怎样在AI时代避免就业即失业

我的概括

Yo,我是逸凡学长。跟你们坦白一下我的背景吧——我本科读的是材料化学,对,就是那个传说中”毕业即失业”的天坑专业之一。

这里更重要的是:Yo,我是逸凡我。 我会把这一点理解为,跟我坦白一下我的背景吧——我本科读的是材料化学,对,就是那个传说中”毕业即失业”的天坑专业之一。

我能想象吗?

我的判断是:因此今天这份材料,我不打算给我灌什么”保持学习”、“拥抱变化”的心灵鸡汤。

若我也是非CS背景,若我也担心”毕业即失业”,这份材料可能会对你有用。

先说一个可能会让你舒服一点的结论

这里更重要的是:根据2025年世界经济论坛的《未来就业报告》,真正容易被AI取代的,不是体力劳动者,而是那些”高重复、规则明确”的脑力工作。

落到执行上:比如说:

  • 我的判断是:数据录入员、行政秘书
  • 我会先把握这一点:简单的客服和销售
  • 这里更重要的是:基础的内容制作(写稿、做图、剪辑)
  • 落到执行上:初级的程序开发和测试
    我的判断是:听到这些是不是更慌了?

我会先把握这一点:但别急,我再给我看另一组数据:AI时代的”香饽饽”是什么?

  • 这里更重要的是:AI和机器学习专家
  • 落到执行上:数据分析师
  • 我的判断是:智能系统相关工程师
  • 我会先把握这一点:创意策划、战略规划
  • 这里更重要的是:应当高度人际互动的服务类工作
    落到执行上:发现了吗? 从执行角度看,那些应当创造力、判断力、人际协作的工作,反而在增长。

我的判断是:而且更讽刺的是:很多高学历的脑力工作者反而比体力劳动者更容易被AI部分取代。

逸凡学长是怎么从”天坑专业”转型到AI的?

我会先把握这一点:说了这么多宏观的,我肯定想问:我你到底是怎么转过来的?

我走了不少弯路。

坑一:一上来就想学”硬核技术”

落到执行上:刚决定学AI的时候,我犯了一个很多非科班同学都会犯的错误:直接去买机器学习课程,从高数、线代、概率论开始啃。

我的判断是:结果呢? 从执行角度看,那段时间真的特别焦虑,觉得自己是不是不适合这条赛道。

我会先把握这一点:后来我才明白:非CS背景的同学,最大的优势不是”技术底子”,而是”领域知识”。

我学了四年的材料化学,我对这个领域的业务流程、数据特点、实际痛点,比那些纯CS背景的人理解得更深。

坑二:盲目追求”全都要”

落到执行上:有一段时间,我与此同时也在学Python、机器学习、深度学习、NLP、计算机视觉…每天忙得跟陀螺一样,但哪个方向都没学透。

我的判断是:后来一个前辈点醒了我:“什么都想学,等于什么都没学。

我会先把握这一点:AI太大了,没有人能什么都懂。

这里更重要的是:对于我来说,这个切入点就是“AI+材料科学”——用AI做材料性质预测、实验数据优化、文献综述自动化…这些方向不应当我从头学编程到CS水平,只应当我能用AI工具解决实际问题。

非CS背景的AI学习路径(血泪教训版)

落到执行上:好了,说完坑,现在给我说说我认为真正有效的学习路径。

第一步:先学会”用”AI,别急着”造”AI

我知道很多同学一听到”学AI”,脑子里就浮现出那些复杂的公式和代码。 我会把这一点理解为,但我的我的建议是:先学会用AI,再考虑怎么造AI。

我会先把握这一点:具体来说:

这里更重要的是:1. 把大模型当成你的”超级助理”

落到执行上:每天用ChatGPT、DeepSeek、豆包…任何一个大模型工具,解决你学习中遇到的问题。 不应当付费,免费的已经够用。

我的判断是:怎么用?

关键不是”问什么”,而是培养你和AI协作的直觉。

这里更重要的是:2. 学一个”够用”的Python

落到执行上:注意我的措辞——“够用”,不是”精通”。

我的判断是:作为一个非CS背景的人,你不应当把Python学到CS毕业生的水平。 你只应当:

  • 我会先把握这一点:基础语法(一天就能过一遍)
  • 这里更重要的是:能读写文件、处理数据(pandas、numpy)
  • 落到执行上:能调用API
  • 我的判断是:能写简单的自动化脚本
    我会先把握这一点:这些东西认真学的话,两到三个月足够了。

这里更重要的是:3. 做一个小项目

落到执行上:光学不练是假把式。

我的判断是:什么项目都能够:

  • 我会先把握这一点:写一个自动整理文献的小工具
  • 这里更重要的是:做一个帮你写周报的程序
  • 落到执行上:搭一个你专业领域的问答机器人
    关键是让项目有实际用途。

第二步:找到你的”AI+“定位

我会先把握这一点:这是最关键的一步。

这里更重要的是:作为非CS背景的同学,你最大的优势不是编程能力,而是你对某个领域的深刻理解。

落到执行上:因此我我会优先考虑认真思考这个问题:你的专业 + AI = ?

我的判断是:举个例子:

  • 我会先把握这一点:你是学法律的 → AI + 法律:法律检索、合同审查、案例分析
  • 这里更重要的是:你是学医学的 → AI + 医疗:辅助诊断、医学影像分析、健康管理
  • 落到执行上:你是学教育的 → AI + 教育:个性化学习推荐、智能批改、教学辅助
  • 我的判断是:你是学材料的(对就是我) → AI + 材料:性质预测、实验优化、文献综述
    我会先把握这一点:AI+你的专业,这个”+“号后面的东西才是你的护城河。

第三步:构建你的”AI作品集”

这里更重要的是:收尾时一步,也是我转型成功的关键一步——做出能展示的东西。

落到执行上:去找实习、投简历的时候,我能看到一个尴尬的事实:HR不认识你,他们怎么判断你有没有AI能力?

我的判断是:答案是:看你做过什么。

我会先把握这一点:因此在学习的过程中,有意识地积累你的作品:

  • 这里更重要的是:写的代码传到GitHub
  • 落到执行上:做的小工具发布出去
  • 我的判断是:把学习过程写成博客发出去
  • 我会先把握这一点:甚至是你用AI完成的某个项目,都能够写进简历
    这里更重要的是:这些作品,比你说”我会Python""我了解AI”有说服力一百倍。

心态篇:别焦虑,别放弃,别比较

落到执行上:说完了”硬核”的策略,收尾时想跟我聊聊心态。

1. 不要跟CS背景的人比

我知道有些非CS背景的同学特别焦虑,觉得自己怎么学都赶不上那些科班出身的。

我会先把握这一点:这种焦虑毫无意义。

这里更重要的是:你为什么要跟人家比?

落到执行上:而且说真的,很多CS背景的人转AI反而有”路径依赖”——他们太执着于技术本身,反而容易忽略业务价值和用户需求。

2. AI时代,没有”安全”的专业

我的判断是:就算你读的是CS,也不能保证高枕无忧。

我会先把握这一点:因此与其找一个”永远不会失业的专业”,不如培养终身学习的能力和适应变化的心态。

这里更重要的是:这句话听起来很虚,但真的是我转型两年以来最真实的感受。

3. 行动比焦虑有用

我知道我可能一边看文章一边想:“我说得都对,但我还是不知道从哪开始…”

我的判断是:那我的我的建议是:别想了,先干起来。

我会先把握这一点:今天就去注册一个ChatGPT账号。

这里更重要的是:焦虑不会帮你解决问题,但行动会。

大学四年时间线(冷门专业版)

落到执行上:说了这么多,收尾时给我一个实操版本的大学规划我的建议。

大一:探索期

  • 我的判断是:参加各种社团和活动,找到自己的兴趣点
  • 我会先把握这一点:开始接触AI工具,每天用一用,培养感觉
  • 这里更重要的是:保持本专业成绩(万一转方向失败呢,得有个退路)

大二:试水期

  • 落到执行上:开始系统学习Python,不用太深,够用就行
  • 我的判断是:做一个小的AI项目,能够跟本专业相关
  • 我会先把握这一点:尝试找第一份实习,不管大小,先积累经验

大三:深耕期

  • 这里更重要的是:确定你的”AI+“方向
  • 落到执行上:做出2-3个能拿出手的项目
  • 我的判断是:找一份对口的大厂实习,积累职业经验

大四:收获期

  • 我会先把握这一点:把作品集整理好,冲击目标公司的offer
  • 若要读研,考虑AI相关的方向
  • 若直接就业,瞄准”AI+你的专业”的公司

写在最后

我的判断是:好了,写了这么多,可能有点长。

我会先把握这一点:收尾时总结一下我的核心观点吧:

这里更重要的是:第一,AI时代真正危险的,是那些不愿学习、拒绝变化的人。

落到执行上:第二,非CS背景不是劣势,找到你的”AI+专业”定位,这恰恰是你的差异化优势。

我的判断是:第三,行动比焦虑重要。

更关键的是,【踩坑提示】
我会先把握这一点:>

⚠️ 不要一上来就学机器学习理论,先学会用AI
⚠️ 不要跟CS背景的人比较,专注发挥自己的优势
⚠️ 不要什么都学,找到一个方向深耕下去
⚠️ 不要只学不练,积累你的作品集比什么都重要

我的延伸

我会把 AI 当作放大器:先定义任务和验收标准,再调用工具,并保留事实核验、隐私边界和人工判断。

  • 我会先把这篇内容压缩成三个关键词,并写下一个可以在一周内验证的小实验。
  • 我会在决策前补充一个反面案例,确认这条经验的适用边界。
  • 我会在实践后记录结果、偏差和下一步修正,让知识从“读懂”走向“会用”。