会用 AI 算不算一种可以市场化的技能？社区里两百多条讨论怎么看待这个新技能

在技术社区里有一个提问收到了两百多条高质量回复。问题是使用人工智能这件事本身是不是一种可以在市场上单独卖钱的技能。这个问题之所以能引发如此大的讨论量，是因为它触及了一个很多人都隐约感觉到但说不清楚的问题。以前编程是一种技能、设计是一种技能、写作是一种技能，现在多出来一个叫提示词工程的东西，它到底是不是技能。

从评论区里被大量引用的观点来看，大致分成了两派。认可的一派认为提示词工程的本质是输入精准指令的能力，和你用搜索引擎输入关键词的逻辑在底层是一样的，但复杂度高了几个数量级。一个好的提示词和随意的聊天之间的产出质量差距可以达到几倍甚至十倍以上，这个差距本身就创造了一个可被市场认知的价值区间。

反对的一派提出了一个非常有力的反驳。他们说提示词工程目前之所以看起来像是一种技能，是因为人工智能模型本身不够智能，需要人用精确的语言来引导它。如果未来模型越来越理解模糊的自然语言，那提示词工程的技能价值会在技术进步中自己消退。这种技能就像十年前会写搜索关键词的人比不会写的人能更快找到信息一样，它是一种过渡性技能而不是一种持久性技能。

最有意思的是第其中一种观点：用人工智能本身不是技能，但用人工智能来解决一个具体的领域问题是技能。一个律师用人工智能来生成法律文书的草稿，他的技能不是人工智能提示词，是他在法律知识上的判断力让他知道人工智能生成的哪些内容是能用的哪些是需要修正的。人工智能只是帮他加速了一个他本来就能做的事情而不是替他做了他做不了的事情。

有几位参与讨论的人从他们公司的实际用人案例出发提供了非常具体的观察。有公司专门设立了人工智能运营这个岗位，他们的工作内容不是写提示词，是在公司内部发现可以用人工智能增效的环节然后部署自动化方案。这个岗位的不可替代性来自于对这些具体环节的业务理解和对人工智能工具能力的熟悉，两者缺一个都做不了。

这个讨论背后的深层问题其实是在人工智能能力持续进化的过程中，个人技能的价值锚点在哪。如果一个人的技能完全建立在人工智能跟人类之间的语言交互上，这个技能的生命周期取决于人工智能对歧义和模糊输入的理解能力提升速度。如果一个人的技能建立在跨领域的整合能力上也就是把一个领域里的需求翻译成另一个领域里的解决方案，这种技能的生命周期会比纯交互技能长得多。

还有一个维度在讨论中被反复提及但很少被正面回答：市场愿意为人工智能技能付多少钱。目前确实出现了一批专门标注需要人工智能技能的工作岗位，但这些岗位的薪资水平和稳定性跟传统的专业技能相比还有明显差距。市场在试探性地承认人工智能技能的价值，但还没有把它放到跟编程和设计同等的支付意愿上。

怎么评价一个市场化技能的真实价值社区给出了几个具体的判断角度。



在乌鸦部落讨论个人职业发展的时候，这个问题提供了一张很有用的自测清单。你觉得自己在人工智能时代的核心能力到底是什么。如果你写下的答案可以由人工智能在一年之内用一句话替代，你就需要往更深的整合能力上走。如果你的技能需要跨多个领域的知识和判断才能施展，你的护城河就比看起来宽得多。


讨论里有一个角度被多次提及但很容易被忽略：人工智能技能的价值不仅取决于模型的能力变化，也取决于组织内部的权力结构。在一个传统公司里，谁能写提示词谁就掌握了一部分之前属于技术部门的生产力。这种权力的重新分配让人工智能技能在非技术部门里的溢价远高于技术部门。市场营销和运营岗位的人如果会深度使用人工智能，他的产出效率提升幅度和可被观察到的价值增量远大于开发人员学习人工智能辅助编程的提升幅度。因为非技术岗位的生产力提升空间基数本身就更大。这个洞察对于正在考虑学习人工智能技能的人来说，意味着方向比深度更重要——你在哪个岗位上学人工智能比你学得多深对收入的边际影响大得多。
创业找资源，上乌鸦部落。