这几年对这点的感触极深，因为公司自动化的项目越来越多。起初是一些小规模的项目，基本需要人工操作，慢慢地，今年起有更大规模的自动化项目启动了。提交完所有物料，技术部署完代码，之后几乎啥也不用管，系统自动运行。

做测试的时候，有的同事觉得这种项目省心，自己能够早下班。我的反应是：完了。

这部分大概占据平常工作的30%，测试结果如果不错，真的要实行这样的自动化项目，那必然会有一些富余劳动力，如果没有新的项目需要人力去做，这些职位的员工应该会越来越少。

虽然不太可能随便裁人，但这部分人员需求少了的情况下，最先发生的应该是不再有新人招进来，老员工自然流失，之后也不再招人补足这个空缺，慢慢人员就会减少到合理的情况。

而且细思极恐的是，这部分工作，是看起来不太容易随便被自动化取代的，结果还是发生了。

之前听过一次古典老师的分享，他讲到一个故事，大概是说一个妹子每天工作中有一大部分是重复劳动，一个程序员献殷勤写了个脚本几分钟就解决了，妹子很开心。

但对这个妹子而言，这件事背后的逻辑并不是那么值得开心：用程序几分钟就能解决的事情，以后还要你做什么？你有什么额外的价值是能够提供的？

今年大热的“人工智能”概念，貌似离我们日常生活还有点遥远，但用机器、系统、技术解决问题的这种思路，在悄然地改变着我们的生活。

科技为我们带来了便捷，在创造大量新的工作岗位的同时，也在重新洗牌，一些职业会被重新调整，需求量减少甚至不复存在。如果危言耸听一点，这或许又是新的一轮工业革命前夕，马车即将被蒸汽火车取代。

比如前两天锤子发布会中讯飞抢眼的表现，三四年前我使用的时候还没那么高的识别率，现在再看发现识别语气自动断句这些功能都已经非常出色了，这可能会抢一些速记员的饭碗。

再比如出纳，过去往来于公司和银行之间，以后企业和银行系统打通信息共享的话，这部分人员配置也会减少。

还有人们总喜欢拿来把人工和机器做比较的一个领域，机器翻译。一两年前的时候，别人找我帮忙翻译，我图省事就先把英文贴进去，得到中文之后再修改修改，速度比我自己翻快得多。

之后每隔一段时间就能看到机器翻译技术又有进步的新闻，每次都会有人调侃说一些翻译牛头不对马嘴，但如果你观察一下会发现，这类多是中译英，因为中文的语义结构本来就比较复杂。但是英译中的结果会准得多。

所以笔译的准入门槛也会变得越来越高，以前想简单混一混的翻译会发现越来越不好混，剩下的会是更精专的一些人，比如文学翻译。

甚至在医学领域，都开始有了一些变化，IBM的人工智能“沃森”可以输入一些疾病数据和症状，诊断出来的结果和医生诊断的都差不离，首次确诊罕见白血病，只用了10分钟。IBM的CEO认为，如果现在是数字时代，明天将会是认知时代，认知系统在各种形式的结构化数据之上，理解、推理和学习以发掘价值。

以前和人们抢饭碗的是同行，以后还多了个更强大的竞争对手，机器。

这些现象迫使我们不断思考以下几个问题：

我的核心竞争力是什么？

我现在的工作可替代性有多强？

有哪些是未来需要的能力？

很多人都曾分享过他们的答案，罗胖认为未来需要U盘型人才，自带信息，不装系统，随时插拔，自由协作。古典也提出过云盘人才，主动与平台合作，分享链接、引来流量、有一个勾引你点击的标题与目录。这些有一些共同点：

够专业：硬技能

会沟通协作：软技能

会讲故事：懂营销，能推销自己说服别人

整合：系统性、可复制思维

......

以上这么多，其实都离不开最重要的一点，学习力。会学习，能够保持一颗谦卑又好奇的心不断学习，找到并识别正确的适合自己的方法学习，从书上学习，从周围的人身上学习，从一切可以学习的地方学习。时刻都能保有把你扔进一个新领域，你能从头快速学起的能力。

如今机器都不断在升级，若还不还会学习进步，停留在原地，后面等着你的将是一片黑暗。