11 月 9 日，乌镇世界互联网大会上，DeepSeek 资深研究员陈德里表示，AI 将在 10 至 20 年内取代「绝大部分人类工作」，并给出三阶段演进路径，强调该预测「并非危言耸听」。
预言 AI 将在未来 10 至 20 年大规模替代人类，并非 DeepSeek 一家之言。
IMF、麦肯锡、OpenAI 等组织都曾做出类似预测。用 Google 搜索 AI 替代人类，甚至能找到一份媒体报告，总结了近 60 个组织的相关预测 [1]。
只是考虑到 DeepSeek 几乎不需要融资，所以没有主观夸大动机。看上去最客观中立的公司似乎也已经认定这个趋势不可避免。所以这似乎是最值得重视的预言。
这就带来一个很现实的问题：作为打工人都会思考，什么样的工作不容易被 AI 取代？
关于这个命题有很多说法，包括从事更需创造性、或更需与人打交道的工作。但这些说法似乎总难令人完全信服。
在 AI 产品开发过程中我参与了许多上下文工程相关的工作，一个新视角浮现：如果 AI 的有效应用依赖人类构建特定上下文环境，那么不便构造上下文的工作，是否就难以被替代？
下面让我来详细解释一下这个逻辑。
人类工作需要充分信息，同一个人在信息充足和不充足情况下，能够做出的判断完全不一样。
对于 AI 来说也是一样。构建上下文工程对于 AI 应用能否真正落地至关重要。
上下文工程本质是让模型知道更多信息，从而激发它对应这个环境正确的解题参数，达到提高正确率目的。
然而，上下文越长，模型越易失焦。
以 AI 编程的 Benchmark 排行为例，不难发现一个特点：AI 在竞赛编程上的能力轻易超越人类，但在实际工程环境中，短期内难超人类。
竞赛题如同真空环境下的封闭问题，AI 与人类都从有限上下文中获取信息，且目标明确，极适合 AI 解决。
反观工程问题，AI 能处理的上下文有限，且难以甄别现实中的垃圾文档与「屎山代码」。这种混乱的上下文对人类已然棘手，对当前 AI 更是如此。
即便有丰富工具与上下文工程，梳理和修改「屎山」仍高度依赖人类程序员。
也就是说虽然竞赛题理论上比工程题对于聪明才智要求更高，但对于 AI 来说，因为制造一个适合它发挥才智的上下文环境更困难，所以 AI 取代工程师的难度会比所有人预期都要大一些。
这其实是一个有点反直觉的结论，但这个结论在其他领域也有明显的表征。
机器人跑步还不是很利索，自动驾驶也实现很糟糕，但围棋里面把人类框框乱杀，就会发现人工智能一直都有这种特征：适合解决封闭环境的超级难题，但对于在开放世界里面跑步、驾驶这件事情就是非常不擅长。
因此，判断工作是否易被 AI 取代，核心标准并非工作门槛高低，而是其上下文环境对 AI 而言是否足够复杂，感知难度是否足够大。
我自己过去两年的 AI 自动化实践也验证了这点：给 AI 充分信息，让其自主决策，效果通常不错。
反之，若无法将现实数据数字化，或在恰当环节提供所需上下文，项目往往失败。
这就引出本文标题：怎么找到一个 AI 很难取代的工作呢？确保自己工作环境上下文是足够复杂。所以这就是对所谓「上下文工程的逆练」。
如何理解「逆练」？既然让 AI 解决问题的方法是提供足量信息，那么在一个信息流动奇特、难以标准化的环境中工作，是否就能确保短期内不被取代？
例如，客服人员极易被 AI 取代。其工作环境足够简单，一个商家端聊天界面外加问题手册，上下文环境极其清晰。实际上就在一个月之前就我亲眼看到一个这样的系统化方案。
这个方案尚不成熟，对于没有标准化培训流程、上下文未经整理的小团队，接入成本高，ROI 不足。
初阶律师或许也是高危岗位。律师行业工作规范程度高，案件所有信息常集中于几本卷宗，而国家法律本身是公开文件。
因此，尽管初阶律师与客服在传统认知中技能差异巨大，但在 AI 面前，其工作门槛可能同样低。
但是软件工程师则不一定。尽管大部分软件工程师会被揶揄为增删改查工程师，但大部分软件工程师，尤其是工作比较久那些，都精通于如何分析一堆屎山。
这种活可能很脏很累很辛苦，甚至技术含量不够高，但恰恰是 AI 无法取代。
这便是本文的核心价值之一：从「上下文复杂度」这一新角度，判断哪些工作更安全。
之前的许多论调过于粗暴，认为 AI 将包揽写代码、写诗等所有智力工作，人类只能去扫地搬砖。
真正的判断关键在于：所从事工作需要的上下文是复杂还是简单？获取上下文是困难还是标准化？上下文获取越简单、内容越清晰，被取代的可能性就越高。
用此视角判断，能更准确预测职业生命周期，避免误判。
有了这套准则，面对 AI 浪潮，我们能做什么呢？
思路一：成为新时代的卢德主义者
一种粗暴做法是：联合工友，刻意把工作环境搞成只有人类才懂的「屎山」。
这其实是一个切实可行路子，因为以很多人水平，只要他们在认真工作，屎山自然而然就成，甚至都不会引起大家注意。
只不过这种做法通常是没有什么用，因为这个做法和历史上卢德主义者们并无区别。
19 世纪初，随着动力织布机等新机器引入，大量依靠传统手工技艺为生的纺织工人发现自己生计受到毁灭性打击。
于是纺织工人们做法就是选择把机器砸，这群通过砸机器来维护自己权益的人，被称为卢德主义者。
现代人都知道卢德主义者努力是失败，但大家可能对具体数字没有什么概念。
在工业革命前夕，纺织业吸纳大量劳动力，尤其对于贫困家庭而言至关重要。当时英国有 18 万名纺织工人，但其中大概有 60% 是儿童和女性。
在随后几十年里，机器纺纱普及几乎完全摧毁这个行业，导致大规模、长时期技术性失业，尤其是对女性而言。新生工厂纺织业所创造就业岗位，远不足以弥补失去工作。
1806 年时，纺织工周平均工资是 240 便士，到 1835 年，他们周平均工资约为 60 便士[2]。
可见，被动抵抗的结果，大概率不理想。
思路二：从事 AI 难以胜任的工作
主动出击的做法，是转向那些 AI 难做的工作。
比如面对面大客户销售岗位就很难被 AI 取代，因为销售上下文环境十分复杂，甚至存在很多无法成文潜规则。
如果是程序员，可以考虑转产品经理，毕竟大部分产品经理工作是落实老板不切实际战略，替老板挨骂。
总而言之就是尽量去做一些非标准化，或者标准化成本高于自动化收益工作。就好像上面提到人工智能客服例子，如果为 AI 去整理知识库成本高于雇佣几个人类，那么这几个人类工作就很难被 AI 取代。
当然他们工资也很难比 AI 电费高出来太多。
但相信随着上下文工程构建越发完善，这类工作数量只会越来越少，并且并不是每个人都适合去做销售。
思路三：与 AI 共舞，成为跑得最快的人
有一些普遍观点认为 AI 不会淘汰人，只是会让人更加强大，这种观点和思路三是一脉相承。
这个概念听起来充满希望，似乎描绘一个人类与 AI 和谐共处、互相赋能美好未来。
但实际上这只会导致人类内部内卷。
美国国家经济研究局论文《AI and the Extended Workday: Productivity, Contracting Efficiency, and Distribution of Rents》显示大量使用 AI 带来效果，非但没有减轻工作负担，反而显著推高职场准入门槛和工作标准 [3]。
在这种环境下，「成长型心智」——那种拥抱学习、乐于适应心态——恰恰成为系统进行更深度压榨完美借口。
当人人都拥有 AI 这个强大「外挂」，若未能达到更高绩效，指责便会落到个体头上：「是你没和 AI 进行足够多次对话」，或「你没充分利用 AI 提升自己」。
这种说法，巧妙地将 AI 带来的结构性、社会性、经济性冲击，简化为纯粹的个体心态问题。
它暗示，只要拥抱变化，就能立于不败之地。
然而，正如前文在描述卢德主义者困境时所论述，结构性失业的根源在于技术对生产力体系的根本性重塑，而非个体意愿。
将责任完全归咎于个体心智，无异于指责工业革命中失业的手工业者『不够努力』。
这更像一种意识形态构建，旨在合理化技术变革带来的不平等，将社会责任转化为个人责任。
更值得关注的是，自动化带来大部分收益都会归资本所有而非劳动回报。
美国国家经济研究局有一篇 2017 年就发表、被无数人引用的论文《Artificial Intelligence and the Future of Income Distribution》就指出，AI 替代带来收益主要是资本所得，被 AI 替代劳动者几乎是纯粹受害者 [4]。
简单说，好处平台拿，锅劳动者背。这显然是双重标准。
思路四：关注分配问题
所以，尽管本文在讨论如何避免被 AI 替代，但从根本上看，个体努力避免被替代，或许并无必要。
从效率角度看，AI 替代人类几乎是必然的，任何个体层面的抵抗都可能是徒劳。但问题在于，AI 创造的生产力是人类的好多倍，为何要纠结于失业？难道不该欢庆跑步进入共产主义吗？
这就引出了思路四：关注分配问题。
英国卫报在 2023 年发表一篇文章《AI is coming for our jobs! Could universal basic income be the solution?》。
文章探讨一个问题：如果 AI 要取代大部分人赖以生存工作，全民基本收入这项被呼唤很多年制度是不是应该被提上日程 [5]。
考虑到 AI 技术让生产力可以极大发展，这几乎已经成为共识。如果分配制度是合理，那么大家该纠结的就不是失业问题，而是活着干点啥问题。
反过来说如果在生产力已经如此发达的情况下，关注的是普通人如何不被 AI 取代，这种思路毫无疑问是扬汤止沸，不解决根本问题。
根本问题在于生产力如此发达，自动化水平已经如此高之后，多出来的这部分收益如何分配的问题。
写到这里，该写的基本上都写了。再写下去这篇文章怕是发不出来，就此搁笔吧。
参考文献
[1] 60+ Stats On AI Replacing Jobs (2025)
https://explodingtopics.com/blog/ai-replacing-jobs
[2] What happens to the weavers? Lessons for AI from the Industrial Revolution
[3] AI and the Extended Workday: Productivity, Contracting Efficiency, and Distribution of Rents
https://www.nber.org/papers/w33536
[4] Artificial Intelligence and the Future of Income Distribution
[5] AI is coming for our jobs! Could universal basic income be the solution?
精选评论