为学生、年轻专业人士、中年工作者、创业者、职业转型者以及 50 岁以上人士提供 6 个月和 12 个月的实用路线图，以培养 2030 年所需的技能。.

 

你知道自己应该多了解一些人工智能以及如何更有效地使用它。或许也应该学学“数据方面的知识”。网络安全听起来越来越重要。沟通能力、领导力、分析思维也同样重要。或许还可以学学Python、项目管理或者云计算。.

不久之后，为未来做准备就感觉像是一项不可能完成的家庭作业。.

不一定。.

错误在于试图学习 一切.

一名17岁的学生、一名28岁的市场营销主管、一名43岁的工程师、一名小企业主和一名57岁的高级经理应该 不遵循相同的学习计划. 他们拥有不同的机会、优势、差距和可支配时间。.

因此，本指南的目标很简单：

明确你目前的水平，确定你想在哪些方面加强，并制定一个切实可行的未来六到十二个月的学习计划。.

你不需要再读一个学位，不需要辞职，当然也不需要成为人工智能工程师（除非你真的想成为那样的人）。.

对大多数人来说，, 每周 3 至 6 小时专注投入 致力于个人发展就足以带来实质性的改变。.

首先：构建合适的技能组合

为2030年做好准备，并非是要成为某项特定技能的真正专家，而是要培养…… 合适的能力组合：能够相互补充并帮助将知识转化为具体价值的技能。.

一种有用的思考方式是将其视为…… 五层技能模型. 这些层次并非五个互不相关的理想能力列表，而是相互依存、彼此强化：

• 数字基础 为您提供在科技驱动的世界中高效工作所需的工具。.
• 思维技能 帮助你理解问题、质疑信息并决定应该怎么做。.
• 人际技能 使您能够与他人有效沟通、协作、领导和工作。.
• 执行能力 将想法和决策转化为实际成果。.
• 领域专业知识 让你能够将所有这些能力运用到有价值的事情上：一个你真正了解的职业、行业、工艺或领域。.

这些层面相互促进。当你能够批判性地思考人工智能的输出结果时，它的作用会大大提升。再精辟的分析，如果无法有效传达，也毫无意义。强大的领导力，如果没有执行力，也难以发挥作用。而所有这些能力，如果与某一领域的真正专业知识相结合，其价值将更加凸显。.

你无需在每个层面都达到同样的水平。目标是在所有五个层面都打下坚实的基础，同时在与你的生活和事业最相关的领域深入发展。.

以下是这5个层次的详细介绍：

• 第一层：数字基础
  

  每个人都应该越来越理解：
  人工智能 + 数据 + 技术 + 网络安全

  你不一定需要具备专家级的知识，只需要有足够的理解力，就能在技术高度发达的工作环境中自信地工作。.
  数字技能正成为几乎所有职业的基础。你不需要成为程序员、数据科学家或网络安全专家，但你应该对现代技术有足够的了解。 自信地使用它，认识到它的可能性和局限性，并就其相关事宜做出明智的决定。. 正如前几代劳动者最终需要适应电脑、电子邮件和互联网一样，下一代劳动者也将被越来越期望理解人工智能、数据和互联的数字系统。.

例如，人工智能素养意味着了解如何高效地使用人工智能工具，同时认识到其答案可能不准确或存在偏见，需要人工验证。数据素养意味着能够轻松解读数字、图表和仪表盘，并能区分看似有说服力的统计数据和可靠的证据。技术素养意味着对云计算、软件、数据库、自动化和数字平台等概念有足够的了解，从而能够理解现代组织的运作方式。网络安全则在此基础上增加了一个至关重要的层面：了解如何保护账户、设备和信息免受网络钓鱼、身份盗窃、勒索软件以及日益复杂的人工智能欺诈等威胁。.

即使你的职业看似与科技毫不相干，这些基础知识也至关重要。教师可能会利用人工智能开发课程材料并分析学生学习进度；护士可能会使用电子病历和人工智能辅助的临床系统；市场经理可能会分析客户数据并实现营销活动自动化；电工可能会越来越多地安装智能家居技术、太阳能系统和电动汽车充电器；小企业主可能会使用人工智能、云软件和数字支付，同时还要负责保护客户信息。技术各不相同，但对数字信任的根本需求却日益相似。.

因此，我们的目标并非是精通所有领域，而是让技术不再像一个神秘的黑匣子。. 你应该能够理解基本概念，提出有见地的问题，比较快地学习新工具，并且能够意识到何时需要专家的帮助。.

把数字基础看作是阅读、写作和计算能力：它们并不决定你选择什么职业，但它们越来越决定你在几乎任何职业中能够多么有效地工作。.

• 第二层：思维技能
  

  其中包括：
  分析思维 + 批判性思维 + 创造力 + 问题解决能力 + 系统思维

  思维技能帮助你理解信息、认识问题并做出决定。 实际应该怎么做？:

  • 分析性思维可以帮助你将复杂的问题分解成易于处理的部分。.
  • 批判性思维可以帮助你质疑假设，评估证据的质量，并识别出论点（或人工智能生成的答案）何时可能具有误导性。.
  • 创造力帮助你想象出各种替代方案和新的可能性，而
  • 问题解决能力可以将这些想法转化为可行的解决方案。.
  • 系统思维采取了更广阔的视角，帮助你理解问题的不同部分是如何相互联系的，以及改变一件事可能会在其他地方产生怎样的影响。.

随着人工智能的进步，这些能力可能会变得更加重要，而不是不那么重要。. 人工智能已经能够非常迅速地产生想法、分析信息并提出解决方案，但仍然需要有人提出正确的问题、评估答案、理解更广泛的背景，并决定哪种行动方案是合理的。. 在一个获取答案越来越容易的世界里，知道答案是否正确变得越来越重要。.

• 第三层：人类技能
  

  其中包括：
  沟通 + 协作 + 谈判 + 情商 + 领导力

  人际技能决定了你的表现。 理解他人、影响他人并与他人合作:

  • 沟通能帮助你清晰地表达想法，并倾听他人的真实意图。.
  • 协作使拥有不同专业知识和观点的人能够有效地一起工作。.
  • 谈判有助于解决利益冲突，达成可行的协议。.
  • 情商可以帮助你识别自己和他人的情绪、动机和社会动态。.
  • 领导力将这些能力结合起来，从而创造方向、信任、动力和协调行动。.

这些技能可能会变成 随着人工智能接管更多常规的脑力劳动和行政工作，其价值将日益凸显。. 人工智能可以撰写电子邮件、准备演示文稿、分析对话或提出谈判建议，但真实的人际互动远不止信息交换那么简单。它还涉及感受和情绪、信任、同理心、个人经历、文化差异、未言明的顾虑以及随着时间推移建立起来的关系。管理者仍然需要识别员工何时失去信心；销售人员需要理解犹豫不决的顾客言外之意；护士必须妥善应对惊恐的病人；企业家则需要说服员工、投资者和客户相信某个想法。.

人类的情感也会以一些无法完全用逻辑或数据解释的方式影响决策。人们可能会因为害怕改变对自身的影响而抵制合理的改变，因为感到自身价值而对公司保持忠诚，因为不信任提出方案的人而拒绝方案，或者因为领导者的激励和赏识而表现出色。. 理解这些情感现实——并知道如何恰当地回应它们——是与人相处的基础。.

人工智能将越来越擅长识别情绪信号并生成听起来富有同理心的回应，这无疑可以帮助人们为棘手的对话做好准备。但是，识别与情绪相关的模式与承担真实人际关系中的责任、历史和后果截然不同。人们仍然需要建立信任、解决冲突、安抚他人、激励团队、展现同理心，并做出真正影响他人生活的艰难决定。.

此外，这些能力变得更有价值还有一个重要的经济原因。随着人工智能使许多技术和信息类任务变得更快、更便宜，, 人类特有的能力可以成为更大的差异化来源。. 了解某件事固然重要；能够解释它、说服他人、将人们团结起来并将知识转化为协调行动，往往才是创造现实世界结果的关键。.

因此，未来不太可能只是人类技能与技术之间的简单竞争。. 最强的组合将是那些既能极其熟练地运用科技，又能极其出色地保持人性的人。.

• 第四层：执行技能
  

  其中包括： 项目管理 + 组织 + 优先级排序 + 决策 + 生产力 + 适应性执行 + 资源和财务管理 + 问责制

拥有好的想法和做出正确的决定固然重要，但最终总得有人来做决定。 将它们转化为结果. 这就是执行力的意义所在：确定目标，然后确定需要做什么，按什么顺序做，需要哪些人员和资源——最后确保完成这些事情。.

因此，这一层级的各项技能是紧密相关的，而不是随机组合的。. 决策 将分析转化为行动。. 优先级排序和组织 确定哪些事情应该优先处理，并防止注意力被不太重要的任务分散。. 项目管理 协调人员、截止日期、职责、风险和依赖关系。. 生产率 关键在于有效地利用时间和工具，而 资源和财务管理 确保目标在现有资金、人力、设备和时间范围内保持现实。最后，, 问责制和后续行动 即使热情消退或问题不可避免地出现，也要让计划继续推进。.

但良好的执行力并不总是意味着完全遵循原计划。在许多现代工作场所，客户需求、技术、竞争以及环境都可能在项目进行过程中发生变化。这使得…… 自适应执行 越来越重要的是：能够在推进计划的同时，从结果中吸取教训，并在必要时调整方向。这正是“敏捷”不同的工作方式可能很有用。传统的项目管理方法在目标、需求和活动顺序可以提前合理预测的情况下通常效果很好。而敏捷方法在不确定性较大或需求可能发生变化时则特别有效。团队不会试图从一开始就完美地计划一切，而是以更短的周期工作，产出成果，收集反馈，从中学习，并调整下一步的工作。.

敏捷开发主要起源于软件开发领域，但其基本原则——以小步迭代的方式工作、紧密协作、验证假设、快速学习以及适应变化——如今已被广泛应用。例如，Scrum 就是一种流行的敏捷框架，它围绕着被称为“迭代”（Sprint）的短周期工作、优先级排序的待办事项列表以及定期进度评审来组织工作。你无需成为敏捷或 Scrum 专家，但理解这些概念在许多现代组织中都大有裨益。.

敏捷方法也并非要取代传统的项目管理。建造桥梁或开设新工厂可能需要大量的提前规划，而开发新的数字产品或开展营销活动则可能更有利于反复测试和调整。因此，高效的专业人士越来越需要了解何时应该精心规划，何时应该大胆尝试，以及何时应该将两者结合起来。.

并非每个人都需要成为专业的项目经理或财务专家。这些技能最好被理解为更广泛能力的体现： 执行能力. 根据工作的不同，这可能还包括任务委派、预算编制、进度安排、运营管理、流程改进、物流、质量控制，以及协调供应商和利益相关者。建筑经理、企业家、护士、工程师和市场营销主管可能从事截然不同的工作，但他们都需要将意图转化为实际行动。.

这种能力在人工智能赋能的工作场所中可能尤为重要。人工智能已经能够帮助制定项目计划、安排日程、分析预算、识别风险、编制任务清单并提出优先级建议。它还能加速适应性工作方式的转变，帮助团队分析反馈、探索替代方案并修订计划。但人工智能并不能自动确保项目成功。仍然需要有人来决定哪些事项至关重要、分配有限的资源、协调人员、在实际情况与计划不符时做出应对，并对最终结果负责。.

事实上，随着人工智能使得创意、信息和初稿的获取变得越来越丰富且成本低廉，将它们转化为具体成果的能力可能会成为更大的竞争优势。商业创意、策略、演示文稿、计划或建议将层出不穷。真正稀缺的可能是那些能够将好创意转化为实际行动、有效执行、总结经验教训并在失败时及时调整的个人或团队。.

了解事物固然重要，但知道如何运用这些知识并将其付诸实践则更有价值。.

• 第五层：领域专业知识
  

  前四层赋予你在许多工作和行业中都非常有用的能力。而第五层，才是你真正需要的地方。 将它们应用到你真正理解并且能够变得非常擅长的领域。.

你的领域可能是工程、医疗保健、金融、市场营销、教育、心理学、法律、建筑、设计、农业、酒店管理、物流、软件开发、销售或技术工种。正是在这里，之前各个层面积累的广泛能力才真正体现出其专业价值。一位能够将工程专业知识与人工智能、分析思维、沟通能力和卓越执行力相结合的工程师，与一位仅仅懂得如何使用人工智能的人截然不同。这同样适用于医生、教师、电工、企业家或市场营销专业人士。.

这也是为什么你不应该把五层模型当作一个清单，让每项技能都得到同等的重视。. 前四层拓展你的能力；第五层赋予你深度。. 两者结合起来，既能让你保持广博的知识，又能让你具备专业技能，而不会让你仅仅成为一个通才。.

这种组合有时被描述为 “T型”技能概况. T 的横杆代表你在技术、思维、人际交往和执行方面的广泛能力；竖杆代表你在一个或多个有价值领域培养的更深层次的专业知识。.

五层结构如何协同运作

该模型的真正威力在于…… 组合, 并非来自任何单一层面。想象一下一位既了解人工智能又了解医疗数据的医生（数字基础能够评估证据并诊断问题（思维技能），能够与患者和同事进行敏感的沟通（人际技能），可以组织护理并实施改进（执行能力），并具有深厚的临床知识（领域专业知识这些功能都不是孤立运作的。.

同样的模式也适用于企业家、工程师、教师、经理、技工或学生。具体的技能和专业水平会有所不同，但基本结构仍然适用： 了解工具，善于思考，善于与人合作，将想法付诸行动，并在有价值的领域发展真正的专业知识。.

因此，你的个人学习计划不应该试图让你成为每个领域的专家。它应该明确…… 哪些层面目前最薄弱？哪些层面对于你的发展目标最为重要？哪些层面需要真正深入研究？.

 

然后：找到你的起始水平

在选择方案之前，先给自己做个简单的诊断。.

给自己打分 0到3 在每个领域：

0 = 我对此几乎一无所知。.

1 = 我理解基本概念。.

2 = 我可以在工作中或实际项目中熟练运用这项技能。.

3 = 其他人可以合理地向我寻求这方面的帮助。.

给自己打分：

• 人工智能素养
• 数据素养
• 技术
• 网络安全
• 领导
• 分析思维
• 创造性思维
• 沟通
• 项目管理
• 金融/商业素养
• 适应能力/学习能力
• 您的专业知识/领域知识

不要担心能否取得高分。. 空白之处才是最有价值的部分。. 这项练习的目的不是为了证明你已经有多强的能力；而是为了确定你下一步在学习方面的投入能在哪些方面产生最大的影响。.

一个有未来准备的人不需要成为所有领域的专家。正如我们在五层模型中看到的，一个更好的目标是…… 在日益重要的各项能力方面培养广泛的工作知识，同时在一两个有价值的领域建立真正的专业知识。. 你的分数可以帮助你发现目前在哪些方面存在不足。也许你拥有精湛的专业技能，但对人工智能和数据却知之甚少。也许你的技术能力很强，但需要提升沟通和领导能力。又或许你涉猎广泛，但尚未形成能够真正展现你技能深度的专长领域。.

最重要的是，, 你的优先事项应该取决于你现在所处的位置以及你想去往何方。. 大学生的学习计划不应与45岁的管理者相同，创业者的需求也与准备从事医疗保健或工程行业的人不同。你的年龄、经验、教育背景、职业和抱负都会影响你首先应该关注哪些技能。.

因此，与其试图学习所有内容，不如找到下面与您当前阶段最接近的计划，并以此为起点，构建您自己的 2030 年发展道路。.

 

方案A——如果您是中小学生或大学生

你最大的优势：时间

你最大的风险是在没有充分了解各行各业快速变化之前，就过于专注于某个狭窄的领域。现阶段，你应该专注于打好基础。你希望完成学业后能够：

• 思考，,
• 交流，,
• 研究，,
• 分析数据，,
• 了解技术，,
• 负责任地使用人工智能，,
• 与他人合作，并且
• 快速学习不熟悉的事物。.

你的前六个月

目标是大约 每周4小时, ，或者关于 100小时.

第一个月：学习如何学习

拿 学习如何学习, ， 大约 20小时专注学习.

了解更多：

• 检索练习，,
• 间隔重复，,
• 拖延，,
• 记忆，,
• 专注思维与散乱思维，以及
• 有效的学习。.

为什么要从这里开始？因为改进学习方法会改善之后的一切。.

第二个月：掌握人工智能知识

选择其中之一 Google AI基础教程 或者 人人都能用上人工智能. 大约需要 7至15小时, 包括实验。然后花另一段时间。 实际使用人工智能 10 小时.

尝试：

• 研究某个课题，,
• 学习数学,
• 分析一篇文章，,
• 头脑风暴，,
• 创建学习题，,
• 对你的写作进行评论，,
• 理解复杂概念,
• 分析电子表格，以及
• 建造一个小型项目。.

但要刻意完成一些工作 没有人工智能 而且，你仍然需要自己的大脑。.

第三个月：数据

先学习中级电子表格技能。.

理解：

• 公式，,
• 排序，,
• 过滤，,
• 图表，,
• 数据透视表,
• 平均值，,
• 百分比，以及
• 基本统计数据。.

然后探索 SQL。.

目标： 15至20小时。. 不要只是观看教程。下载数据集并使用它来回答问题。.

第四个月：沟通

花费大约 15小时 刻意练习：

• 写作，,
• 演示文稿，,
• 公开演讲，,
• 论证，,
• 积极倾听，以及
• 用简单易懂的方式解释复杂的问题。.

考虑一下开放大学的免费课程。 职场中的有效沟通.

第五个月：编程与技术

在决定你是否“不擅长技术”之前，先尝试编程。”

哈佛大学的 CS50 Python 编程入门课程 这是一个很好的起点。你不一定需要马上完成整个课程。.

花费 15-25小时 探索Python。.

学习：

• 变量，,
• 状况，,
• 循环，,
• 函数，,
• 文件，,
• 基本调试和
• AI编码助手如何帮助你理解代码。.

第六个月：动手做点什么

这或许是最重要的一个月。.

停止上课，去创造。.

请制作以下部分：

• 一个网站，,
• 小型应用程序，,
• 研究项目，,
• 仪表板，,
• 小型企业,
• AI工作流程，,
• 民意调查，,
• 播客，,
• 事件，,
• 学生组织,
• 营销活动，或
• 社区倡议。.

目标： 实际工作时间20到30小时。.

现在你拥有的远比另一张证书有趣得多。你拥有 证据.

学生12个月升级

在第 7 至 12 个月期间，探索可能的专业方向。.

尝试两到三个区域：

• 数据分析,
• 软件，,
• 创业精神,
• 工程，,
• 心理学，,
• 金融，,
• 卫生保健，,
• 可持续性,
• 营销，,
• 网络安全,
• 设计，,
• 研究，,

或者其他你感兴趣的领域。.

目标是 过早专业化之前的探索.

到年底，目标是拥有：

人工智能素养 + 数据素养 + 基础编程能力 + 较强的沟通能力 + 一个实质性项目 + 新兴领域专业知识。.

这是一个非常好的基础。.

 

备选方案——如果你正值二十多岁

你的最大优势：复利

25岁时习得的技能可以带来长达40年的回报。因此，要利用这十年时间，打造一项异常强大的技能。 技能堆叠.

你的公式应该是：

领域 + 人工智能 + 数据 + 沟通 + 执行

如果你已经在从事市场营销工作，不要放弃。努力做到以下方面： 市场营销 + 人工智能 + 数据分析。.

如果你从事金融行业： 金融 + 人工智能 + 数据。.

如果你学过心理学： 心理学 + 统计学 + 研究 + 人工智能。.

如果你是一名工程师： 工程+人工智能+编程+项目管理。.

你的前六个月

目标是 每周 5 至 6 小时, ， 大约 130至150小时.

大约花费：

• 20 小时 – 人工智能素养和实践人工智能
• 30 小时 – 数据
• 20 小时 – 技术/自动化
• 20小时 – 沟通
• 20 小时 – 项目管理
• 30至40小时 – 领域专业知识

与学生计划的关键区别在于： 几乎可以将所有内容应用到你的实际职业中。.

如果你从事人力资源工作，那就分析人力资源数据。.

如果你从事市场营销工作，那就实现营销任务的自动化。.

如果你从事金融行业，可以使用人工智能来分析财务信息。.

如果你从事物流工作，那就分析供应链流程。.

第 7-12 个月：构建深度

现在选择 一项高价值能力.

例如：

• 数据分析,
• Power BI，,
• Python，,
• 网络安全,
• 项目管理，,
• 财务分析，,
• 数字营销,
• 云技术,
• 销售量，,
• AI工作流程自动化,
• 用户体验设计，,

或者行业特定的技术技能。.

放 100至200小时 投入其中。.

证书在这里就能派上用场了。根据您的发展方向，请考虑以下几点：

• 谷歌数据分析
• 谷歌网络安全
• Google 项目管理
• 微软 Power BI 数据分析师 – PL-300
• AWS认证云从业者
• PMI CAPM

但请记住： 一项相关证书加上可证明的能力，胜过六张证书而没有实践经验。.

 

方案C——如果您是职场中期人士

假设你年龄在35到50岁之间。你拥有一些年轻员工所不具备的优势： 经验。.

不要试图成为22岁的程序员而白白浪费自己的优势。相反，应该把你已有的知识与时俱进。.

你的公式是： 体验 × 技术

想象一下两位45岁的经理，各自拥有20年的工作经验。一位经理的工作方式基本与2015年时相同。另一位经理则精通人工智能、数据看板、自动化、现代协作工具以及数据驱动的决策。.

他们的简历乍看之下可能很相似，但他们的实际能力却大相径庭。因此，他们的就业能力（或称候选人竞争力），或者说他们对大多数职位空缺的匹配度，也随之改变。.

您的六个月计划

目标大约 每周 3 至 4 小时.

那只是大约 80至100小时.

第一步 – 人工智能：20 小时

参加人工智能入门课程。然后识别 人工智能可以加速你经常进行的 10 项活动。. 测试一下。.

也许：

• 会议准备工作,
• 文件分析，,
• 竞争性研究，,
• 电子邮件，,
• 演示文稿，,
• 报告，,
• 财务分析，,
• 头脑风暴，,
• 项目规划，,
• 客户分析，或
• 数据解读。.

你的目标不是从学术角度学习人工智能，而是去发现： “这样做能为我节省时间或提高工作效率吗？”

步骤 2 – 数据：20 小时

能够熟练解读仪表盘和业务数据。提高Excel或Google Sheets的使用水平。如有需要，学习Power BI基础知识。.

理解：

• 百分比，,
• 趋势,
• 分布，,
• 相关性，,
• 关键绩效指标（KPI）,
• 预测和
• 误导性的可视化效果。.

第三步——技术：15 小时

理解现代科技语言：

• 云，,
• API，,
• 数据库，,
• 自动化，,
• 机器学习，,
• 大型语言模型,
• 网络安全,
• 软件即服务 (SaaS),
• 工作流程，以及
• 数字化融合。.

你不需要事事亲力亲为，但你需要了解围绕这些事情展开的讨论。.

第四步——沟通：15小时

实践：

• 高管写作，,
• 推介会，,
• 用数据讲故事,
• 谈判和
• 艰难的对话。.

在高层，具备以下能力 用简单易懂的方式解释复杂的概念 变得价值不成比例地高。.

第五步——领导力：15小时

学习：

• 代表团，,
• 教练，,
• 动机，,
• 冲突，,
• 变革管理，以及
• 心理安全感。.

然后练习一下。.

步骤 6 – 重新设计一个工作流程：15 小时

选择你部门经常执行的一项任务，并绘制出当前的流程图。.

问：

• 哪些操作可以自动化？
• 人工智能可以加速什么？
• 什么需要人类判断？
• 哪些内容可以排除？
• 哪些信息是重复的？

然后重新设计。.

这比仅仅在领英上写“人工智能证书”更有价值。.

你的12个月目标

到一年结束时，你应该能够说：

“我的专业经验和去年一样，但我现在使用的是现代化的工具。”

这是一次非常有价值的转变。.

 

方案D——如果您是企业家、企业主或高级领导

你的学习需求各不相同。你不需要成为世界上最好的会计师、程序员、营销人员或数据科学家。你只需要掌握足够的知识即可。 对所有这些做出合理的决定.

你的优先事项顺序将取决于你的业务，但大多数领导者都应该培养各方面的能力。 人工智能与自动化、金融、销售与市场营销、数据、网络安全与数字化韧性以及领导力. 这些要素并非必须按固定顺序发展：网络安全、财务控制和负责任的人工智能使用应该与经济增长同步发展，而不是事后添加。.

你的前六个月

人工智能和自动化——30小时

了解人工智能如何助力：

• 客户服务，,
• 营销，,
• 市场调研，,
• 行政，,
• 销售量，,
• 财务分析，,
• 内容，,
• 内部知识，,
• 招聘，,
• 报告和
• 运营。.

关键问题是：

哪些事情不应该再需要人工从头到尾完成？

财务 – 20 小时

学会理解：

• 损益表,
• 资产负债表,
• 现金周转，,
• 毛利率,
• 定价，,
• 收支平衡，,
• 营运资金,
• 投资回报率，以及
• 单位经济效益。.

如果你无法用数字解释公司是如何盈利的，那么在参加其他技术课程之前，请先解决这个问题。.

销售与谈判 – 20 小时

学习：

• 勘探，,
• 需求分析，,
• 异议处理，,
• 定价，,
• 谈判，,
• 关闭，以及
• 客户留存率。.

人工智能可以产生销售线索，但仍然需要有人了解人类的动机。.

数据 – 20 小时

了解你的数据。.

根据具体业务而定：

• 客户获取成本,
• 生命周期价值,
• 转换，,
• 保留，,
• 搅动，,
• 平均订单价值,
• 毛利率,
• 存货周转率,
• 生产力和
• 现金转换。.

网络安全与数字韧性——初期20-30小时

网络安全不再仅仅是IT问题。如果您拥有或领导一家企业，它既是业务风险，也是领导责任。严重的网络攻击可能导致运营中断、资金或知识产权被盗、机密信息泄露、供应链中断、产生监管责任，并摧毁客户信任。在大型企业中，供应商、云服务或员工账户中的单个漏洞都可能造成远超攻击源头的严重后果。.

而且威胁正在迅速演变。人工智能为防御者提供了识别可疑活动和应对攻击的强大新方法，但也赋予了攻击者新的能力。人工智能可以帮助创建极具说服力的网络钓鱼和社会工程攻击活动，冒充他人声音和身份，发现或利用漏洞，自动化攻击的某些环节，并大幅扩大攻击规模。 世界经济论坛《2026年全球网络安全展望》 调查发现，87% 的受访者认为人工智能相关的漏洞是 2025 年增长最快的网络风险。.

对于 小型企业, 但基础依然至关重要：

• 多因素认证,
• 密码管理,
• 访问控制,
• 安全备份,
• 软件更新，,
• 设备安全,
• 网络钓鱼意识，以及
• 员工培训。.

但企业主也应该了解事件响应：如果我们明天遭到攻击怎么办？应该联系谁？我们还能继续运营吗？我们的备份真的可以恢复吗？哪些信息可能会泄露？网络安全不仅仅是预防攻击，还包括能够检测、遏制、恢复并从中吸取教训。.

为了 大型组织的领导者, 对话需要更深入一些。你不需要成为网络安全工程师，但你应该能够就以下主题提出有见地的问题：

• 勒索软件防范措施,
• 身份和访问管理,
• 第三方风险和供应链风险,
• 云安全,
• 数据保护,
• 人工智能治理,
• 事件响应计划,
• 业务连续性管理，以及
• 灾难恢复。.

董事会和高级管理人员应该知道哪些系统和信息最为关键，谁有权访问它们，如果它们不可用会发生什么情况，以及组织是否真正测试过其应对措施，而不仅仅是记录下来。.

还有一个领导者应该了解的长期问题：后量子时代的网络安全。未来足够强大的量子计算机可能会破解目前广泛用于保护通信和信息的公钥加密技术。没有人确切知道这类计算机何时会变得实用，所以这并非恐慌的理由。但这已经是需要规划的原因了。美国政府机构国家标准与技术研究院（NIST）已经完成了其…… 首个后量子密码学标准 并建议各组织立即开始迁移到抗量子攻击的密码学。其过渡计划设想，到 2035 年，易受量子攻击的算法将被弃用，并最终从其标准中移除，而高风险系统将更早迁移。.

对于必须长期保密信息的组织而言，这一点尤为重要。攻击者可能今天就捕获加密数据并将其存储起来，以备将来解密——这种策略被称为“先收割后解密”。拥有宝贵且长期保存信息的组织应该立即识别出哪些地方使用了易受攻击的加密技术，并与技术团队和供应商讨论迁移计划。.

企业领导者的目标并非亲自了解每一种技术防御措施，而是要对网络安全有足够的了解，从而能够识别风险、提出正确的问题、分配适当的资源，并确保由胜任的人员负责。.

对于 小企业主：目标是至少进行 10 到 15 小时的网络安全实践教育，并实施基础知识。.

对于 首席执行官、董事会成员或高级领导大约 20 到 30 小时的集中学习可以为网络风险和治理奠定有用的基础，但网络安全随后应该成为一个…… 持续管理责任, 这不是一门完成一次就万事大吉的课程。.

领导力培训——初期20小时

随着你责任的增加，你的个人生产力变得不如你的能力重要。 帮助他人共同取得良好成绩. 领导力并非仅仅关乎权威或魅力，它还包含以下几个方面：

• 设定方向，,
• 沟通清晰,
• 委派责任，,
• 激励人们，,
• 解决冲突,
• 提供有用的反馈，以及
• 建立信任和责任感。.

这也意味着 在不确定性和变革中引领前行. 员工将越来越需要适应人工智能、自动化、新的竞争对手以及不断变化的工作方式。高效的领导者需要解释变革的必要性，倾听员工的担忧，并帮助他们应对变革，而不仅仅是宣布将会发生什么。.

人工智能或许会让优秀的领导力更具价值。它可以分析信息、撰写报告、监控绩效并提出策略建议，但领导者仍然需要决定哪些事情至关重要，平衡各方利益，做出判断，并对影响到实际民众的决策负责。因此，了解人们的动机、情感、抱负和顾虑仍然是领导力的重要组成部分。.

为了 企业家和小企业主, 尤其要注重授权、沟通、反馈，以及建立一个不依赖你做每一个决定的团队。. 高层领导 应该深入探讨战略、组织文化、变革管理、人才发展和治理，包括关于如何在组织内使用人工智能以及不应该如何使用人工智能的决策。.

大约 20小时的专注学习 可以提供有用的基础，但领导力最终是通过……培养的。 经验领导真实的人，做出艰难的决定，接受诚实的反馈，并从错误中学习。.

领导力的真正考验不在于你个人的能力有多强，而在于你的领导力是否能提升你周围的人和组织的能力。.

第 7 至 12 个月：构建您的 AI 赋能型企业

不要把接下来的六个月都花在学习上，而是应该重新设计你的公司。.

选择五个流程。例如：

• 销售线索,
• 客户支持，,
• 报道，,
• 市场营销生产，,
• 开具发票，,
• 招聘，,
• 研究，或
• 内部文档。.

然后问：

• 自动化？
• 人工智能助手？
• 代表？
• 排除？
• 保持人类？

你的目标不是在技术上令人惊叹，而是成为 更具生产力和竞争力.

 

方案E——如果你想换工作

职业转型者面临着严峻的挑战。雇主经常会问： “你有什么经验？”

但只有别人给你机会，你才能积累经验。解决办法是创造证据，而不仅仅是学习。. 建造。.

首先选择一个方向

避免设定“我想从事科技行业”这类模糊的目标。科技行业涵盖数百种职业。.

或者，选择类似这样的选项：

• 数据分析师,
• 网络安全分析师,
• 项目协调员,
• 软件开发人员,
• 数字营销人员,
• 用户体验设计师,
• 云支持，,
• 金融分析师,
• 医护人员,
• 电工，,
• 可再生能源技术员，或
• 销售专员。.

然后倒推。.

职业转型公式

使用： 基础 —— 凭据 —— 项目 —— 文件夹 —— 经验

例如，未来的数据分析师可能会这样做：

Google 数据分析证书  Excel + SQL + Power BI  三个实际分析项目  公开作品集  自由职业/志愿者/内部项目  入门级分析师申请。.

预计职业生涯将发生重大变化，需要 300 至 1000+ 小时, 这取决于职业。那可不是周末的时间。但按每周十小时计算，500小时大约是一年。反正一年也会过去。.

 

方案F——如果您超过50岁

这个群体需要不同的策略。.

你可能会听到这样的说法：年纪大的员工必须“迎头赶上”。这种说法忽略了一个重要因素：在一个行业工作了30年的人所拥有的知识，是你无法通过三周的在线课程获得的。.

你明白：

• 人们，,
• 顾客，,
• 政治，,
• 错误，,
• 人际关系，,
• 谈判，,
• 行业周期,

以及当理论计划遇到现实时会发生什么。.

这种经验很有价值。目标是防止它在技术上被孤立。.

您的六个月计划

目标 每周 3 至 4 小时, ， 大约 80至100小时.

人工智能素养 – 20 小时

从实践入手。学习如何将人工智能应用于：

• 研究，,
• 文件，,
• 电子邮件，,
• 规划，,
• 头脑风暴，,
• 演示文稿，,
• 分析和
• 学习。.

人工智能素养与网络安全之间的交集也日益增多。了解生成式人工智能能够生成什么（例如以假乱真的虚假电子邮件、克隆语音、逼真的图像和视频、伪造的文件以及高度个性化的信息），有助于您更有效地使用人工智能，并使您更难被欺骗。因此，学习人工智能不仅应包括这些工具能为您做什么，还应包括如何利用同样的技术来操纵、冒充或欺诈他人。.

网络安全与数字安全 – 10 至 15 小时

如上所述，人工智能素养和网络安全之间的联系日益紧密。你越了解现代人工智能的创造能力，就越能更好地识别不断涌现的数字欺骗手段。在这个人生阶段，网络安全尤其值得关注，这并非因为老年人的技术能力必然较弱，而是因为犯罪分子经常将他们作为目标，而且他们可能积累了更多积蓄、投资、重要账户和个人信息需要保护。.

这种威胁也变得越来越复杂。传统的防范建议，例如“检查可疑电子邮件中的拼写错误”，已经远远不够。人工智能可以帮助犯罪分子制作极具说服力的信息，冒充合法机构，并生成逼真的声音、图像和视频。.

学习并掌握最新的实用基础知识：

• 唯一密码，,
• 密码管理器,
• 多因素认证,
• 软件更新，,
• 备份，,
• 隐私设置,
• 网络钓鱼意识，以及
• 对可疑请求进行独立核实。.

但网络安全也正变得越来越重要 职场技能. 无论您从事行政、医疗保健、金融、教育、销售、管理还是小型企业工作，您都可能需要处理机密信息、客户数据、公司系统，以及日益重要的AI工具。雇主需要的是那些明白安全是每个人的责任，而不仅仅是IT部门职责的人才。.

为了职业发展，请学习以下基础知识：

• 保护公司数据,
• 识别网络钓鱼和社会工程攻击,
• 安全使用云服务,
• 管理访问权限,
• 安全地共享文件，以及
• 妥善处理敏感信息。.

您还应该了解为什么公司信息不应该自动粘贴到公共人工智能工具中，欺诈性请求如何冒充同事或高级管理人员，以及何时应该举报可疑事件而不是自行调查。.

这些能力可以在你跳槽时增强你的竞争力。一位经验丰富的员工，如果能将数十年的专业知识与现代人工智能素养、数字自信和良好的网络安全习惯相结合，就能为雇主提供宝贵的资源：经验丰富且不落伍。.

你不需要具备高深的技术知识。. 大约 10 到 15 小时的集中训练 可以提供坚实的基础，然后定期进行工作场所安全培训，并随着威胁的演变进行不时更新。.

目标并非成为网络安全专家，而是成为雇主可以信赖的、能够在日益数字化的工作场所安全自信地工作的人。.

数据 – 15 小时

提升以下能力：

• 阅读仪表盘，,
• 解读图表和数据集,
• 使用电子表格，并且
• 问题统计。.

现代数字工具 – 15 小时

熟悉以下内容：

• 云文件，,
• 协作文档,
• 视频会议,
• 电子日历，,
• 项目管理工具，,
• 人工智能工具，以及
• 现代职场沟通。.

沟通与指导 – 15 小时

经验在此就能转化为优势。学习如何将知识传授给年轻的同事。导师制可以将数十年的经验转化为组织价值。.

工业技术 – 20 小时

问： 具体来说，哪些技术正在改变我的行业？

好好研究一下。不用研究所有内容，只需研究那些对你的工作重要的部分即可。.

你的12个月目标

成为能够做到以下几点的人： 30 年经验 + 2026 年技术。.

这种组合可能比试图按照年轻员工的方式与他们竞争更有价值。.

不要从头开始——在已有知识的基础上继续发展

如果你年过五十，为2030年做准备并不意味着要重新开始你的职业生涯，或者试图通过精通每一项新技术来与年轻的求职者竞争。你已经拥有了需要几十年才能获得的东西： 经验、专业判断、积累的知识、人脉关系，以及对人和组织实际运作方式的理解。.

目标是在此基础上更进一步。积累足够的人工智能、数据、网络安全和现代数字工具方面的知识，以保持自信并紧跟时代步伐。增强适应能力和持续学习能力。然后将这些新能力与你已有的专业知识相结合。一位了解人工智能和数据的资深会计师、一位能够领导人工智能团队的高级经理，或者一位熟悉新型数字系统的医疗保健专业人员，都能提供一些仅靠技术本身无法提供的东西： 现代技术能力与多年实践经验和判断力相结合.

所以，不要把50岁以后的未来准备理解为用新事物取代旧事物。而应该这样理解： 升级和增强你已有的知识. 就五层模型而言，您可能已经在领域专业知识方面拥有相当的优势。您的机会在于加强其他层级的能力。.

经验、新技能和持续的好奇心可以构成强大的组合。.

如果你的正规教育程度有限怎么办？

不要以为未来只属于大学毕业生。一些最有价值的未来技能是职业技能。.

考虑：

• 电工，,
• 太阳能安装商,
• 暖通空调技术员,
• 工业维护，,
• 焊接，,
• 建造，,
• 水管工，,
• 医疗保健支持,
• 后勤，,
• 机械操作，,
• 车辆技术,
• 机器人维护，,

以及其他技术工种。.

然后添加： 人工智能+数字工具+沟通+商业技能。.

想象一下，一位技艺精湛的电工还懂：

• 数字报价，,
• 人工智能辅助管理,
• 网络营销,
• 客户服务，,
• 基础会计,
• 智能家居系统,
• 太阳的，,
• 电池存储和
• 电动汽车充电。.

那个人并非“未受过教育”。他们拥有…… 极具价值的技能组合.

 

如果你已经拥有学位呢？

不要自动再买一个。.

首先要问： 获得这个额外的学位究竟能让我做哪些我现在做不到的事情？

在以下情况下，攻读更高学位是有意义的：

• 该职业有法律要求，,
• 你需要深厚的学术功底。,
• 你想从事研究工作吗？,
• 你正在经历一次重大的职业转型，或者
• 该证书本身具有相当大的劳动力市场价值。.

否则，300 小时精心挑选：

• 人工智能，,
• 数据，,
• 沟通，,
• 项目管理，,
• 技术，以及
• 领域特定培训

可能比其他更广泛的资格认证带来更好的回报。.

 

认证：哪些认证真正值得考虑？

当雇主认可颁发机构，且证书能够检验具体技能时，证书才最有价值。.

根据你所在的领域，一些有用的例子包括：

• 数据管理与分析： 谷歌数据分析, 微软 PL-300
• 网络安全： 谷歌网络安全专业证书 这提供了一个切实可行的起点。那些希望在网络安全领域发展职业生涯的人士可以考虑获得国际认可的证书，例如…… ISC2 网络安全认证 (CC) 或者 CompTIA Security+ 处于基础/职业生涯早期阶段；; ISC2 CISSP 面向经验丰富的网络安全专业人员和领导者；; ISACA CISM 用于安全管理和领导；; ISACA CRISC 用于网络和信息技术风险管理；或 ISC2 CCSP 对于云安全专家而言，选择与职业发展方向相符的认证，而非仅仅为了获得证书而认证。请注意，这些认证并非可以互换。ISC2 的 CC 认证无需任何工作经验，面向新手；而 CISSP 认证则是一项高级认证，面向经验丰富的安全专业人员；ISC2 目前要求 CISSP 认证申请人拥有五年或以上相关经验，但需遵守其经验豁免规则。.
• 云： AWS认证云从业者
• 项目管理： PMI CAPM 或者，对于具有相应经验的专业人士：PMP。.
• 敏捷和 Scrum： 如果你从事的项目需求经常变化，学习敏捷方法可以补充传统的项目管理技能。. Scrum 它是最知名的敏捷框架之一，将工作组织成短的开发周期，并定期进行审查和调整。 scrum.org 专业 Scrum Master I (PSM I) 认证是公认的起点；许多初学者可能需要大约 15-30小时的集中学习和练习, 根据以往经验而定。.

但请遵循以下规则： 不要只问“我应该获得哪个证书？”

问： “我应该掌握哪些能力？证书是否可以作为掌握这些能力的有效证明？”

这颠倒了优先顺序。.

 

三个学习预算

不是每个人每周都能抽出六个小时。这没关系。.

最低计划——每周 2 小时

大约 每年100小时. 。 花费：

• 30小时学习人工智能,
• 20 数据，,
• 10. 网络安全，,
• 15. 沟通,
• 25分，专业领域25分。.

仅此一点就能让你走上持续学习的道路。.

认真计划——每周 5 小时

大约 每年250小时. 。 花费：

• 40小时学习人工智能/技术，,
• 50 分（数据/分析思维）,
• 30. 沟通,
• 30 分（项目/领导技能），,
• 100 分，专业方向。.

这足以带来显著的职业变化。.

转型计划——每周10小时

大约 每年500小时. 如果您正在转换职业、创建公司、尝试进入技术行业或有意加速职业发展，请使用此方法。.

大约花费：

• 100小时基础课程，,
• 300小时专业能力培训,
• 100 小时的建筑项目。.

在这种高强度下，不要只是简单地选修课程，而应该产出实际成果。.

 

学习的70/20/10法则

一旦你掌握了基础知识，就可以尝试大致按以下方式组织开发工作：

• 10% 学习概念课程、书籍、讲座和辅导。.
• 20% 指导练习练习、反馈、指导和结构化作业。.
• 70% 执行项目、工作、实验和解决实际问题。.

百分比不必非常精确，原则很重要。.

不要把一生都浪费在为变得有能力而做准备上。. 做需要能力的事情。.

 

创建“技能证明”作品集

到十二个月结束时，目标是至少 三项确凿证据.

例如：

• 人工智能： “我利用人工智能重新设计了我们的每周报告工作流程，并将准备时间从 4 小时缩短到 90 分钟。”
• 数据： “我分析了 5 万笔交易，并构建了一个 Power BI 仪表板，用于识别我们最赚钱的客户群体。”
• 项目管理： “我管理了一个六人项目，该项目在预算范围内完成，并且比原计划提前了两周。”
• 营销： “我创建并测试了一个营销活动，将转化率从 2.1% 提高到 3.4%。”
• 工程： “我设计并制造了一个可运行的原型。”
• 创业精神： “我推出了一款产品，并获得了前100名付费客户。”

这些陈述比“完成了17门在线课程”更有说服力。”

 

构建个人学习系统

最终目标并非完成本文提出的建议，而是创建一个能够持续运行的系统。.

每三个月，问自己五个问题：

1. 哪些技术的能力得到了显著提升？ 尤其是人工智能。.
2. 我的工作中哪些部分越来越容易实现自动化？ 学会使用自动化功能，而不是忽视它。.
3. 在我的行业中，哪些技能变得越来越重要？ 浏览招聘广告。与雇主交谈。与客户交谈。.
4. 我个人在哪些方面会变得过时？ 虽然不太舒服，但却非常有用。.
5. 接下来我应该学什么？ 选择一两件事，而不是十五件。.

 

您的2030年个人仪表盘

每六个月进行一次自我评估。.

每个方面评分范围为 0 到 3 分：

能力	你的得分
人工智能素养	/3
数据素养	/3
技术素养	/3
网络安全	/3
分析思维	/3
创造性思维	/3
沟通	/3
项目执行	/3
领导	/3
金融素养	/3
适应性	/3
学习能力	/3
领域专业知识	/3

不要将分数相加。 不是考试.

寻找弱点。拥有卓越领域专业知识但对人工智能一窍不通的人存在一个问题。精通人工智能但缺乏沟通或执行能力的人则存在另一个问题。所有方面都得分为“1”的人可能需要开始深入学习。.

你的仪表盘应该能帮助你决定接下来要学习什么。.

 

一年挑战（化繁为简）

如果这些选择仍然让你感到不知所措，那就几乎忘记以上所有内容。在接下来的十二个月里，你只需要做这件事：

• 第一个月： 学会如何学习。.
• 第二个月： 学习人工智能基础知识。.
• 第三个月： 在实际任务中大量使用人工智能。.
• 第 4 个月： 提升电子表格和数据处理技能。.
• 第 5 个月： 学习基础统计学和分析思维。.
• 第六个月： 改善沟通。.
• 第7个月： 学习网络安全基础知识。.
• 第 8 个月： 学习项目管理。.
• 第九个月： 学习基本的金融/商业知识。.
• 第十个月： 学习与你职业相关的技术。.
• 第 11 个月： 精进一项专业技能。.
• 第 12 个月： 结合这些能力，创造出某种东西。.

你不可能成为所有领域的专家，这并非我们的目标。一年后，你应该比一年前更了解现代职场。然后重复这个过程，但要更深入一些。.

最重要的原则：不要等到“需要”这项技能时才去学习。

人们常常在经历某些事件后开始重新培训。他们可能失业，公司引入人工智能，职业发生变化，年轻的竞争对手带着新技术出现，或者某项技术突然成为标准配置。.

这时，学习就变得迫在眉睫。.

更好的策略是在一切顺利的时候学习。每周花几个小时投资于你的技能。 未来的自己.

每周五小时：

• 一年 = 大约 260小时
• 三年 = 大约 780小时
• 五年 = 大约 1300小时.

想象一下两个能力相当的30岁年轻人。一个大学毕业后就停止了学习。另一个每周投入五个小时，学习精心挑选的新技能。.

到了35岁，他们的能力就不再相同了。.

这就是终身学习的潜在力量： 技能复合。.

那么，你这周应该做什么呢？

不是明年，也不是“2030年之前”，而是这周。.

做四件事：

1. 第一的： 使用上方的技能仪表盘进行自我评估。.
2. 第二： 找出你最大的、最相关的差距。不是你最有趣的差距，而是影响最大的差距。.
3. 第三： 选择一门课程、一本书或一个实践项目。.
4. 第四： 在你的日程表上预留三个小时。.

然后开始。.

不要制定完美的五年学习计划。技术发展日新月异，计划不可能始终完美。相反，应该开发一个更好的系统：

学习 —— 申请 –> 建造 —— 审查 —— 适应 —— 重复。.

这才是真正的2030年技能发展规划。.

因为那些对未来准备最充分的人，未必是那些正确预测了 2030 年会是什么样子的人。.

他们将成为那些在以下方面表现异常出色的人： 随着现实的变化而不断调整。.

 

——————————-

 

信息图：2030年最重要的技能

---

1. 人工智能素养

人工智能素养是指对人工智能有充分的了解，能够在不盲目信任的情况下自信地使用它。这包括至少在实践层面上了解生成式人工智能和大型语言模型的工作原理，它们为何有时会“产生”看似可信但实则虚假的信息，上下文和提示如何影响它们的回答，以及隐私、版权和偏见等问题在其中扮演的角色。此外，人工智能素养还日益意味着理解多模态人工智能，它可以处理文本、图像、音频和视频等多种类型的数据，以及能够执行一系列任务而不仅仅是回答单个问题的AI智能体。.

然而，真正的技能在于学会…… 与人工智能合作，而不仅仅是向它提问. 一位熟练的AI用户可以利用它来分析文档、研究不熟悉的领域、比较不同的方案、分析电子表格、准备会议、改进演示文稿、集思广益或挑战自己的推理。更高级的用户则可以利用AI来自动化部分工作流程、分析成千上万的客户评论，或者在无需成为专业程序员的情况下创建简单的软件。无论哪种情况，人类仍然需要负责设定目标、提供背景信息、评估输出结果并决定如何处理。这种AI能力与人类判断的结合，可能远比擅长撰写巧妙的提示语重要得多。.

---

2. 技术素养

具备技术素养并不意味着懂得如何构建遇到的每一个系统。它指的是对云计算、API、数据库、网络、网络安全、自动化、软件即服务和数字身份等技术有足够的了解，从而理解现代数字世界是如何运作的。此外，它还意味着对互联设备、人工智能系统和基本编程逻辑有一定的理解。正如管理者无需成为电工就能了解电力的用途和局限性一样，未来的管理者或许无需成为软件工程师，但应该具备足够的知识，能够向工程师提出有见地的问题，并理解答案的含义。.

培养这种素养的最佳途径并非仅仅依靠理论。不妨尝试搭建一个简单的网站，自动化一项重复性任务，连接两个应用程序，体验人工智能辅助的工作流程，或者创建一个基础的仪表盘。你甚至可以请人工智能编码助手帮你构建一个小型应用程序，然后让它逐行解释代码的功能。一旦你不再把技术视为只有专家才能触及的领域，它就会变得不再那么令人生畏。.

---

3. 数据素养

数据素养始于对数字保持理性怀疑。当有人展示统计数据、图表或看似精美的仪表盘时，你应该本能地思考数据来源、样本规模和代表性、实际测量的是什么，以及结论是否真正基于证据。两件事之间的相关性并不一定意味着一件事导致了另一件事；平均值可能掩盖群体间巨大的差异；精美的图表也可能极具误导性。.

培养这种能力并不需要成为统计学家。首先要真正熟练地使用电子表格、百分比、比率、平均值、分布和基本概率。学习抽样原理，理解相关性和因果关系的区别，并能够创建和解读图表和仪表盘。基本的 SQL 知识越来越有用，因为它允许你直接向数据库提问。然而，最终，最有价值的数据技能并非计算另一个数字，而是能够解释数据背后的含义。 这些数字意味着什么，我们应该对它们有多大的信心，以及它们应该引导我们做出什么决定。.

---

4. 大数据

“大数据”听起来像是科技公司专属的专业领域，但其基本概念其实很简单。传统的商业分析可能只需要一个包含两万名客户的电子表格；而现代企业可能需要分析数十亿条交易记录、点击数据、GPS信号、医疗读数、照片、对话或传感器测量数据。传统工具已无法高效处理如此庞大的数据量、高速传输和多样化的数据，因此企业纷纷采用云数据库、数据仓库、数据湖和专门的处理技术。.

大多数人可能永远不需要构建这些系统。然而，他们仍然应该了解诸如以下术语的含义： 结构化和非结构化数据、数据仓库、数据湖、实时分析 和 机器学习 实际上，花十到二十个小时来培养这种概念理解，可以大大简化关于现代商业和技术的对话。对于那些发现自己对这个领域感兴趣的人来说，大数据也可以成为一个专业的职业方向，涉及 SQL、Python、云平台、数据库、Spark 和数据工程等领域。.

---

5. 网络安全

网络安全不再是普通员工可以放心交给IT部门的事情。即使企业花费数百万美元保护系统，也可能因为有人点击了看似可信的钓鱼邮件或重复使用了被盗密码而遭受攻击。随着人工智能使欺诈性电子邮件、语音、图像甚至视频越来越逼真，基本的数字安全防护将成为日常职业素养的一部分。.

因此，每个人都应该知道如何识别网络钓鱼和社会工程攻击，使用密码管理器和多因素身份验证，保持软件更新，维护适当的备份，并安全地共享敏感信息。他们还应该了解勒索软件、不安全的Wi-Fi、深度伪造和人工智能诈骗带来的基本风险。所有这些都不需要成为网络安全专家。对大多数人来说，只需几个小时的专注学习就能消除一些最危险的数字知识漏洞；而对于管理者和企业主来说，这个问题更值得重视，因为别人的安全失误很快就会变成自己组织的问题。.

---

6. 分析思维

分析性思维本质上是将复杂的问题转化为可以分析和解决的问题的能力。它包括将大问题分解成小问题，区分假设和证据，找出根本原因，识别偏见，比较不同的解释，以及理解概率。它还意味着能够在证据不完整的情况下做出决策——而这正是现实世界中大多数重要决策的运作方式。.

具有讽刺意味的是，这种能力可能会变成 更多的 随着人工智能能力的不断提升，其价值也日益凸显。生成答案、报告或建议的成本已变得异常低廉；然而，判断这些答案是否合理却并非易事。当人工智能能够在几秒钟内生成看似可靠的解释时，人类的提问能力便变得尤为珍贵： 这一结论基于哪些假设？有哪些证据支持这一结论？有哪些被忽略了？还有哪些其他解释可以符合同样的事实？ 你可以养成的一个最简单的习惯是，每当人工智能给出重要答案时，都要提出问题： “有什么证据可以证明这是错误的？”

---

7. 创造性思维

人们常常将创造力与艺术天赋混淆，但职场中的创造力涵盖范围更广。它指的是审视现有情况并设想出切实可行的替代方案的能力：例如，解决问题的另一种方法、更简化的流程、新产品、不同的商业模式，或是现有想法的意想不到的组合。工程师重新设计生产流程、护士找到更好的病人护理组织方式、企业家发现被忽视的客户问题，这些都是在运用创造力。.

生成式人工智能以一种有趣的方式改变了这一过程。当机器能在几秒钟内产生 50 个想法时，仅仅产生想法就变得不再稀缺。人类的贡献越来越多地转向决定哪些想法值得追求，识别真正原创或有用的想法，整合有前景的元素，并将抽象的可能性转化为可行的方案。在这种环境下，未来的创意专业人士可能会越来越像…… 导演、编辑和策展人, 不仅仅是生产者。.

---

8. 沟通

沟通远不止于自信地表达。它还包括清晰地写作、用简洁的语言解释复杂的概念、认真倾听、提出好问题、进行演讲、讲故事、面试、谈判、说服、提供有用的反馈以及在不破坏人际关系的前提下处理分歧。在日益国际化的职场中，沟通还意味着学习如何跨越不同的文化、年龄和专业背景进行有效沟通。.

人工智能不太可能使这些能力变得无关紧要。在某些方面，它反而会使这些能力更有价值。当几乎任何人都能写出一篇合格的1000字报告时，稀缺能力就显得尤为重要。 究竟需要说什么，对谁说，以及以何种形式说。. 高管可能需要用五句话解释同一个主题，而工程师则可能需要五页纸。客户关注的产品方面可能与设计师关注的完全不同。人工智能可以帮助构建信息，但理解受众仍然是一项需要高度人类技能才能掌握的技能。.

沟通技巧无法完全通过课程习得。写作、演讲、谈判、向非专业人士解释复杂问题、进行令人不适的对话、倾听与你意见相左的人、寻求反馈，这些都是练习的必备技能。学习时间提供的是框架，而随后数百次的真实对话才能真正培养出这项技能。.

---

9. 适应性、韧性和敏捷性

适应能力或许是未来十年最被低估的职业技能之一，因为它决定了当你所有其他知识过时后该如何应对。今天毕业的学生最终可能会从事一些目前几乎不存在的职业，而一位45岁的专业人士可能会眼睁睁地看着自己二十多年积累的职业生涯中的某些部分在短短几年内就被自动化取代。在这种环境下，最能适应环境的员工未必是当下知识最渊博的人，而是那些能够面对陌生事物并自信地思考的人： “我现在还不懂，但我知道怎么学。”

韧性与适应性密切相关，但不应将其与仅仅忍受无休止的压力或恶劣的工作环境混淆。职业韧性是指在计划失败时能够迅速恢复，从挫折中吸取教训，并在不确定性中继续工作的能力。适应性更进一步：它意味着当现实发生变化时，愿意改变自己的方法、假设甚至职业身份。韧性和适应性相结合，能够创造出极其宝贵的特质——即使周围环境不断变化，也能保持自身价值的能力。.

---

10. 终身学习

在二十世纪的大部分时间里，教育遵循着一种相对简单的模式：先学习，毕业，进入某个行业，然后花几十年时间运用所学知识。这种模式正变得越来越难以维系。现代职业生涯更有可能在工作、学习、专业化、再培训和再次学习之间反复转换。教育正逐渐变成一种偶然事件。 贯穿整个职业生涯，而不仅仅是在职业生涯之前。.

这使得学习本身成为一项专业技能。理解间隔重复、检索练习、刻意练习、反馈、专注力、记忆力和元认知——了解你个人的学习方式——可以让你未来每一小时的学习都更加高效。很难想象还有比这更具通用性的能力。编程语言最终可能会过时，某个特定的软件包可能会消失，但无论未来如何，快速自学一门陌生学科的能力几乎始终有用。.

---

11. 项目管理

创意层出不穷，但可靠的执行却难上加难。项目管理是一门将意图转化为成果的学科，它需要兼顾目标、范围、利益相关者、截止日期、预算、风险、资源以及过程中可能出现的各种意外情况。正因如此，这项技能才能在不同行业间广泛应用。电影制作人、建筑公司、软件团队、医院、非政府组织和创业者或许生产截然不同的产品，但他们都需要协调人员和资源，在既定的约束条件下交付成果。.

敏捷、Scrum 和传统项目管理框架等正式方法固然有用，但其背后的能力比术语本身更为重要。你需要学习如何定义成功标准、将工作分解成易于管理的小块、识别依赖关系、明确职责、预见风险，并在出现问题时确保项目顺利进行。然后，真正开始执行项目。证书可以证明你理解框架；而成功完成的项目则证明你具备相应的能力。 让事情发生。.

---

12. 商业、金融和商业素养

你不需要MBA学位就能理解商业的基本运作机制，但几乎每个人都能从了解企业如何盈利（以及亏损）中获益。至少，你应该了解收入、成本、利润、毛利率、现金流和营运资本的含义；理解基本的定价、利息、投资回报和客户获取；并能够熟练地阅读损益表、资产负债表和现金流量表。其中一个特别重要的知识点是，理解为什么一家公司账面上看起来盈利，却仍然会面临现金短缺的问题。.

随着职业发展路径变得越来越非线性，商业素养的重要性也日益凸显。越来越多的人会选择自由职业、咨询、经营副业，甚至最终成为企业家；即使是传统的雇员，也越来越需要从成本、收益和可衡量的结果等方面来论证项目的合理性。了解价值的创造方式、客户的获取方式，以及看似微小的定价或成本决策为何会对盈利能力产生巨大影响，不仅能让你成为更优秀的员工，也能让你成为更出色的企业主。.

---

13. 领域专业知识

成为技术通才，对各方面都略知一二，却在任何特定领域都缺乏真正价值，这其中存在着风险。更有效的做法是将现代工具与某一实际领域的深厚知识相结合。人工智能与医学、法律、物流、金融、工程、教育、农业、市场营销、建筑、酒店或制造业等领域的结合，往往比孤立的人工智能知识更有价值。技术提供杠杆作用；领域专长则指引方向。 在哪里以及如何应用它.

这也是为什么经验丰富的专业人士不应仅仅因为出现了新技术就轻易放弃数十年积累的专业知识。一位学习人工智能的物流专家可能比一位试图从零开始学习物流的人工智能爱好者更有价值。一位了解医疗人工智能的医生所拥有的优势，是传统临床知识或技术本身都无法提供的。因此，目标往往不应该是取代你现有的专业知识，而是…… 放大它。.

---

14. 建立能力证据

在线教育的爆炸式发展背后隐藏着一个陷阱： 即使你的实际能力几乎没有变化，学习也能让你感到富有成效。. 观看100小时的讲座并不等同于获得100小时的实践经验，就像观看烹饪节目并不能让人成为厨师一样。课程的价值在于它们提供了结构化的学习框架、讲解和指导练习，但知识只有在反复运用时才能转化为技能。.

因此，一个有用的原则是将理论学习与实际应用相结合。如果你学习Excel，就去分析一些实际问题；如果你学习Python，就去构建一些程序；如果你学习人工智能，就去重新设计一个实际的工作流程；如果你学习沟通技巧，就去做演讲，去应对棘手的对话；如果你学习项目管理，就去管理一个项目。其目标是让教育真正发挥作用。 能力证明, 而不仅仅是证明你摄入了教育内容。.

---

15. 认知独立性

人工智能可以越来越多地为我们写作、总结、计算、研究、编写代码、集思广益和设计。它也可能越来越多地为我们推荐决策、组织工作并执行以前需要耗费大量脑力的任务。所有这些都能极大地提高我们的生产力。但这也带来了一个不太明显的风险：当思考变得不方便时，我们可能会逐渐将过多的思考工作外包出去。.

因此 认知独立性 这或许会成为一项意想不到的重要未来技能。坚持阅读篇幅较长、难度较高的文章。偶尔尝试独立写作，不要依赖人工智能。在理解计算过程至关重要时，务必亲自进行计算。积极参与辩论，学习重要知识，解决陌生问题，并从一张白纸开始创造。你无需像前人那样排斥人工智能，就像他们无需排斥计算器或搜索引擎一样。关键在于确保便利性不会悄然削弱你的推理能力，尤其是在机器出错或决策至关重要、不容外包的情况下。.

因此，人工智能应该被视为一种 它是人类能力的放大器，而不是人类能力发展的替代品。. 理想的未来工作者既不是只能依靠人工智能工作的人，也不是自豪地拒绝使用人工智能的人。他们应该能够独立思考，并利用人工智能显著提升自身能力。.