DOCTOR X CASE · AI 行业与职业选择
别再问“AI会不会替代我”
把一名交通设计工程师最头疼的“要不要转行”，改造成一个更专业、也更有用的问题：哪些任务正在变便宜，谁仍为结果负责，我能否用30天验证一个更难被同质化的位置？
陈工为合成人物，个人信息与场景细节均为演示设定，不对应真实客户。本页不输出个人失业概率，也不构成就业、投资、财务或法律建议。
01 / THE PERSON
一个足够具体的职业困局
不从“行业热门度”开始，而从人、任务时刻、最贵错误和可逆性开始。这样，建议才不会退化成“学AI、做复合人才”的空话。
12年
行业经验
长期参与道路设计说明、规范校核、跨专业协调和业主沟通。
6小时
每周可投入
有家庭和现金流约束，不能用裸辞和长期脱产换一个不确定方向。
3类
可迁移资产
规范理解、项目异常识别、把复杂技术问题讲给决策者听。
未证
岗位位移证据
案例没有“因AI裁员”的直接证据，只有行业承压和团队试用AI初稿。
02 / PROBLEM REDEFINITION
不是先给答案，而是先修问题
“AI会不会替代我”把职业当成一个整体，把潜在能力重叠当成已经发生的岗位位移，也跳过了需求、信任、责任和个人约束。
表层问题
“我会不会被AI替代？”
- 把职业当作不可拆分的整体
- 把任务暴露误当成个人失业概率
- 把转行当作唯一防守动作
- 默认“会用AI”就是差异化
可决策问题
“我现在值得把什么押上去？”
- 哪些具体任务与AI能力高度重叠
- 哪些客户任务仍有预算和责任压力
- 我的行业资产能否改变评价标准
- 什么小实验能在不辞职时验证
本案例的首个决定
保留现金流，不裸辞，不把重注押在通用AI岗位；先用一个已授权、可脱敏的项目，验证“设计复核与责任证据包”。
03 / EVIDENCE LAYERS
把行业承压、AI暴露、本地采用和岗位结果分开
四种信息承担不同作用，不能混成一个“职业风险分”。它们共同支持先做小实验，但不能推出陈工的个人失业概率。
- 行业需求：宏观投资和项目环境承压，会影响订单、价格和组织预算。
- 任务暴露：某些任务与生成式AI能力重叠，说明任务可能变化，不代表岗位已经消失。
- 本地采用：工具是否真正进入单位工作流，需要实际使用、资料授权和组织流程证据。
- 岗位结果：岗位减少、任务重组、角色升级或新增需求，需要劳动结果和组织行为进一步证明。
任务变便宜，不等于责任消失
把职业拆成具体任务后，才能同时看见能力重叠和责任壁垒。下表是待真实工作流校准的任务假设，不是职业排名。
| 任务 | AI能力重叠 | 仍需人工负责 |
|---|---|---|
| 会议纪要、报告初稿、材料归并 | 较高 | 事实核对、项目语境、敏感信息处理和最终采用 |
| 规范检索与条文初筛 | 较高 | 版本、原文定位、适用边界、冲突条文和责任表述 |
| 图纸—说明—清单一致性复核 | 中等 | 异常定义、漏项容忍、误报处置和人工复核点 |
| 现场边界判断、方案取舍、对外签发 | 责任壁垒 | 多方约束、工程后果、组织授权和可追责决策 |
04 / ASYMMETRY & DECISION
避开拥挤赛道，把行业经验变成证据资产
“更努力学通用AI”仍是在同一公开指标上竞争。陈工真正的非对称优势，是把规范、项目异常、跨文档矛盾、适用边界和签发责任组织成别人可以采用、复核的交付物。
REJECT
裸辞转通用AI产品
没有岗位反馈、作品证据和现金流缓冲，还会主动放弃12年的行业访问权。
BET
设计复核与责任证据包
面向项目经理，在提交前把来源、跨文档矛盾、异常和人工复核点一次讲清。
BOUNDARY
AI提速，人负责判断
AI可辅助归并和初筛，但不替代规范适用、工程判断、资料授权或最终签发。
05 / 30-DAY REVERSIBLE TRIAL
不离职，先做一个30天可逆验证
30天是本案例按月度项目节奏设定的工作假设，不是通用时间阈值。单位节奏不同，应使用真实交付周期。
第1-7天
冻结一个任务
选择一份已授权、可脱敏的旧项目材料，列出重复劳动、常见错漏和人工确认边界。
第8-14天
做出最小样例
只做来源追溯、跨文档一致性和异常队列，不追求自动完成整份设计。
第15-21天
进入真实复核
让项目经理在一次真实提交前使用，记录误报、漏报、复核时间和拒绝原因。
第22-30天
决定继续或换轨
若进入交付并出现第二次复用请求则继续；若只有礼貌称赞、无人给材料则停止重投。
什么才算真正有效
不是报告看起来专业，也不是获得一句“很有启发”。最低继续证据是：真实材料进入一次真实复核，并出现第二次复用或内部转介；同时检查误报、漏报、复核负担和数据边界。
06 / EVIDENCE & BOUNDARIES
证据能说什么，也要写清不能说什么
页面使用全球任务暴露、宏观投资环境和交通运输AI政策三类信号。它们共同支持“小实验”，但都不能推出个人失业概率。
本案例的公开边界
- 职业平均暴露不是一个人的失业概率
- 政策目标不等于某单位已经部署或形成新岗位
- 行业宏观数据不等于某家单位的订单、薪酬或裁员结果
- 建议是一条待验证假设，不是职业安全或商业成功承诺
- 不得上传未授权项目资料，也不得让模型替代最终工程判断
DOCTOR X · FROM ANXIETY TO EVIDENCE
好建议不是替用户押注未来，而是用更小代价获得更强证据。
本案例展示问题重定义、证据分层、路径门控和反馈闭环。它不保存真实个人资料，不提供失业概率，也不替代职业、财务或法律决策。