AI 越用越顺手,你的判断力还在线吗?BCG 点名五项最脆弱能力,附 15 分保留度自测

BCG 2026 年 6 月 17 日发布的全球调研访问了 70 位 C-suite 与高级管理者：一半受访者已在自己的组织里观察到技能退化，超过 60% 预期这个问题会在三到五年内构成实质威胁。 BCG 把这种现象命名为「分布式去技能化」（distributed de-skilling）：同一个团队、同一批工具、同一段时间，所有人的同一批能力一起变钝。

受访者点名的重灾区，正是他们认为对长期业绩最重要的五项能力：判断与决策、问题理解与定义、创造性思考、分析与因果推理、方案生成与评估。问题定义被评为对组织表现最关键的能力，判断与决策的去技能化风险得分在所有技能中最高。

同一份调研给出了反向清单：共情与倾听、动机与自我意识、好奇心与终身学习、韧性与灵活敏捷、领导力与社会影响力，目前相对耐用。WEF《未来就业报告 2025》的雇主调查把分析思维、韧性灵活敏捷、领导力与社会影响力、创造性思维、动机与自我意识列为前五核心技能，五项中的每一项都能在 BCG 的两份清单里找到对应。

招聘端与培养端出现了错位。PwC 对入门岗位的分析显示，AI 暴露度高的入门岗位更频繁地要求领导力、创造力、判断力这类传统上属于资深岗位的能力；BCG 的受访者则报告，AI 接手了研究、起草、调试这类过去由初级员工完成、并从中学会判断的工作。BCG 对这五项能力的结论是：它们只有在持续使用中才能存活。

01 判断决策风险分最高，问题定义被评为最关键：最值钱的两项能力站在退化前线

BCG 让受访高管用两把尺子给技能打分：对组织长期业绩有多重要，被 AI 去技能化的风险有多大。两把尺子的高分区高度重叠。下表把五项重叠能力、BCG 描述的退化机制和 BCG 案例里的训练抓手放在一起，后三项 BCG 未公布单项排名，按 BCG 行文顺序排列。

重要度最高与风险最高的两个位置，落在相邻的两项能力上。 BCG 把问题定义与判断决策称为战略思维的两个组成部分：定义正确的问题，做出正确的判断，两者同时暴露。对一位每天用 AI 起草方案、汇总材料的 3-6 年职场人，这条规律落在日常里：AI 给出的方案越完整，你越少有理由亲手把问题重新定义一遍。

BCG 的另一份清单排出了耐用的五项能力。WEF 的雇主调查给了它们外部坐标。

WEF 前五核心技能中，分析思维和创造性思维对应 BCG 的脆弱名单，韧性、领导力、动机与自我意识对应 BCG 的耐用名单。 雇主最看重的五项能力，同时站在 BCG 划出的两侧。BCG 还提出，耐用的五项能力能反过来保护脆弱的五项：共情维系辅导，领导力撑起辩论，自我意识推动质疑。WEF 报告里由 Indeed 完成的一项研究让 GPT-4o 评估自己对 2800 多项细分技能的替代能力，没有一项被评为极高替代能力，69% 属于极低或低，共情与倾听被评为无替代潜力。

第三个反直觉发现落在职业早期。BCG 受访者中 53% 提到初级人才培养变慢：研究、起草、调试、问题拆解被 AI 接手，初级员工失去了练习判断的重复次数。PwC 对美国 240 万个入门岗位的分析给出了需求侧的另一面：AI 暴露度高的入门岗位 7 倍更可能要求传统资深人本技能，这类「资深化」入门岗位的招聘量自 2019 年增长 35%，其余入门岗位下降 10%。BCG 访谈的一位领导者说，传统入门员工要去做五到十年经验员工的工作。入门岗位的门槛在抬高，用来达到门槛的练习次数在减少。

02 四源审计：技能在被重新定价，半数高管已看到退化，仅十分之一的企业有全组织对策

四份报告的口径各不相同，表中不对数字做加总。

技能退化的一手证据只有 BCG 一家，而且已经发生在组织内部。 一半受访高管看到了它，近 90% 提到团队接受 AI 输出时缺少压力测试，超过 50% 提到责任感下降，「AI 建议的」成了挡箭牌。BCG 追踪到的连锁路径是：不质疑 AI 输出，随后不再为输出负责，43% 的受访者提到建设性辩论减少，49% 提到思维多样性下降，53% 提到初级人才培养变慢。

需求侧的两份报告给出了方向与价格。WEF 的雇主预期 39% 的核心技能在 2030 年前变化，较 2023 年的 44% 回落，同期完成培训的劳动力比例从 41% 升到 50%。PwC 的招聘广告分析显示 AI 技能工资溢价升至 62%，这个溢价标在 AI 技能上，核心能力在 PwC 的数据里体现为岗位门槛的抬升，也就是前文的 7 倍。

McKinsey 补上了转岗这一端。约 1100 万美国工人到 2035 年需要转入全新职业，其中仅约七分之一有直达路径，可以在有限再培训、不降薪的条件下完成转换。McKinsey 把工人随身携带的技能称为通往新岗位的钥匙。培训量在上升，直达通道仍然稀缺，能带走的能力因此比能带走的头衔更重要。

BCG 研究中仅十分之一的企业有全组织层面的策略，说明多数组织还在观望。个人的保留动作，目前可以走在组织前面。

数据边界：70 位高管的感知，与纽约联储的反向证据

BCG 的样本是 70 位高管，另有约十几位企业领导者的访谈，属于高管对组织的观察与感知，没有直接测量技能水平。BCG 对脆弱与耐用的划分针对当前技术，原文用词是「目前相对耐用」。WEF 那项替代潜力评估由 GPT-4o 对自身能力打分。PwC 的数据来自招聘广告，反映雇主的需求描述。各行业、各岗位的退化程度差异很大，本文的参照系偏向知识密集型和决策密集型工作；个人的退化路径因人而异，BCG 给出的是组织层面的通用框架。

纽约联储 2026 年 5 月发表的一项岗位发布研究提供了反向口径：高 AI 暴露职业的招聘占比相对下降，但这一趋势早于 ChatGPT 发布，且这些职业里初级与高级岗位的需求大致同步变化，放缓并未集中在入门岗位。读者在引用「AI 打击初级岗位」的结论时，需要同时记住这条证据。

03 五项脆弱能力的退化机制与保留办法，另五项耐用能力负责守住它们

能力一：判断与决策。AI 给选项，裁决权留在你手里

退化信号。 重要决策里，AI 的第一个答案就是最终答案；决策之后没有复盘；出了问题，解释是「AI 建议的」。BCG 受访者提到的责任感下降，是这个信号在组织层面的放大。

为什么靠使用才能保留。 判断由一段完整循环训练出来：在信息不完整时做决定，观察结果，更新心智模型。AI 替你完成其中任何一环，循环就少转一圈。

训练办法。 高风险、不可逆、涉及价值取向的场景，设为 AI 禁飞区，由你独立形成判断再对照 AI。每次重要决策留一条记录：当时的判断、依据、预期结果。一个月后对照结果更新判断规则。

证据模板。 「在 [场景] 中，AI 给出 [数量] 个方案，我基于 [AI 未覆盖的约束] 选择了 [方案]，结果是 [数据]，复盘后我把判断规则调整为 [规则]。」

能力二：问题理解与定义。AI 解题，你负责定题

退化信号。 拿到任务直接粘给 AI，从没写过一句话版本的问题定义；对 AI 回答里隐含的前提没有察觉。

为什么靠使用才能保留。 BCG 评价问题定义位于一切环节的上游，定义错了，后面再快的分析和执行都在放大偏差。

训练办法。 调用 AI 之前，先写下一句话问题定义、三条隐含前提，并把问题重构一次。BCG 披露的做法可以直接借用：Shell 让初级员工先独立界定问题、检验假设、做出基线分析，之后才用 AI 精修；Amazon 的 PR/FAQ 倒推法要求在开发之前写出新闻稿与客户问答，逼出对愿景和约束的清晰表述。

证据模板。 「面对 [模糊任务]，我把问题从 [原定义] 重构为 [新定义]，识别出隐含前提 [前提]，方案方向因此由 [A] 改为 [B]。」

能力三：创造性思考。AI 组合已有材料，你负责找到值得做的新东西

退化信号。 初稿由 AI 生成，自己只做修改；创意会上拿出的想法，与同事用同一个工具得到的想法高度相似。BCG 受访者提到，所有人使用同样的工具、同样的数据，答案和格式趋同。

为什么靠使用才能保留。 AI 产出看上去可接受的想法很快，独立构思的动力因此下降，能力也随之萎缩。

训练办法。 建立固定的离线构思时段，先独立产出再对照 AI。每月做一次跨行业类比：把本行业的一个难题放进另一个行业的成熟解法里。BCG 披露的组织版本是定期的无 AI 学习日和无 AI 黑客松。

证据模板。 「在 [项目] 中，我在不使用 AI 的条件下提出了 [想法]，借用了 [另一行业的做法]，最终被采纳的部分是 [内容]，效果为 [数据]。」

能力四：分析与因果推理。AI 识别模式，你检验假设

退化信号。 直接采用 AI 的分析结论；报告里的因果链条自己说不清；团队评审时没有人追问底层逻辑。

为什么靠使用才能保留。 模式识别会制造分析严谨的错觉，假设检验和因果拆解不练，就会弱化。

训练办法。 每份 AI 分析，用自己的话重建一遍因果链，列出两个替代解释，再找一个可能推翻结论的数据点。BCG 披露的反向提示和对抗式红队可以直接用：让 AI 说出这个结论在哪些情况下会失败。

证据模板。 「AI 的分析认为 [结论]，我发现 [逻辑缺口]，补充 [验证方式] 后，结论由 [X] 调整为 [Y]，避免了 [损失或偏差]。」

能力五：方案生成与评估。AI 供应选项，你制定评价标准

退化信号。 采用 AI 给出的第一个方案；评价标准在看到方案之后才制定，标准随方案移动。

为什么靠使用才能保留。 BCG 将其与创造、分析并列为关联风险，三项靠同一类练习维持：自己生成多个方案，自己设定取舍标准。

训练办法。 先独立列出至少三个方案和评价标准，再让 AI 补充和反向论证。BCG 提到的「合奏」做法与此一致：人和 AI 各自独立处理同一问题，再合并结果。

证据模板。 「我先独立提出 [数量] 个方案并确定了 [评价标准]，AI 补充了 [内容]，最终方案选择 [方案]，依据是 [标准]，上线后 [数据]。」

另五项：耐用能力负责守住前五项

BCG 给耐用能力的定位是前五项的免疫系统。共情与倾听维系辅导关系，让判断力能够代际传递；领导力与社会影响力让多方辩论在 AI 趋同时仍然发生；动机与自我意识让人愿意质疑 AI 的输出。对国内大厂与外资企业的技术、业务骨干，可以对照检查三个高发场景：方案由 AI 起草后只做格式调整；代码由 AI 生成后不再手动推演逻辑；评审材料由 AI 汇总后直接转发。出现任何一个，对应的就是能力一、能力四和能力二的退化信号。

04 19 项技能的投入分层：哪些继续加预算，哪些只留手动底线

分层由 YWC 依据上述来源做投入排序，随技术前沿调整。

弃修区的含义是不再为这些技能单独追加培训预算。BCG 的发现值得放在旁边读：初级员工从研究、起草、调试里学会判断，一个人不先动手做，就长不出分辨力。弃修区每一项都配一条手动底线：先自己做出基线版本，再让 AI 精修。 WEF 的数据显示编程需求总体稳定，弃修的是只会生成和调试的单项技能，编程能力本身仍然有价值。

05 十五分自测：你的五项关键能力，在护城河区还是退化区

每个维度 1 到 3 分，满分 15 分。自测题由 YWC 依据 BCG 的五项能力定义设计，用于每季度自我盘点，BCG 并未发布对应的测量工具。

06 四个动作把能力保留写进日程、流程和履历

动作一：建立「无 AI 深度思考时段」。 每天预留 60 到 90 分钟，关闭 AI 工具，完成一个复杂问题从定义、分析、决策到复盘的全链路，把产出存入你的证据库。BCG 披露的组织版本可以作参照：印度一家大型银行在每月第一个周五，让所有业务和支持职能开展无 AI 的案例讨论、设计思维练习和团队复盘；美国一家 B2B 电信公司每年举办三天无 AI 黑客松，团队要做出可执行的概念验证。个人版把频率提高到每天。

动作二：部署「能力保留度仪表盘」。 每季度用第 05 节自测打一次分，记录五项得分，同时记两个预警数字：这一季度有几次直接采用了 AI 结论而没有追问推理，有几次先独立判断再看 AI。BCG 提醒，培训认证率上升时，实际能力未必同步上升，所以只练 AI 工具的进度条无法代替这张表。BCG 披露的复盘问题可以每天收工前问自己：今天哪一步推理由我自己完成。

动作三：设计「人机协作分工 SOP」。 针对核心工作任务，写明 AI 做什么、人做什么、交接点如何验证、风险边界在哪里。BCG 把工作分配的核心问题定为：哪些任务交给 AI，哪些任务留给人，哪些任务采用人和 AI 各自独立处理再合并的合奏方式。下面是一个可直接套用的模板和一个填好的示例。

动作四：争取「关键能力实战名额」。 主动申请高风险决策、模糊问题定义、跨域创新类任务。BCG 认为，一个组织里最关键的决策所对应的工作序列，要由人主导，因为这些序列正是判断力的训练场。每完成一次，用第 03 节的证据模板写一条记录，积累到五条以上，进入述职、晋升材料与面试故事。BCG 还建议绩效体系让「怎么得出结论」和「结论是什么」同样可见，你可以在材料里主动写出过程。

BCG 的调查里，半数高管已看到技能退化，六成以上预期三到五年内酿成实质威胁；PwC 的入门岗数据里，AI 暴露度高的岗位要求资深人本技能的概率高出 7 倍。最贵的成本藏在两条曲线的交叉处：岗位要求的判断力在上升，练习判断力的机会在减少。

AI 接手任务的速度由工具决定，核心能力保留的速度由你决定。

如果你是大学生或者工作经验在2年以下

推荐关注⬇️yourwaycareer

如果你的工作经验在2年以上

推荐关注⬇️yourwaycareer社招

不经过专业的求职训练，如何拿到Dream Offer

报名VIP项目，扫描下方二维码
联系YWC团队免费咨询