圍繞人工智慧有很多恐懼——一種恐懼是它會來搶走我們的工作，並在過程中掏空中產階級。我看到的卻是不同的。我不認為這是末日；我看到的是畢業。
人工智慧有望成為我們所見過的最偉大的經濟解放工具，但這只有在我們做出一個關鍵轉變的情況下才能實現。我們需要停止訓練人們成為機器中的齒輪，開始教育他們成為機器的設計師、導演和夥伴。這就是我們不僅僅是「拯救」中產階級，而是創造一個「新的」中產階級的方式。簡而言之人工智慧掌握了「如何」：人工智慧在「遵循指示」的任務上變得無法被擊敗。在過程和執行上與它競爭是一場失敗的戰鬥。人類擁有「為什麼」和「什麼」：
我們未來的價值不在於「做」任務，而在於決定「什麼」任務要做以及「為什麼」它重要。新的基本技能是批判性思維、戰略規劃、創造力和尋找新的問題來解決。
- 創業的轉變：這使我們從「低價值」的行政工作轉向高價值的「創造」。人工智慧降低了創業的門檻，使更多人能夠建立自己的價值，創造一個新的、更具韌性的中產階級。
- 「指令引擎」來了（而且不是你）讓我們明確一點：這種焦慮並非毫無根據。高盛的一份報告指出，人工智慧可能取代相當於三億個全職工作的崗位，可能自動化美國和歐洲四分之一的所有工作任務。我們在以「如何」為中心的角色中看到了這一點：客戶服務、簿記、行政工作，甚至數據分析。幾十年來，通往中產階級的道路很簡單：獲得學位，學習一套特定的「如何」技能（如何平衡賬本、如何撰寫法律簡報、如何管理數據庫），並以高能力遵循指示。人工智慧現在是終極的指令遵循者。它能比任何人更快、更便宜、更準確地處理「如何」。這就是為什麼我們看到一些人所稱的「消失的職業階梯」——曾經通往穩定職業的入門級、基於指示的工作正在消失。在它的主場與人工智慧競爭就像試圖超越一輛汽車。這就是恐慌開始的地方。但這也是機會開始的地方。人類升級：從「如何」轉向「為什麼」問題不在於技術；而在於我們過時的「工作」定義。我們混淆了「過程」與「價值」。人工智慧對「如何」的自動化是一份歷史性的禮物。它釋放了我們最有價值的資源——人類認知，讓我們專注於人工智慧無法做到的兩件事：『為什麼』和『什麼』。
- 「為什麼」：這是目的、倫理和願景。我們為什麼要這樣做？我們應該這樣做嗎？最終的目標是什麼？人類的影響又是什麼？「什麼」：這是策略、創造力和問題發現。
The "Instruction Engine" Is Here (And It's Not You)
Let's be clear: the anxiety isn't baseless. A Goldman Sachs report noted that AI could replace the equivalent of 300 million full-time jobs, potentially automating a quarter of all work tasks in the US and Europe. We're seeing this in roles centered on "how-to" instructions: customer service, bookkeeping, administrative work, and even data analysis.
For decades, the path to the middle class was simple: get a degree, learn a specific set of "how-to" skills (how to balance a ledger, how to write a legal brief, how to manage a database), and follow instructions with high competence.
AI is now the ultimate instruction-follower. It can process the "how" faster, cheaper, and more accurately than any human. This is why we're seeing what some call "The Vanishing Career Ladder"—the very entry-level, instruction-based jobs that once led to stable careers are disappearing. Trying to compete with AI on its home turf is like trying to outrun a car.
This is where the panic sets in. But it's also where the opportunity begins.
The Human Upgrade: Moving from "How" to "Why"
The problem isn't the technology; it's our outdated definition of "work." We've confused process with value.
AI's automation of the "how" is a historic gift. It frees up our most valuable resource—human cognition—to focus on the two things AI cannot do: the "Why" and the "What."
- The "Why": This is purpose, ethics, and vision. Why are we doing this? Should we do this? What is the ultimate goal, and what is the human impact?
- The "What": This is strategy, creativity, and problem-finding. What我們應該解決什麼新問題？什麼是我們獨特的角度？世界上還不知道需要什麼新產品或服務？在這個新時代中，最有價值的技能純粹是以人為中心的：
創造力、批判性思維、領導力和好奇心。正如一個專家小組所指出的，「教育的‘什麼’——資訊傳遞——已經自動化。教育的‘如何’和‘為什麼’——批判性思維、倫理推理、合作、創造力——現在是最重要的。」你未來的價值不在於知道答案（人工智慧有這個）。而在於你能夠
提出更好的問題。在於你能夠從人工智慧的輸出中運用你的批判性判斷來找到缺陷、機會或下一步。新中產階級：一支企業家的軍隊
那麼，這如何創造出一個新的中產階級？
當你將整個勞動力從「如何」中解放出來時，你不僅僅是得到失業的文員。你會得到一百萬個潛在的
企業家。舊的中產階級工作通常涉及大量低價值、行政繁重的任務——大衛·格雷伯著名地稱之為「廢物工作」。這些工作關注的是過程，而不是價值創造。當你專注於「為什麼」和「什麼」時，你就是一個企業家（或在大型公司內的內部企業家）。你專注於「發現未滿足的需求」和「想像新可能性」——這正是價值創造的定義。
這裡是最令人興奮的部分：
人工智慧大幅降低了創業的門檻。
在過去，創業需要你成為
一位專家或雇用一位專家，涉及十幾個不同的「如何做」領域：會計、市場研究、平面設計、編碼、法律合約。今天，人工智慧可以「充當平衡者」。擁有一個好點子的個人（「什麼」和「為什麼」）可以利用人工智慧來處理「如何」。人工智慧可以幫助起草商業計劃、進行市場研究、設計標誌，甚至編寫網站的代碼。新的中產階級不會是一個單一的薪資員工集團。它將是一個動態的網絡，包括：
小企業主。
專業顧問。
- 創意自由工作者。
- 利基服務提供者。
- 這些人利用人工智慧作為他們的「遵循指示」的員工，讓自己能夠做唯一只有人類能做的事情：
- 創造新價值。
我們的行動呼籲：重新設計教育以適應「為什麼」我們不能帶著工業時代的教育系統走進這個未來。我們需要一次根本性的重啟。
我們的學校仍然沉迷於舊模型：死記「如何」。我們必須停止訓練學生成為糟糕的人工智慧，開始訓練他們成為精英級的人類。
停止教導死記，開始教導探究：
我們需要從死記硬背學習轉向「探究式學習」，鼓勵學生「提出問題、探索問題，並通過調查尋找答案」。
- 將人工智慧視為夥伴，而不是自動販賣機：我們必須教導學生如何
- 使用人工智慧，而不僅僅是從中獲得答案。正如斯坦福的專家所警告的，許多人工智慧工具提供的「精緻、完成的輸出」會阻礙學習。真正的技能是使用人工智慧進行「頭腦風暴」、「澄清想法」或「獲取反饋」。目標不是獲得人工智慧的答案；而是利用人工智慧來改善你自己。將批判性思維作為核心課程：分析、質疑和驗證資訊的能力是21世紀最重要的技能。如果你無法對人工智慧的輸出進行批判性思考，你就會受到它的支配。這不僅僅關乎工作。這關乎我們的進化。人工智慧正在處理「如何」。是時候讓我們所有人都升級到「為什麼」和「什麼」。這是一個值得期待的未來。
- 你想討論我們如何在水星的產品開發中實施這些「以為什麼為先」的原則嗎？ The ability to analyze, question, and validate information is the single most important skill of the 21st century. If you can't think critically about an AI's output, you are at its mercy.
This isn't just about jobs. It's about our evolution. AI is handling the "how." It's time for all of us to graduate to the "why" and the "what." That is a future to be excited about.
Would you like to discuss how we're implementing these "why-first" principles in our own product development at Mercury?
