“可计算”到底在说什么，求职者该关心哪一层

消息提到，DeepMind创始人Demis Hassabis有一种观点：构建AI并与人类心智比较，是弄清人类心智中还有什么依然特殊的最佳方式；他还认为，人类大多数能力尽管我们并不确定自己如何做到，最终都将被证明是可计算的。

这是关于长期方向的判断，不是岗位清单，也没有时间表。对求职者来说，把它当成“明天哪些岗位消失”的预测没有用；更有用的落点是任务层：你每天做的事里，哪些环节更容易被清晰描述、被验证，哪些更依赖现场判断和责任承担。

怎么给自己做一次任务盘点：三个可自查的问题

拿一张纸，把最近一个月的工作拆成具体任务，而不是写岗位名称。然后对每条任务问三个问题。

第一，能否被清晰描述？ 如果一件事的输入、步骤、输出都能写成明确说明，它更容易被工具承接。比如按模板整理数据、按规则初筛信息。

第二，是否有可验证标准？ 有标准意味着结果好坏能被快速判断，这类任务也更容易被自动化。反过来，标准模糊、需要和多方反复确认的任务，短期内更依赖人。

第三，是否依赖现场判断与责任承担？ 需要临场权衡、面对客户情绪、为决策后果负责的部分，通常更难被完整替代。注意，这不是说这些任务“AI无法替代”，而是说它们目前更值得你积累可讲述的经历。

假设一个模拟场景：两位求职者都做运营。A把工作写成“负责社群”，B拆成“按话术回复常见问题”“处理突发投诉”“判断活动是否该延期”。B能看出前两项更易被工具承接，第三项更依赖现场判断，于是把学习重心放在活动判断和跨部门沟通上。这只是思考方法，不是实际工作记录。

盘点之后怎么用：学习方向与求职侧重的取舍

盘点结果要转成动作，而不是停在焦虑里。

对更依赖场景与责任的任务，积累能讲清楚的过程：你当时面对什么信息、做了哪些取舍、结果如何。用[实际记录]这类占位提醒自己，只写真正完成过的事。

对更易被工具承接的任务，提前了解相关工具能做什么、不能做什么，并补足相邻能力。读岗位描述时，别只看职位名称，要确认：这个岗位日常任务里，判断类和执行类各占多少？团队是否已有工具在承接部分流程？面试中也可以问，入职后哪些任务会被优先优化。

Hassabis的观点本身是长期判断，不是全行业结论。它给你的启发不是“赶紧转行”，而是把“我会不会被替代”换成“我手里哪些任务更值得继续投入”。

一个实际可做的小建议：本周挑一个工作日，用上面三个问题给当天任务各打一次分，标出最该积累和最该准备转向的各一项，再决定下一步学什么。