AI流利度需求两年暴涨7倍。多数人把这条数据当作"技能升级"的信号，但它实际上指向另一个方向：组织中"定义问题"的权力，正在被重新分配。会问AI的人和不会问AI的人之间，正在形成一条隐形的阶层分界线。

⸻

NO° 017倍：一个被低估的数字

关键词：AI流利度 · 技能变化指数 · 需求暴涨

2025年11月，麦肯锡全球研究院（MGI）发布了一份报告：《Agents, Robots, and Us: Skill Partnerships in the Age of AI》，全文60页。

报告里有个数据，多数人滑过去了：

AI流利度（AI Fluency）需求，两年内涨了7倍。

7倍意味着什么？同期的云计算需求增长大约2倍，数据科学大约3倍。AI流利度的增速几乎是其他技术技能的两到三倍。

麦肯锡用了一个工具来量化这种变化——

技能变化指数（Skill Change Index, SCI）。SCI衡量的是每种技能在AI时代的"暴露程度"，暴露越高，说明变化越剧烈。

AI流利度的SCI得分远超其他技能，这不是缓慢渗透，是结构性的位移。

但多数人对"AI流利度"的理解还停留在"会用ChatGPT"。

麦肯锡的定义分四个层次：

• 知道AI能做什么、不能做什么

• 能把AI嵌入日常工作流完成任务

• 能审核、修正AI的产出

• 能对AI的输出做批判性判断——是否可靠、是否适用、有没有偏差

前三个是"使用"，第四个是"判断"。

拉开差距的从来不是使用能力，是判断能力。

AI流利度的需求增速远超其他技术技能 | 图源：Pexels

⸻

NO° 02从"数字鸿沟"到"AI鸿沟"

关键词：数字鸿沟 · AI鸿沟 · 权力结构

20年前，社会学家Pippa Norris提出"数字鸿沟"（Digital Divide），说能上网和不能上网的人之间会出现社会分层。后来这个概念被反复验证——互联网的确重塑了就业、教育和信息获取的格局。

现在，一条新的分界线正在形成。

AI鸿沟（AI Divide）。

2024年UNESCO发了份全球警告：AI素养差距正在取代传统的数字素养差距，成为新的不平等源头。ILO和联合国联合发布的《Mind the AI Divide》进一步指出，AI的采用极不均衡，正在加剧国家之间、行业之间、人群之间的分化。

这些报告的叙事框架都是"技能差距"。但我觉得问题的核心不在这里。

真正的问题不是"会不会用AI"，是"谁拥有了提问的权力"。

传统组织中，权力结构很清楚：管理者定义问题，执行者解决问题。AI没有改变这个结构，它只是把"定义问题"这个动作的门槛拉到了一个前所未有的高度。

当一个团队里有人能用AI快速跑出十个方案、三份数据分析、五种策略推演，讨论的起点就不再是"问题是什么"，而是"AI给的那几个方案哪个更好"。那个不会用AI的人，连参与讨论的门票都没拿到。

这不是技术鸿沟。这是权力鸿沟。

从数字鸿沟到AI鸿沟，一条隐形的权力分界线正在组织中形成 | 图源：Pexels

⸻

NO° 03"提问权"：一种新的权力货币

关键词：提问权 · 意图表达 · 权力货币

我给它取了个名字：

提问权（The Right to Prompt）。

意思是，在AI驱动的组织里，"定义和提出问题"的能力正在变成一种新的权力货币。

过去组织里的权力来源大致三种：信息不对称（我知道你不知道的）、资源控制（我握着你需要的）、决策位置（我在关键节点上）。

AI正在瓦解前两种。信息不再稀缺，AI几秒就能生成一份像样的行业分析。资源不再排他，开源工具把技术门槛压到了历史低点。

但第三种——决策位置——正在被重新定价。

在AI时代，进入决策位置的门票不再是经验或资历，而是"你能不能提出好问题"。

PwC 2025年全球AI就业晴雨表（AI Jobs Barometer）给了很硬的数字：

具备AI技能的劳动者，薪酬溢价达到56%，是前一年的两倍。AI相关岗位增长38%，即使是在最容易自动化的岗位类别里也照样涨。

LinkedIn的2025年职场学习报告更直白：

AI Literacy排在全球最紧缺技能第一位。

Coursera那边，生成式AI课程注册量同比增长195%，总注册人数超过800万。

这些数据画的是同一张图：提问能力正在被市场定价。

PwC数据显示，具备AI技能的劳动者薪酬溢价达到56% | 图源：Pexels

⸻

NO° 04四个层次，两条路线

关键词：使用层 · 判断层 · 路线分叉

回到麦肯锡的四层AI流利度模型。看起来是递进关系，实际上拆开看是两条能力路线。

路线A，"使用路线"

理解边界、使用工具、管理输出。本质是效率导向，目标是更快更好地完成已有任务。走这条路线的人，AI是加速器，但他自己还是执行者。

路线B，"判断路线"

对AI的决策做批判性判断。本质是权力导向，目标是决定方向、评估风险、做出取舍。走这条路线的人，AI是决策支持系统，他自己是决策者。

区别不在于谁更懂技术，在于

谁在定义工作的框架。

举个例子。市场团队要做竞品分析。

走路线A的人会这样干：用AI搜竞品信息、生成对比表格、写一份总结报告。效率不低，但他工作的框架——"什么是竞品""对比哪些维度""用什么标准"——是别人定好的。

走路线B的人会先定框架：哪些竞品纳入分析，对比什么维度，判断标准是什么。然后用AI填充数据，最后回头审视：AI的分析有没有漏掉关键变量？数据源有没有偏差？结论在什么条件下才成立，什么条件下会崩？

前者交付的是一份报告。后者交付的是一个判断。

报告不值钱，判断值钱。

⸻

NO° 05谁在"被提问"，谁在"被回答"

关键词：组织权力 · 决策结构 · 身份重构

把视角拉到组织层面，AI流利度的分布不均正在重写内部的权力结构。

一个很常见的场景：

产品团队开会讨论新功能方向。会用AI的产品经理，会前已经用AI跑了用户反馈分析、竞品功能对比、三种方案的ROI预测。走进会议室的时候，手上有数据、有推演、有自己的判断。

不会用AI的产品经理走进同一个会议室，手上是经验和直觉。

这不叫"经验 vs 数据"的讨论。这叫有弹药和没弹药的不对称。

前者定了讨论的框架，后者只能在框架内接招。

PwC的报告里还有一个反直觉的数字：

在受AI影响最大的岗位上，就业量反而涨了38%。AI不是在消灭岗位，是在重新筛选这些岗位上的"适者"。

适者是谁？是那些能借AI扩展自己能力边界的人。

这带出一个更深的问题：

当"会提问"变成核心竞争力，管理者的身份认同就得重写。

管理者传统的权威靠三样东西撑着：经验（这事我做过）、信息（这事我知道）、位置（这事我来拍板）。AI同时稀释了这三样——比你做过的案例分析更多，比你掌握的信息更全面，比你出方案的速度更快。

管理者凭什么叫别人听自己的？

答案只剩一个：批判性判断力。

AI能给出十个方案，但哪个方案适合这个团队当下的节奏？哪个方案考虑到了办公室里那几个微妙的人际关系？哪个方案的风险被漂亮的数据包装了？

这些判断AI做不了。而这些判断，是管理者在新环境下仅存的权力地基。

管理者的权威基础正在从"经验+信息"转向"批判性判断力" | 图源：Pexels

⸻

NO° 06跨越鸿沟

关键词：判断力训练 · 思维方式 · 组织责任

写这篇文章不是为了制造焦虑。相反，我想说清楚一件事：跨越AI鸿沟，不需要你变成程序员。

麦肯锡的报告里有一句话值得注意：70%的现有技能在未来仍然适用。AI流利度的核心不是技术能力，是判断能力。

具体说，我觉得有三个方向值得琢磨。

第一，从"找答案"转向"提问题"

什么信息是有价值的？什么分析框架适合当下的情境？哪些假设需要验证？这些问题比答案重要得多，因为AI可以给你答案，但它不会替你想该问什么。

第二，从"信任直觉"转向"验证输出"

AI给出的结论往往看起来自信、完整、逻辑自洽。但这种自信有时候是幻觉。你需要养成一套验证习惯：AI用的数据来源是什么？有没有遗漏的关键变量？结论在什么条件下才成立，什么条件下会崩？

第三，从"独自完成"转向"人机协作"

心态上最重要的一步：别把AI当工具，把它当一个能力很强但缺乏判断力的同事。你的价值不在自己做了多少事，在怎么引导这个"同事"的输出，然后拍板。

麦肯锡把这种人叫"编排者"（Orchestrator）。

我更喜欢另一个说法：

提问者（The One Who Asks）。

未来的核心能力不是"执行"，而是"提问"——像指挥家一样编排人机协作 | 图源：Pexels

⸻

AI流利度需求暴涨7倍，值得留意的不是"技能需求在增长"——这本来就在意料之中。

值得留意的是这条增长曲线的背面：组织中"定义问题"的权力正在换手。

会问AI的人进了一个新的权力位置。不会问AI的人退出了一个正在成型的权力结构。

AI素养教育不该只面向技术岗。它应该成为所有岗位的底层能力，就像20年前的电脑培训、10年前的智能手机普及一样。

但眼下每个人都有一个问题要先回答：

在AI面前，你是一个提问者，还是一个回答者？

⸻

参考来源

本文引用的数据均来自以下公开报告和官方来源，读者可直接访问链接核实：

1. McKinsey Global Institute, "Agents, Robots, and Us: Skill Partnerships in the Age of AI", November 2025https://www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai

2. PwC, "2025 Global AI Jobs Barometer", June 2025https://www.pwc.com/gx/en/news-room/press-releases/2025/ai-linked-to-a-fourfold-increase-in-productivity-growth.html

3. LinkedIn, "2025 Workplace Learning Report"https://learning.linkedin.com/resources/workplace-learning-report

4. Coursera, "2025 Global Skills Report", June 2025https://blog.coursera.org/presenting-courseras-2025-global-skills-report-the-skills-trends-shaping-the-future-of-education-and-employment/

5. UNESCO, "AI Literacy and the New Digital Divide: A Global Call to Action", August 2024https://www.unesco.org/en/articles/ai-literacy-and-new-digital-divide-global-call-action

6. ILO / United Nations, "Mind the AI Divide: Shaping a Global Perspective on the Future of Work", August 2024https://www.ilo.org/publications/mind-ai-divide

7. Pippa Norris, "Digital Divide: Civic Engagement, Information Poverty, and the Internet Worldwide", Cambridge University Press, 2001

⸻

欢迎关注「AI未来反思录」，获取更多AI行业深度分析与人文视角观察。

加入读者群，与企业管理者、科技从业者一起深度讨论AI时代的组织与人的未来。