数据，而是谁能把复杂问题讲清楚。而那些慢慢“out”的东西，其实也很明显：空洞的管理口号、机械的绩效指标、毫无意义的数据堆砌，以及那种把“拼命工作”当成唯一美德的工作文化。

如果要把这一切总结成一句话，大概就是：未来职场真正稀缺的，不是更强的机器，而是更像人的人。

很多人还在用“选岗位、爬职级”的方式规划职业，却发现越走越焦虑。并不是个人出了问题，而是职场正在经历一场范式转换。这篇文章尝试从岗位、技能到成果，梳理正在发生的变化，帮你看清：未来的工作，到底是按什么逻辑在运转。

第一章 | 从“岗位”到“工作任务”的转变

如果你在一家公司待过几年，大概都会有一种相似的感受：你的岗位写在系统里，但你的工作早就不完全在岗位里了。年初定的岗位职责，看起来条理清晰，等真正开始干活才发现，事情一件一件地冒出来，很多并不在那份岗位说明书里。你可能会发现，自己花最多时间解决的，恰恰是当初岗位里压根没写的那些问题。这不是某个人的问题，而是越来越普遍的现象。

岗位这个东西，本来是为一个相对稳定的世界设计的。业务节奏慢、分工清晰、流程固定，一个岗位对应一组相对稳定的职责，谁负责什么，一眼就能看明白。在那样的环境里，用岗位来管理人、分配工作，确实高效。但今天的职场已经很难再回到那种状态。业务调整越来越频繁，技术更新周期越来越短，很多工作内容在一年之内就会发生变化。岗位还没来得及改，工作已经换了一轮。

真正的变化在于，岗位和实际工作的对应关系正在变弱。很多人名义上在同一个岗位上，做的事情却完全不同；也有不少人看似换了岗位，本质上干的还是原来那一套事情。岗位开始更像一个行政标签，而不是对你每天在干什么的真实描述。久而久之，岗位不再是管理工作的有效单位，它更多只是一个方便发工资、定编制的工具。

这种错位，在很多看似“还算体面”的岗位上尤为明显。比如不少公司的“数据分析”“产品运营”“项目经理”，岗位名字几年不变，但干的事情却一年一个版本。去年还在拉报表、对流程，今年已经开始对接算法、协调外包、兜跨部门的锅。岗位没有升级，职责却在不断叠加，工作难度和复杂度被默默往上抬了一层，却很少有人会为此重新定义这个岗位。

当岗位无法准确描述工作时，组织就会本能地换一种方式思考问题。管理者关心的焦点，会从“这个岗位归谁管”慢慢转向“这件事到底该怎么做”。也就是说，与其纠结某个岗位是不是人手不足，不如直接拆开来看：现在要完成的具体事情有哪些？哪些事情是真正重要的？哪些事情必须由经验最深、成本最高的人来做，哪些事情其实可以拆分、简化，甚至交给系统或外部资源完成？一旦这样去看，岗位这个整体就自然被拆解成一项一项任务。

当工作被拆成任务，很多原本被岗位掩盖的问题才会浮现出来。有些人看起来很忙，但拆开来看，真正高价值的任务并不多；也有些岗位长期“缺人”，其实缺的不是人，而是某几项关键任务的能力支持。任务化让这些问题变得可见，也让调整变得更灵活。任务可以重新组合，可以换人来做，也可以用完全不同的方式完成。这种灵活性，是传统岗位体系很难提供的。

与此同时，任务化也悄悄改变了用工方式。远程协作、外包、自动化工具的普及，让“谁来做”不再只有一种答案。有些任务不需要固定坐在办公室的人，有些任务不值得用最贵的人力去完成，还有一些任务，干脆可以被系统取代。当组织开始从任务而不是岗位出发配置资源时，工作的边界就变得松动起来，岗位也不再是不可拆分的整体。

对个人来说，这种变化往往来得更直接。你会发现，岗位给你的安全感正在下降。岗位不再自动等于价值，也不再天然等于不可替代。真正决定你在组织里位置的，不是你挂着什么岗位名称，而是当工作被拆成一项一项具体任务时，有哪些事情离不开你。那些始终需要你判断、你负责、你兜底的任务，才是你真正的立足点。

从岗位到任务，并不是为了让人更辛苦，而是让工作本身更清楚。岗位曾经是秩序的象征，但在快速变化的环境里，过于僵硬的秩序反而会拖慢反应速度。当组织开始用任务理解工作时，也意味着一种新的衡量标准正在形成：不再是谁坐在什么位置上，而是谁在关键任务上真正解决了问题。这一转变，也为后面“技能”和“成果”成为核心埋下了伏笔。

第二章｜当岗位不再可靠，技能为什么成了真正的筹码

如果说岗位正在失去它原本的解释力，那么紧接着浮出水面的，就是“技能”。很多人会下意识地以为，这是企业又发明了一个新说法，但实际上，技能之所以被推到台前，并不是因为它更时髦，而是因为岗位已经装不下真实的工作了。

在过去很长一段时间里，我们习惯用岗位来定义一个人：你是什么职称、属于哪个序列、走哪条晋升通道。岗位像一条预设好的轨道，只要沿着往前走，职业路径看起来就清晰而稳定。但当岗位内部的工作内容开始频繁变化，当同一个岗位的人做着完全不同的事情，这条轨道本身就开始变得模糊。这个时候，再继续用岗位来衡量人，其实已经有些失真。

技能恰恰是在这种失真中变得重要的。因为不管岗位怎么变，工作最终都会落到一件件具体的事情上，而事情背后真正需要的，是能力。组织开始越来越直接地问：现在我们要做的这些事，需要哪些能力？这些能力在谁身上？如果岗位不再是可靠的单位，技能就成了连接“人”和“事”的那条线。

从公司的角度看，用技能而不是岗位来理解人，会带来一种更现实的视角。很多时候，问题并不在于“缺不缺人”，而在于“缺不缺某几项关键能力”。有些团队人不少，但事情就是推不动；拆开来看才发现，真正稀缺的不是人头，而是某些能够判断、协调、整合资源的能力。一旦看清这一点，人才配置的逻辑就会发生变化：与其再去招一个头衔相似的人，不如先搞清楚，我们到底缺的是哪几项技能。

这也是为什么越来越多组织开始弱化部门和岗位边界，而把目光放在技能组合上。一个人能否参与某个项目，不再完全取决于他“属于哪个岗位”，而取决于他是否具备项目所需要的能力。岗位开始变得更像一个暂时的落脚点，而技能才是可以被不断复用、迁移和叠加的资产。对组织来说，这样的视角更灵活；对个人来说，也意味着职业路径不再只有一条。

站在个人这边，“技能取代岗位”带来的冲击其实更直接。过去我们规划职业，往往是选一条岗位路线：从专员到资深，再到负责人。但现实越来越像一面攀岩墙，而不是一架直梯。你可能会横向移动，会短暂下滑，也可能突然切换到一块看起来不太相关的区域。真正让你能在这面墙上持续往上走的，并不是岗位名称，而是那些可以带着走的能力。

很多人在中途感到迷茫，本质上是因为还在用岗位思维看待变化。当岗位发生调整，或者原本熟悉的工作被拆走、外包、自动化时，如果你的价值完全绑在岗位上，就会感到被动甚至失控。但如果你能清楚地说出：我擅长解决哪些问题，我在哪些事情上是高质量的输出者，那么岗位的变化反而会成为机会，而不是威胁。

需要强调的是，技能并不等于某一项单一的硬本领。真正有长期价值的，往往是技能的组合。技术能力如果不能转化为理解业务、推动决策的能力，价值就会受限；沟通能力如果脱离了对问题本身的判断，也很难形成真正的影响力。随着标准化工作越来越多地被工具接手，那些需要综合判断、跨界协作、在模糊中做决策的能力，反而会变得更稀缺。

这也是为什么，单纯靠学历或头衔建立优势，会越来越吃力。它们当然仍然重要，但更多只是入场券，而不是护城河。真正决定一个人长期竞争力的，是他能否持续更新自己的技能结构，让能力始终贴近真实问题的需求。当技能开始老化，再稳定的岗位也会变得脆弱；而当技能保持生长，岗位反而只是阶段性的容器。

从岗位走向技能，并不是要求每个人都频繁跳槽或彻底推翻过往积累，而是换一种看待自己的方式。与其问“我现在处在哪个岗位上”，不如多问一句：“如果把我的工作拆开来看，我真正拿得出手的能力是什么？”这个问题，会比任何岗位规划，都更接近未来职场的答案。

第三章｜当角色不再重要，组织真正开始看“成果”

在岗位和技能逐渐失去稳定锚点之后，组织迟早会遇到一个更根本的问题：如果不再用岗位来衡量人，也不能只靠技能清单来管理工作，那最终到底该用什么来判断价值？越来越多组织给出的答案，指向同一个方向——成果。

在很多公司里，任务和技能的引入，确实让工作变得更灵活了。但做到一定阶段，新的问题也会随之出现。并不是所有重要的工作都能被拆成清晰的任务，也不是所有有价值的贡献，都能用一项项技能来准确标注。真正复杂、重要的事情，往往需要持续判断、综合取舍和跨边界协作。如果管理仍然停留在“你完成了哪些任务、你具备哪些技能”这一层，很容易陷入只见局部、不见全局的状态。

这正是成果开始变得重要的背景。成果不是你做了什么步骤，而是你最终解决了什么问题、带来了什么变化。相比任务和技能，成果的视角更高一层，它迫使组织从“过程管理”转向“价值管理”。当关注点从角色和动作，转移到最终结果时，很多原本被岗位和部门隔开的边界，都会自然松动。

从组织角度看，以成果为锚点的管理方式，往往意味着更大的授权。管理者不再事无巨细地规定“你该怎么做”，而是先讲清楚“我们要实现什么”。只要目标清晰、边界明确，具体路径就可以由执行者自行探索。这种方式看似放松控制，实则要求更高：它要求员工真正理解业务目标，具备独立判断和自我管理的能力，而不是只会按指令完成任务。

当成果成为核心，绩效评价的逻辑也会随之改变。传统考核往往围绕岗位职责是否完成，但在成果导向下，更重要的是是否真正推动了关键目标。一个人是否创造价值，不再取决于他是否严格履行了岗位说明书，而取决于他是否在关键问题上产生了实质影响。这也是为什么越来越多组织开始弱化“过程合规”，转而强调目标达成和结果贡献。

这种变化，对组织结构的影响同样深远。当成果被放在首位，部门和角色不再是天然的边界，资源会围绕目标重新组合。跨部门协作不再是“额外付出”，而是完成成果的必经之路。很多原本卡在部门接口处的问题，在成果视角下会被重新定义：不是“这是谁的职责”，而是“这件事如果做成，对整体有什么价值”。

对个人而言，成果导向同样意味着一种身份转变。你不再只是某个岗位上的执行者，而是某个问题的负责人。你的价值不再体现在“我很忙”“我做了很多事”，而是体现在“我把哪件关键事情做成了”。当评价标准发生变化，个人的安全感来源也会随之改变——它不再来自职位头衔，而来自你持续产生成果的能力。

需要注意的是，成果导向并不等于只看结果、不问过程。恰恰相反，它对能力和判断提出了更高要求。因为在不确定性更强的环境中，通往成果的路径往往不是预先写好的，而是在行动中不断修正的。成果导向的组织，需要的是能够在模糊中前进、在变化中校准方向的人，而不是只会照流程行事的执行者。

当岗位逐渐退居幕后，任务和技能成为中间层，而成果站到最前面时，工作的定义就发生了根本变化。组织不再围绕“谁坐在什么位置”运转，而是围绕“哪些问题必须被解决、哪些价值必须被创造”来配置资源。这种转变，并不只是管理方法的升级，而是对“工作本身是什么”的一次重新定义。

第四章｜当岗位不再稳定，应届生如何规划第一份工作的技能积累

 对刚走进职场的年轻人来说，入职的这一刻，刚好踩在一个变化非常大的时间点上。你可能已经听过很多类似的话——什么“你现在选的岗位，几年后可能就不存在了”，听起来有点吓人，也像危言耸听，但它背后说的，其实是一个越来越真实的现实：这个时代的工作，本身就处在不断变化之中。岗位不再稳定，路径也不再清晰，应届生如果还用老一套思路来规划职业，很容易一开始就走偏。

很多人找第一份工作时，最容易被牵着走的，是岗位名字、公司名气，还有所谓“一步到位”的安全感。上一代人确实有过这样的经验：选对一个岗位，就能顺着这条线慢慢往前走。但对今天的年轻人来说，这种确定性已经大幅降低了。技术在变，行业在变，岗位本身也在变。与其执着于一个看起来很完美的岗位头衔，不如冷静一点去看：这份工作，到底能让我学到什么、留下些什么。第一份工作未必非要精准对齐你未来二十年的方向，但它一定要能帮你积累能力，而不是只留下一个标签。

很多应届生会纠结“对不对口”。比如学计算机的，第一份工作却做了测试；学市场的，却从基础运营做起。其实从技能的角度看，这种焦虑往往被放大了。一个测试岗位，同样可以让你积累编程思维、自动化能力、跨团队沟通经验；这些能力，未来既可以用来转开发，也可以转产品，甚至参与创业。职业早期真正重要的，不是你站在什么岗位上，而是你有没有在不断扩展自己的能力边界。你越早把注意力放在技能上，而不是岗位上，未来的选择就会越多。

把职业发展想象成一棵“技能树”，可能会更贴近现实。第一份工作，只是树干刚刚长出来的阶段，但你完全可以在这个阶段慢慢分出不同方向的枝条。公司分配给你的任务，不是上限，而只是起点。做市场的新人，除了写文案、跑活动，也可以主动学点数据分析，试着用数据解释结果；工程师新人，除了写代码，也可以去了解产品逻辑和用户需求；HR新人，多听业务会议、多理解业务问题，都会让你看问题的层次更高一些。很多真正有用的成长，恰恰发生在“这不完全写在岗位描述里”的地方。

如果条件允许，第一份工作最好选择那种“事情多、任务杂”的环境，而不是分工极度单一的岗位。项目制、任务制的团队，对新人往往更友好，因为你有机会在短时间内接触不同类型的问题。轮岗、跨部门项目、跟着项目跑完整流程，这些经历会让你更快发现自己的兴趣和优势，也更容易建立起对行业的整体理解。相反，如果第一份工作长期只做重复、封闭的工作，看不到全局，也学不到新东西，那哪怕岗位看起来稳定，长期来看反而可能拖慢你的成长。

除了具体技能，应届生还有一类能力，越早培养越划算，那就是所谓的“底层能力”。比如，能不能快速学会新东西，能不能把复杂问题拆清楚，能不能把事情讲明白、推进下去，能不能在不确定和压力下保持基本的稳定。这些能力听起来不如“技术”“专业”具体，但它们几乎在所有岗位、所有阶段都会反复派上用场。大学毕业，不是学习的结束，而是另一种学习方式的开始。真正拉开差距的，往往不是公司有没有系统培训，而是你有没有把学习这件事，当成自己的长期责任。

在这个过程中，别忽视人的力量。刚入职场时，有人愿意带你、愿意回答你“看起来有点傻”的问题，其实非常重要。多向有经验的前辈请教，不只是为了学技能，更是为了看清他们是怎么理解工作、怎么做选择的。同时，也可以主动进入一些行业社群、专业社区，参与真实的协作和讨论。这些横向的连接，会让你更早跳出“我这个岗位”的小圈子，用更大的视角看职业这件事。

归根结底，对应届生来说，第一份工作的意义，从来不只是谋生。它更像是一个训练场，让你在真实世界里打基础、试方向、积累能力。岗位会变，公司会变，但只要你在不断把经验转化为能力，把能力变成下一步的筹码，路径自然会慢慢展开。这个时代没有绝对保险的岗位，但具备关键技能、保持学习能力的人，永远不缺机会。第一步走得未必完美，但只要方向对了，后面的路就不会太窄。

第五章｜对职场中期人士意味着什么：突破瓶颈，重新拉开成长曲线

工作差不多十年左右，很多人会明显感觉到一个变化：好像并没有松懈，也没有犯什么大错，但往上走却越来越慢了。你已经不是新人，手里有经验、有技能，在公司里往往也是骨干或者中层；可与此同时，机会不像早几年那样密集，晋升开始变得稀缺，安全感反而在下降。再加上家庭、收入、责任一层层叠上来，这个阶段的焦虑，往往比刚毕业时更真实。

需要先看清一个现实：很多中层岗位本身正在被“挤压”。技术进步并不是只冲着基层岗位去的，恰恰相反，那些以流程管理、信息传递、规则执行为主的中间层工作，最容易被工具弱化甚至替代。岗位可能还在，但它所创造的边际价值在下降。这也是为什么不少工作十年左右的人，会感觉自己卡住了——不是不努力，而是原来的那套玩法，正在悄悄失效。

在这样的环境下，如果还把全部希望寄托在“下一次晋升”，失落感往往只会越来越重。因为问题不只是你有没有往上爬，而是那条梯子本身变窄了。相比盯着头衔变化，更值得投入精力的，是能力本身的提升。少问一点“我什么时候能升”，多问一句“我还能学会什么、还能解决什么问题”。当组织越来越看重成果和能力时，头衔反而常常是水到渠成的结果，而不是起点。

这也是为什么，很多人在职业中期重新拉开差距，靠的并不是纵向晋升，而是横向迁移。这里说的横向，并不是盲目转行，而是在相关领域中拓宽自己的能力半径。比如技术出身的人，开始往产品或业务侧靠；财务背景的人，参与更多运营和管理决策；原本偏执行的人，逐渐承担整合和协调的角色。这种变化短期内可能不显山露水，甚至会让人不适，但它能让你的经验不再只是“重复使用”，而是开始产生复利。

很多人在原岗位待得越久，越容易被“熟练”困住。看似十年经验，实则是一年经验反复用了十次。一旦环境变化，这种经验的含金量会迅速下降。横向迁移的价值，恰恰在于打破这种惯性，让你重新回到学习曲线中。虽然过程不舒服，但只要方向对了，长期回报往往更高。

除了角色变化，技能本身也需要定期“更新版本”。很多人在职业早期学会的一套技能，到了中期反而最容易过时。工具在变，业务模式在变，判断标准也在变。如果能力结构长期停留在过去，再稳定的岗位都会变得脆弱。技能再生并不一定意味着大动干戈，可以是系统学习新领域，也可以是在工作中主动接触新项目、新问题。关键在于，你是否持续让自己的能力贴近正在发生的现实。

这个阶段还有一个容易被低估的优势，那就是经验本身。中期职场人真正的资本，不只是技能点，而是对行业、组织和人的理解。只要找对连接点，经验可以成为非常强的杠杆。比如，把多年行业经验和新技术结合，或者把原有专业能力迁移到新的应用场景中，你往往不需要从零开始，而是“旧经验+新能力”的叠加。这种组合型能力，反而更稀缺。

当然，职业中期的选择不可能脱离现实。家庭、收入、时间成本，都会让试错变得更昂贵。所以更理性的做法，往往是控制节奏，而不是一刀切。内部轮岗、参与副项目、在不放弃主业的前提下尝试新方向，都是相对稳妥的方式。重要的不是马上跳得多远，而是不要长期停在原地。

随着技术降低了个人生产力的门槛，一些人也开始探索新的工作形态。有人把专业能力和工具结合，做成“一人公司”；有人在主业之外发展副业或咨询；也有人干脆和志同道合的人一起创业。这些路径未必适合所有人，但它们共同传递出一个信号：工作不再只有“全职雇员”这一种形态。对中期职场人来说，重新定义“工作是什么”，本身就是一种主动权的回收。

总的来说，职业中期不该只是缓慢下滑的高原期，而完全可以成为下一段成长的起跳点。真正决定你能走多远的，不是年龄和资历，而是你是否持续学习、是否愿意跨界、是否还能不断创造新的成果。当经验开始复利，而不是贬值，职业的下半场，反而可能比上半场更有空间。

第六章｜学生与家长的视角：当“未来的岗位”不再确定，教育该怎么走？

如果把视角再往前拉，拉到学生和家长这一代人身上，其实很多焦虑就更容易理解了。很多家长心里都会有一个很现实的问题：如果未来很多职业都会变，甚至消失，那我们现在这么辛苦读书、选专业、规划路线，到底有没有意义？

“你现在学的专业，等你毕业时可能已经没那么吃香了。”这句话听起来很扎心，但它真正想表达的，并不是要制造恐慌，而是提醒大家：职业世界本来就不是静止的。十几年前，很少有人能想到今天会出现这么多新职业；同样，现在看起来很稳定的一些岗位，在技术和产业变化下，也可能被重塑甚至替代。所以，真正需要转变的，不是“孩子该不该努力”，而是努力的方向。

在这样的背景下，教育如果还只围绕某一个具体岗位去准备，其实风险是很大的。比起“学什么专业以后好找工作”，更重要的问题可能是：孩子有没有学会学习？有没有能力适应变化？有没有在不确定的环境中继续往前走的能力？教育真正该做的，不是为一个固定答案做准备，而是让人具备不断找答案的能力。

这也直接指向了教育方式本身的变化。传统教育更擅长做的一件事，是把知识拆分成学科、章节和考点，通过考试来检验掌握程度。但现实世界里的问题，很少是按学科分割的。真正复杂的事情，往往需要跨学科理解、团队合作和持续试错。这也是为什么，越来越多学校开始尝试项目制学习、探究式学习，让学生围绕真实问题去整合知识，而不是只在试卷上完成标准答案。

你会发现，在这些项目里，学生学到的往往不只是知识本身，而是怎么分工、怎么沟通、怎么解决冲突、怎么在失败后调整方案。这些能力，在分数里很难直接体现，但恰恰是未来进入社会后最常被反复使用的能力。不只是大学阶段，中小学里越来越多的跨学科课程、STEAM 项目，本质上也是在往这个方向靠拢——让孩子在真实任务中学习，而不是只在书本里“理解”。

从这个角度看，“做中学”其实是一件非常重要的事。未来真正稀缺的人，不是记住了多少知识点，而是能不能像完成一项任务那样，主动发现问题、设定目标、调动资源并把事情做完。所以，不管是社团活动、竞赛、实践项目，还是看起来“和升学不完全相关”的经历，只要孩子在其中真正参与、承担责任、解决问题，都是在积累非常真实的能力。相比之下，如果所有时间都只用来刷题、补习，短期可能有成绩，但长期并不一定能提高孩子面对真实世界的能力。

而在所有能力之中，最底层、也最重要的一种，是持续学习的能力。未来的职业世界，很可能没有一条“读完书就稳了”的路线。真正能让人长期站住脚的，是对新事物保持好奇，遇到新问题不退缩，知道如何去学、去问、去试。教育的终极目标，其实不是把孩子培养成“知道很多答案的人”，而是“会不断找答案的人”。

这对家长来说，往往意味着角色的转变。与其急着给孩子答案、替他们做决定，不如多给一些空间，让他们自己去探索、去犯错、去修正。当孩子对某个问题产生兴趣时，引导他们自己查资料、做尝试；当孩子遇到困难时，帮他们拆解问题，而不是直接替他们解决。这些看似细碎的日常，其实都在塑造孩子面对未知的方式。

也正是在这样的背景下，我们需要重新理解什么是“好专业”、什么是“好工作”。未来真正好的工作，未必听起来体面，但一定能让人持续成长、持续创造价值；真正有意义的专业，也未必一一对应某个岗位，但能打下扎实的思维基础和学习能力。也许孩子未来从事的职业，现在连名字都还没有，但只要他们具备跨界理解和自我更新的能力，就不必过度担心跟不上变化。

说到底，“未来岗位不再存在”这句话，并不是在否定教育，而是在倒逼教育回到本质。教育从来不只是为了谋生，而是为了让人成为一个有判断力、有创造力、能在复杂世界中站稳脚跟的人。如果孩子从小就习惯用项目和任务去学习，在不断尝试中锻炼思维和能力，那么无论未来职业怎么变化，这种内在能力都会成为他们最可靠的底气。

当岗位退场，什么该留下来？

回看前面的讨论，其实有一条非常清晰的主线：岗位在变，技能在重组，成果在成为新的衡量标准。这种变化，不只影响职场，也在倒逼教育和家庭重新思考各自的位置。

对个人来说，最重要的一件事，是别再把自己等同于某一个岗位。把自己当成一个长期在进化的“能力组合”，定期更新技能、积累成果、扩大影响力。当你能持续解决问题、创造价值，头衔反而不再是最关键的东西。

对组织来说，真正的挑战不是缺人，而是如何更灵活地用人。围绕任务和成果配置资源，让人能流动、能成长、能被看见，组织本身才能具备真正的韧性。

而对家庭和教育来说，最重要的或许是放下对“确定路线”的执念，把注意力放在能力、好奇心和学习力上。支持孩子探索、尝试、犯错，远比替他们规划一条看似安全的路径更重要。

“无岗位时代”并不是没有工作，而是工作的定义正在改变。当岗位不再是我们唯一的身份标签，真正能让人立足的，是不断进化的能力、灵活思考的习惯，以及把事情做成的能力。只要这些东西在，未来再怎么变，人都不会轻易被淘汰。

绩效考核的前世今生：从泰勒到OKR的演变逻辑

绩效考核从诞生至今已有百余年历史，其核心目的始终围绕激发员工动力、实现组织目标。早期的绩效思想起源于泰勒的科学管理和福特的工厂制度，随着管理理论的发展，逐步演进为德鲁克的目标管理（MBO）、关键绩效指标（KPI）和360度评估等工具，直到近年来兴起的以OKR（目标与关键结果）为代表的自驱式管理模式。

本文将系统回顾绩效考核的历史演变脉络，结合中外大厂实践和经典案例，分析绩效考核背后的管理逻辑及组织文化变化，并从员工视角探讨绩效真正关注的核心与误区。

科学管理时期：泰勒与福特的绩效萌芽

绩效考核最初萌芽于20世纪初的工业化浪潮中。弗雷德里克·泰勒提出的科学管理思想，强“任务+计划+标准”。泰勒主张将管理与执行分离，事先制定生产计划并对工人产出量化计件，把工人工作效率与报酬挂钩。例如，泰勒要求工人每天按照预先确定的产量完成任务，并据此结算工资，这种“预先制定计划”的思路为后来的目标管理奠定了基础。

同时期，亨利·福特的案例更直观地说明了绩效激励的作用。1914年，福特公司将装配线工人的日工资从2.5美元提高到5美元，高薪政策极大地提升了士气并降低了人员流失率。正如《财富》报道所述，福特认为“工人是重要资产”，工资翻倍“将提高士气和降低流动率”。这一经典案例体现了早期绩效激励的核心逻辑：通过物质激直接改善工作条件和收入来激发员工的生产积极性。

目标管理时代：德鲁克与MBO

20世纪中叶，彼得·德鲁克提出了目标管理（Management by Objectives，MBO）理念，标志着绩效管理进入新的阶段。1954年，德鲁克在《管理的实践》一书中首次提出了将目标作为管理核心的理念，并认为管理者和员工应共同参与目标制定。这一思想后来被引入通用电气公司（GE）并实践，取得巨大成功。德鲁克的MBO强调以人为本，员工参与目标设定，通过自我控制完成目标，取代传统的命令监控。

GE在20世纪80年代将MBO系统化，由杰克·韦尔奇推动实施，不仅设立明确的年度经营目标，还引入了“排名末位淘汰”制度。GE发现，通过目标层层分解，每个员工都能明确自身与公司战略之间的联系，提高了整体执行力。此外，德鲁克强调目标管理要注重结果和长期视野，而非简单地关注过程。正是德鲁克打破了“目标只是计划的一部分”的传统观念，把管理的焦点从监控行为转向了关注结果。

指标化绩效考核：KPI与平衡计分卡

进入20世纪后期，随着企业规模扩大和信息技术发展，绩效指标化管理工具层出不穷。最具代表性的当属关键绩效指标（KPI）和平衡计分卡（BSC）等方法。KPI本质上是对组织战略目标的分解，对关键活动指标的量化考核。例如，中国互联网大厂普遍采用KPI体系，各部门目标由上而下拆解，并与年度奖金、调薪、晋升紧密挂钩。马云等企业家也曾强调“没有KPI，一切都是空话”，表明KPI在承接公司战略、指引员工行为方面的重要作用。

平衡计分卡则在1990年代由罗伯特·卡普兰等提出，将财务指标与客户、内部流程、学习成长四个维度结合起来全面考核绩效，强调以战略为导向的多维评价。BSC帮助企业避免了只关注短期财务指标的偏差，将长远战略目标内化为各层级的衡量标准。

此外，在指标化阶段，出现了360度评估等多源反馈机制。360度评估最早起源于1950年代英国军方和心理学研究，用于从多个角度评估个体表现。20世纪80年代末，部分大型企业和跨国公司开始尝试在绩效评估中采用360度方法，尤其用于高管和管理层的能力评价。进入信息化时代后，360度评估的工具和软件日趋成熟，被广泛应用于人才发展和领导力评估。不过不同国家对360评估的接受度不同：美国企业强调结果导向与反馈闭环；欧洲企业更注重团队协作和公平性；亚洲尤其是中日企业在推行上显得谨慎。

自驱管理与OKR时代

近几年，以OKR（Objectives and Key Results）为代表的目标管理方法在互联网和硅谷企业中大行其道，将绩效考核与战略执行、组织敏捷紧密结合。OKR的核心思想源自德鲁克的目标管理，但更加强调员工自发设定挑战性目标，并追踪关键成果。1960-70年代，英特尔COO安迪·格鲁夫（Andy Grove）在德鲁克目标管理基础上提出了“高产出管理”（High Output Management），发明了iMBO体系，并密切结合摩尔定律进行目标设定。格鲁夫主张快速迭代目标（如季度或每两周），确保组织和个人始终朝着核心目标聚焦。

1999年，Intel前员工、风险投资人约翰·多尔（John Doerr）将格鲁夫的管理系统引入Google，并将其命名为OKR。Google及其后续的许多硅谷公司（如LinkedIn、Twitter、Facebook等）采用OKR体系，让OKR成为驱动组织聚焦、对齐与承诺的重要工具。图示中列出了制定OKR时需要考虑的要素，包括组织层面的战略对齐与团队章程，以及团队/个人的发展目标。这种“自上而下+自下而上”双向互动的设定方式，使员工对目标的认同度和自主执行力大为提升。

上图总结了制定OKR时需要考虑的要素，包括从组织层面（战略方向、里程碑等）和团队/个人层面（发展目标、资源支持等）多维度规划目标与关键成果。

值得注意的是，OKR并非为考核而生。OKR的本质是目标管理工具，而非传统意义上的绩效考核工具。OKR关注的是员工对公司目标的贡献程度，而不仅仅是完成日常职责。与KPI强调完成度不同，OKR鼓励设定极具挑战性的模糊目标，通常完成60%-70%就被视为卓越绩效。在OKR框架下，过程透明、持续反馈和团队协作成为常态，极大增强了组织的敏捷性和创新驱动力。

大厂与外企的绩效演变

在中国互联网大厂和外资企业中，绩效考核体系也呈现出不同的发展脉络和文化差异。总体来看，国内大厂（如阿里、腾讯、字节等）更强调指标与竞争，而外企则倾向于兼顾文化融合与人才发展。例如，阿里巴巴集团沿用层层拆解的KPI体系，并常采用「271」分布法，即20%的员工评为A+或A（明星级）、70%评为B（中坚）、10%评为C/C-（需要改进或淘汰）。完成KPI的员工往往享有高额奖金、频繁加薪和晋升机会；而绩效较差者可能被要求离职或被动退出。

与此相比，一些外企会更加注重绩效评价的长期发展意义，例如强调领导力培养和团队配合，同时也关注公平性和员工体验。但无论中外企业，现实中都存在绩效与晋升错位的现象：经理往往会优先提拔自己团队表现好的员工，绩效评分也依赖于管理者的主观判断。在很多公司，“你的上级对你的绩效拥有绝对的话语权”，管理者个人对结果的主观判断往往成为决定性因素。换言之，绩效考核更多是管理者用来推动团队的一种机制，而不是纯粹的公平竞赛。

需要指出的是，绩效考核工具的推行也反映了组织文化的变化。以OKR为例，字节跳动引入OKR后营造了快速迭代、自下而上的氛围；而传统外企则可能更强调目标达成与经验分享的平衡。另外，部分互联网公司近年来尝试去绩效化或轻量化考核，减少对排名的执念，更加关注即时反馈和团队合作。但总体来看，大多数企业仍然将绩效作为员工淘汰与激励的关键机制，特别是在竞争激烈的行业环境中，这一点尤为明显。

员工视角：绩效考的是什么？如何正确认知

对普通员工而言，“绩效到底考什么”是个常见疑问。其实，现代绩效考核并非单纯考“干没干活”，而是评估个人价值创造与公司目标契合度。绩效可以被视为一种价值商品：员工将自己的劳动成果“卖给”公司，公司通过工资、奖金、晋升等与之“等价交换”。企业与员工关系本质上是交换关系：公司用薪酬和机会交换员工交付的业绩。基于这种认知，绩效的考核维度应覆盖员工对组织目标的贡献（硬业绩）、与同事的协作和行为表现（软技能，如沟通、创新）、以及未来潜力等因素。

要避免“干多不如会写”的误区，员工应主动讲清自己的价值：明确自己的目标与团队目标对齐，定期向上级反馈进展，以数据和事实证明贡献。简单加班堆任务、不注重输出质量和总结，往往在绩效中吃亏。高绩效员工当代的正确认知包括：注重产出而非单纯努力，关注结果与影响力的最大化。这意味着工作要聚焦公司最看重的关键目标（如OKR中的关键成果），同时发展解决问题的能力和协作意识。绩效考核最终评估的是对公司价值的贡献，而不是工作时长或个人感觉。如果能将自己的工作成果量化为能被公司“感知”的“商品”（如用户增长率、项目收益、技术突破等），并与团队目标对齐，就能最大化绩效评价。

此外，高绩效员工还应意识到绩效评分的主观性。大多数企业的绩效管理更偏向于激励而非公平。理解绩效管理的核心是激发员工的敬业度，通过设置有挑战性的目标来调动积极性。但同时也要保持谦虚，善于与主管沟通，避免与管理层针锋相对。华为创始人任正非曾指出，绩效管理是人性与欲望的逻辑，目标是激发潜力而非仅仅惩罚。员工应把握这一点：绩效考核是组织推动业务发展的工具，最终目的是帮助你和企业共同成长，而不是简单的“打一锤子”打分。

结语

纵观绩效考核的发展历程，从泰勒分工的流水线到德鲁克目标管理的哲学，从KPI/360的量化考评到OKR的自驱管理，本质都是围绕价值交换与激励逻辑在演变。组织文化和管理逻辑的变化决定了绩效考核的形式和重点：传统企业强调服从与效率，互联网企业强调聚焦与结果，外企强调公平与发展。对员工而言，真正的高绩效并非“加班最多”，而是能产出组织认为有价值的成果、并让这些成果为人所见。在不断变化的职场中，把握绩效考核的核心—价值创造和自我驱动，才能在职场中立于不败之地。

过去二十年，很多人对职业的理解非常朴素：努力干、熬资历，等待升职。新人先从执行做起，中层靠经验和管理往上走；大公司提供平台，初创公司提供机会。这套逻辑假定岗位结构相对稳定，你只需在既定阶梯上往上爬。然而，生成式人工智能（GenAI）的到来打碎了这个前提。它不是简单取代一些工作，而是迫使我们重新回答一个问题：“什么样的价值必须由人来创造？”

金融行业是观察这场变革的绝佳窗口。2025 年以来，摩根大通、花旗等金融巨头已经要求所有新员工接受生成式 AI 培训；劳埃德、汇丰等银行大量投资 AI 项目，用它生成IPO材料、分析风险模型、甚至为客户构建投资组合。与此同时，彭博社预计全球银行未来 3–5 年可能裁撤 20 万个职位。

本文结合最新研究和行业案例，对 AI 时代的职业格局、金融行业的特定挑战以及新人、中层如何自我进化做深入解读，并给出具体建议。

👉 本段为会员内容。只对有高级阅读权限会员开放。

这几年，我对一件事越来越警惕： 当一家公司、一个老板、一个组织，开始频繁地谈“使命”“意义”“愿景”的时候，我反而会下意识地先问一句——钱在哪里？这并不是因为我变得现实、功利，或者对理想失去了兴趣。恰恰相反，是因为我在职场里待得够久，看过太多“用使命当遮羞布”的场景：资源不够的时候，让员工多扛一点；制度不清晰的时候，用价值观来压情绪；回报跟不上的时候，用“你做的是一件有意义的事”来安抚人心。

如果你认真观察，会发现一个很反直觉的现象：越是内耗严重的组织，越爱高频谈使命；越是把使命挂在嘴边的个人，越容易把自己榨干。这也是我在读《Purpose + Profit》这本书时，产生强烈共鸣的原因。它并不是一本教你“更有使命感”的书，而是一本试图把“使命”从情绪叙事里，拽回现实约束中的书。

使命和利润，从来不是对立面

很多人一谈使命，就下意识把它和“钱”对立起来：谈钱，好像就不够纯粹；谈使命，好像就应该不计回报。但《Purpose + Profit》从一开始就给了一个非常冷静、也非常残酷的判断：没有利润的使命，是不可持续的；没有使命的利润，是不可防御的。这不是价值判断，而是结构判断。

任何一个长期存在的组织，本质上都是一个价值交换系统。它能活下去，不是因为它“想做好事”，而是因为它持续创造了别人愿意付费的价值。利润，在这里不是贪婪的象征，而是现实世界给出的最低及格线。同样，没有使命的利润，看起来赚钱，但往往脆弱。因为一旦外部环境变化、竞争加剧、成本上升，这种组织很难回答一个问题：当利益发生冲突时，我们为什么还要坚持现在的选择？这也是为什么很多公司在顺风期什么都对，一到逆风期就开始价值观崩塌。

Purpose 不是口号，而是取舍规则

这本书里对 Purpose 的定义，和我们日常听到的版本非常不一样。Purpose 不是写在官网首页的一句话，不是 CEO 年会上的热血演讲，更不是员工用来自我感动的精神口号。真正的 Purpose，只有一个功能：在资源有限、冲突不可避免的时候，帮你做取舍。换句话说，它不是加法，而是减法你可以用三个问题，快速判断一个使命是真是假：
第一，它有没有让组织放弃过“能赚钱但不符合方向”的机会？
第二，它有没有真实地影响资源分配和决策优先级？
第三，当使命和短期利益冲突时，它有没有被拿出来当裁决标准，而不是安慰员工的话术？

如果答案都是否，那这个使命大概率只是 branding，而不是 guiding principle。我见过太多组织，使命永远只在基层被反复强调，却几乎不约束高层决策。员工被要求为了使命多付出、多加班、多承担情绪劳动，而真正掌握资源和权力的人，却从不需要为使命付出成本。这种“单向使命”，不是理想，是消耗。

---

Profit 在这本书里，被重新正名了

我很喜欢《Purpose + Profit》的一点在于：它没有把利润妖魔化。在这本书里，Profit 被清楚地定义为一种约束，而不是终极目标。它的意义在于：验证组织是否真的在为社会创造可持续的价值你可以把 Profit 理解成氧气氧气本身不是生命的意义，但没有氧气，生命谈不上任何意义。同样，没有利润，使命无法长期存在。这一点放到个人职场发展上，其实同样成立。

很多人会说：“我有我的热爱”“我有我的使命”。但如果这个使命长期无法转化为市场愿意支付的价值，那你面对的不是理想问题，而是定位问题。个人的 Profit，可能是薪资、是不可替代性、是稀缺技能、是你在组织中的真实价值锚点。它决定了你有没有资格、有没有空间，去谈理想和意义。不是你有使命你就重要，而是你重要了，你的使命才有分量。

---

使命最容易被滥用的三个场景

这本书也间接解释了，为什么“使命感”在现实职场中，经常变成一把双刃剑。

1. 用使命替代管理能力

当目标不清、优先级混乱、资源配置失衡时，一些组织会选择谈使命，而不是补管理使命被用来要求员工“多理解一点”“多担当一点”，却从不反思系统性问题。这种情况下，使命只会加速倦怠。

2. 用意义感掩盖回报不足

当回报、成长路径、晋升机制模糊时，使命常常被当成心理补偿。久而久之，真正有能力的人会离开，只剩下被情绪绑住的人。

3. 把使命当成道德高地

一旦使命被道德化，不同意见就容易被贴上“价值观不对”的标签。这会极大地削弱组织的纠错能力。

如果你是一个职场个体，这本书其实在问你三个非常现实的问题：

第一，你的 Purpose 是什么？不是你喜欢什么，而是你愿意长期为哪种结果负责。

第二，你的 Profit 在哪里？市场、组织、老板，为什么要为你买单？

第三，当两者冲突时，你现在有没有资格谈理想？如果没有，你要做的可能不是换信念，而是补能力、换位置、重新定价自己。

这套逻辑，本质上和很多“理性撤退”的选择是一致的。有些离开不是逃避，而是因为当前结构，已经无法同时满足使命和回报；有些坚持也不是执念，而是因为你清楚这份代价是你愿意承担的。成熟的职业选择，不是追求情绪上的意义感，而是对长期代价的清醒判断。

---

结语：成年人的理想，一定是带着账本的

我并不反对使命，也不反对理想。我反对的，是廉价的使命，是不需要承担成本的理想，是只要求别人付出、却从不约束自己的价值叙事。《Purpose + Profit》真正想说的，其实是一句非常朴素的话理想如果不能落到结构里，最终一定会变成情绪负债。对个人如此，对组织亦然。

成年人的理想，从来不是“我想成为什么样的人”，而是——我是否清楚，这条路值不值得我为它付出长期代价。如果答案是肯定的，那就走；如果不是，理性撤退，也是一种成熟。

【说明】以下为在尊重原文内容与表达基础上，对行文结构与逻辑顺序做的系统性整理与润色，尽量不删减观点，仅做合并、顺序调整与衔接强化，适合用于 blog 长文发布。

---

35岁，职场人的“生死线”？

你一定听过这个段子：“35岁以后，人脉多的卖保险，人脉少的开滴滴，没人脉的送外卖。”说者无心，听者有意。这句自嘲之所以在职场圈广泛流传，是因为它精准戳中了无数打工人的集体恐慌：35岁，仿佛成了一道谁都不敢轻易触碰的坎。

如果你打开招聘网站，会发现不少岗位明晃晃地写着“35岁以下优先”；公务员考试也常把35岁设为上限；一些企业甚至公开提出“员工90后化”的用人导向——宁要青春红利，不要所谓“经验油腻”。在这样的语境下，“35岁+”逐渐被贴上“就业困难人群”的标签：稍有不慎，就可能面临失业、收入下滑，甚至被优先优化。于是才会有人感叹：35岁之前跳槽是向上选择，35岁之后跳槽却往往是被迫自救。

这种焦虑并不是突然降临的。早在我们踏入职场的第一天，关于年龄的隐形倒计时就已经启动：22岁第一份工作没选好，被说前途尽毁；25岁没跳槽涨薪30%，被嫌“混日子”；30岁没带过团队，就被判定“缺乏领导力”；到了35岁还在基层，更是被直接宣判“没戏了”。这些职场毒鸡汤听多了，很多人真的开始怀疑自己。但如果我们冷静拆解，会发现“35岁现象”绝不只是个人不努力的问题，而是结构性因素叠加的结果。

从企业视角看，组织结构天然是金字塔型的，越往上位置越少。权威人力资源调研显示，35岁以上员工中，真正担任管理职务的比例大约只有25%到30%，而一个健康组织里的管理岗占比通常也不会超过30%。换句话说，大多数35岁以上的从业者，依然处在专业或技术岗位上。这本身并不异常，却极其残酷——管理岗位稀缺，能站到塔尖的注定只是少数。

问题在于，当一个人长期停留在金字塔中部，如果其工作内容高度可复制，而个人价值却没有持续增量，就很容易被视为“可替代”。很多人看似工作了十年，实际上只是把第一年的经验反复用了十年，能力曲线早已停滞。一旦公司经营承压，这类薪资不低、却难以创造新价值的员工，往往最先出现在裁员名单上。站在企业的商业逻辑里，这并非冷酷，而是理性选择：如果35岁的你和25岁的新人做着同样的事，却成本更高，公司凭什么不选后者？

另一方面，很多公司在员工职业发展上早已暗中分流。最典型的就是所谓P序列（专业路线）和M序列（管理路线）：要么不断向专家纵深发展，要么逐步转向管理岗位。在理想状态下，走专业路线的人，即便35岁不带团队，也能凭借稀缺技能获得与管理岗相当的回报。但现实是，在不少传统企业中，晋升通道单一，“升不上去”就等同于“到顶了”。35岁仍原地踏步，很容易被贴上“不够上进”或“能力不足”的标签，甚至遭遇隐形的“非升即走”。管理岗位稀缺叠加岗位价值天花板，共同放大了35岁的职场瓶颈。

如果把视角再拉远，从劳动力市场和用工文化层面看，“35岁焦虑”更显得意味深长。许多雇主对35岁以上求职者抱有刻板印象，认为他们精力下降、家庭负担重、健康风险高。于是招聘时干脆设一道年龄红线。HR圈子里流传的一句黑话是：“小于35岁是人力资源，大于35岁就是人力成本。”只要人口红利尚在，不少企业就倾向于持续“榨取青春”——用更年轻、更便宜、更听话的劳动力，替换高龄、高薪却被认为不够灵活的员工。当经济周期下行、岗位总量收缩时，“35+”自然最先感受到寒意。

所以，当有人说“人不会永远年轻，但永远有人年轻”，这并非情绪化的抱怨，而是现实写照。25岁干同样的活，老板看到的是潜力；35岁再干同样的活，老板只看到成本。问题从来不在年龄本身，而在于很多人到了35岁，依然停留在25岁的工作状态。

理解了这一点，破局的方向也就逐渐清晰了。与其恐惧年龄，不如系统性升级自我。

第一条路径，是在原有赛道上实现“35岁之后的升职与跃迁”。需要坦白的是，升职加薪从来不只是埋头苦干。在组织里，晋升本质上是一场关于资源、信任与价值交换的博弈。与其被动等待被发现，不如主动提升自己在组织内的议价能力。你需要学会占据更有利的位置。

首先是提升能见度，确保“灯光能打到你”。再漂亮的业绩，如果关键决策层看不见，也很难转化为机会。主动汇报阶段性成果，在跨部门会议中表达观点，让更多核心人物认识你、记住你，这是基本功。如果高层对你的印象只停留在“那个埋头干活却不太说话的人”，关键节点自然很难轮到你。

其次是经营关键关系。升迁几乎不可能脱离伯乐和盟友。你需要有意识地识别那些对你职业走向影响巨大的利益相关者——直接上级、关键岗位同事、以及跨部门的影响力人物。通过长期、稳定、利他的互动建立信任。当你需要支持时，有人愿意为你发声，这比单纯的业绩数据更有分量。把内部人脉当作职业资产来经营，并不功利，而是现实。

第三是卡位重要项目。每个组织都有高曝光、高战略价值的项目，它们是最快的“放大器”。主动争取参与这些项目，哪怕只是协作角色，也胜过在边缘业务里默默消耗。关键战役中的表现，会直接影响你在组织中的定位和未来筹码。

第二条路径，是专业精进，把自己打造成“不可替代”的资产。很多人担心经验老化，但真正会老化的不是经验，而是停留在碎片层面的经验。真正有价值的，是你是否能把经验沉淀为方法论，是否具备系统化解决问题的能力，是否能培养他人、复制成果。换句话说，当你离开一个岗位时，如果一切归零，那之前的积累只是一次性消耗；但如果你留下的是可复用的体系和能力，这些职业资产会跨越年龄，持续增值。

35岁焦虑的本质，是我们害怕自己的价值配不上不断上涨的年龄和薪水。解决办法只有一个：让自己的价值增长速度，跑赢时间。

第三条路径，则是换赛道，重启增长曲线。很多人在35岁前后，第一次认真思考“要不要换条路走”，这非常正常。行业迭代、职业倦怠、晋升天花板，都会在这个阶段集中出现。关键不在于盲目推倒重来，而在于做一次理性的职业资产盘点。

转型的本质不是从零开始，而是能力迁移。你需要问自己：有哪些能力是离开当前岗位也能带走的？它可能是一套可复用的方法论，一些在行业内有影响力的成果，或是跨场景通用的能力结构，比如系统思考、沟通谈判、快速学习。这些才是真正的“硬通货”。

尤其在当下，个人影响力的重要性正在上升，甚至在某种程度上超过传统人脉。持续经营专业声誉、打造垂直领域影响力，是回报率极高的长期投资。当你的名字本身就代表专业和可信度，你就拥有了真正的护城河。

与此同时，不必被年龄数字吓退。职场竞争力的核心从来不是年轻，而是持续迭代的能力结构和应变心态。通过副业试水、业余学习、渐进式转型，实现“软着陆”，往往比孤注一掷更稳妥。

回头看，“35岁危机”更像一次大浪淘沙。真正被淘汰的，从来不是年龄，而是停滞。35岁不是职场的终点，而是一个提醒：是时候重新评估自己的职业资产，确认你是在持续增值，还是被动贬值。正如那句话所说：年龄终将增长，但成长始终掌握在你自己手中。

过去一年里，我收到过不少咨询和私信。很多人来找我的时候，都会用相似的方式描述自己的处境：他们很累、很焦虑、很内耗，却始终说不清问题到底出在哪里。更多时候，他们的注意力并不在环境，而是在反复审视自己——是不是能力不够，是不是不够努力，是不是心理素质太差。

正是这些反复出现的对话，促使我写下这篇文章。因为在这些咨询中，我发现一个高度一致的共性：很多人并没有意识到，自己所处的并不是一个“正常但辛苦”的职场，而是一个已经出现结构性问题的环境。

这篇文章会系统拆解九个有毒职场最常见、也最容易被忽视的特征，帮助你判断自己所处的环境是否正在悄然消耗你。同时，在文章的最后，我也会讨论如果你确认自己身处这样的环境，可以如何应对———无论你是暂时无法离开，还是已经在为下一步做准备。

回到我自己的经历，我其实也走过同样的弯路。我的第一份工作里，毒性几乎是被“制造”出来的：老板用PUA式的管理方式不断改变标准、模糊目标、延迟确认，让人永远对不上答案。但当时的我没有足够的职场经验去识别这一点，我把几乎所有不适都理解成自己的问题，觉得是自己不够有战略思维、不够成熟、不够抗压，而不是去怀疑系统本身。

👉 本段为会员内容。只对有高级阅读权限会员开放。