AI越来越强，我该选什么职业方向、怎么规划自己的发展？

材料里反复出现的一个立场是：职业选择没有统一答案，别人无法替你选，能提供的是他自己几次换工作的思路和事后复盘⁠1。同一场线下交流里也提到，人生没有标准答案，只能找到适合自己的路径，而且伟大往往不能被计划⁠3。

这不等于“随便选”。它意味着判断标准要落到你自己身上：你已有的积累是什么、你愿意长期成为什么样的人。王路在对话里给了一个可操作的区分——有些目标（比如规律运动）十年后你大概率仍会认可，有些目标（比如极高强度的内容生产）今天有效，但二十年后你未必还认为它值得嵌入生活⁠4。所以与其问“哪个职业不会被 AI 取代”，不如问：这件事做十年，我是否还愿意成为做这件事的人。

Ethan 的判断是：AI 能完成 80% 到 90% 的工作，但最后 5% 到 10% 需要人来收口——判断结果好坏、给反馈、修正、负责。没有领域深度的人很难收口，因为不知道两个答案哪个更好、错在哪里。所以会用 AI 的领域专家会变强，只有工具使用能力而没有 domain 的人容易停在表层⁠2。

这个逻辑和另一段材料互相印证：不要只做表演性劳动，要让 AI 吃掉那些中间环节，把时间留给可验证的成果，并尽量选择能让你为结果负责的位置⁠5。数据科学家那期也讲了一个相关误区——很多人因为训练背景，觉得只有证据无懈可击时才该发言，于是把做判断的权力让给了别人；但其他角色在不确定下也照样做决定，受过科学和逻辑训练的人同样能提供有价值的 input⁠10。

把这两条合起来看：AI 时代更稀缺的，是“有专业判断 + 能对结果负责 + 会用 AI 放大自己”的人。至于具体是法律、金融、后端基础设施还是别的领域，材料没有给出唯一答案，它只说明深度本身是前提⁠2。

材料里有一条路径值得注意，但它有明确条件：那篇讲高收入打工人困局的文章，前提是“已经享受了时代红利、工资还在到账”。在这个前提下，它建议的不是冲动辞职，而是把工资、公司资源、已有 context 和关系，加上 AI 带来的生产力，用来建立第二个支点——先换成现金跑道和可逆的选择，再在收入、能力、attention 上做杠铃型配置，用真实反馈逐步缩小不确定性⁠9。

如果你现在并不处在这个条件下（比如还在读书、收入不稳定、或本职本身就想深耕），这套“保留本职 + 外部实验”的做法不能直接照搬，但它的判断方式可以迁移：不要只问“我该选哪个方向”，而是问“我下一步能做什么小实验，让我更接近真实世界、拿到真实反馈”。材料里也提到，在公司里做事本质上是别人的游戏，接触真实世界才能让想法更贴近 reality⁠6。

一个可以马上试的动作：挑一件你已有积累的事，用 AI 把它做到“能拿给别人看、能被评价”的程度——一份分析、一个作品、一次对外交付都行。观察两点：AI 帮你省下的时间你投到了哪里；以及别人能不能指出你判断的对错。如果没人能评价，说明你可能还缺一个具体领域或真实用户；如果反馈能让你修正判断，你就在积累那种 AI 替代不了的收口能力⁠2,5。