AI 刚刚打破了施行 40 年的职业模式

作者：Ben Yoskovitz | 来源：SandHill.io

Ben Yoskovitz

2026年3月17日

---

你可能听说过“T型人才”这个词。它在商界和科技界已经流传了 40 多年，并且经久不衰是有原因的。

这个概念可以追溯到 20 世纪 80 年代，当时 McKinsey & Company 开始在内部用它来描述理想的顾问形象。1991 年，David Guest 公开创造了这个词，使其进入了主流商业对话。到 2001 年，《哈佛商业评论》在一篇关于 T 型管理者和知识共享的有影响力的文章中为其正式下了定义。随后，IDEO 的 CEO Tim Brown 在 2010 年的一次采访中将其推广给了更广泛的受众，这次采访也成为了该模型被引用最多的阐述。

该模型传播得很快。它被融入了敏捷方法论、人才招聘、职业发展框架和绩效管理体系中。

McKinsey 至今仍在使用它。2023 年 CompTIA 对美国和英国的人力资源及学习与发展（HR and L&D）专业人士进行的一项研究发现，公司仍积极使用 T 型模型来指导人才管理和培训。在被创造出来四十多年后，它仍然是衡量优秀员工的主流心智模型。

它的视觉形象很简单，这也是它奏效的部分原因：

T 的垂直部分 = 在一个领域的深度专业知识。你的专长，人们雇佣你的原因。
T 的水平部分 = 足够的广度以进行跨学科协作。能够与来自其他职能部门的人共处一室，并真正为对话做出贡献。

研究也证实了这一点。对敏捷团队的研究一致表明，在处理复杂、模糊的问题时，T 型成员的表现优于纯专家型团队。

随着时间的推移，这个概念得到了完善：π 型（两个垂直部分）、梳子型（多个垂直部分）等等。顾问、未来学家和人力资源从业者不断地对这个模型进行迭代。

但几十年来，其核心思想始终未变：精通一件事，并具备足够的协作能力，能与精通其他事情的人良好合作。

那个模型已经不够用了。

T 型模型的优点（以及 AI 刚刚解锁的能力）

最初的定义比大多数人记忆中的要更加微妙。

在 IDEO 推广该模型的 Tim Brown 这样描述其水平部分：

这是一种跨学科协作的倾向，建立在两件事之上。首先是同理心，即能够设身处地为他人着想，从他们的角度理解问题。其次是对其他学科的热情，“甚至到了可能开始实践它们的程度”。

第二部分是关键。而这正是 AI 刚刚赋予超能力的部分。

在前 AI 时代，对其他学科的热情是存在天花板的。 你可能对工程师的思维方式、数据分析师的工作方式，或者市场营销人员如何进行定位感到由衷的好奇。你可以带着这种好奇心去读书、上课或与人交谈。但要将这种好奇心转化为实际能力需要数年时间。需要学徒期、正式培训，以及你通常没有的时间。

因此，对大多数人、在大多数职位上，水平部分仅停留在“协作和共情”。这确实很有价值，但并未达到执行层面。

AI 消除了这个天花板。

如果你有热情和自己解决问题的天性，现在你真的可以做到了。也许不完美，达不到拥有十年实践经验的专家的水平，但足以构建出真实的东西，完成或交付一些有用的东西，并从实践中不断学习。

好奇心一直是解锁的关键。AI 只是让它的力量呈指数级增长。

我从自己工作中看到的变化

我最近一直在构建很多东西。

一个 LLM/SEO 优化器（如果你感兴趣，请告诉我！)
一个使用 Highline Beta 最佳实践的创新工具包。
一个为 Highline Beta 和我们几家投资组合公司开发的申请人跟踪系统。
一个用于评估企业风险工作室准备情况的 Web 应用程序。
大量用于博客文章内部链接、向我的网站添加 LLM 专业内容、命名截图、去除图片背景等的自动化工具。

这些都是一年前我绝不会碰的东西，因为 (a) 我不认为这是我的工作；(b) 我不具备这些能力。

我是一个产品人，不是一个开发者。但这条界线正以我意想不到的方式变得模糊。

每周我都会在 LinkedIn 上发布我正在用 AI 构建或探索的新事物。这不是在炫耀，只是觉得现在能做到的事情实在太酷了。与此同时，工具在不断改进，你能做的事情在不断扩展，我正在获得的技能——即使不完美——也在改变我对自身工作的思考方式。

就在那时，Tim Brown 最初的框架真正让我豁然开朗。

我一直对相邻学科充满热情。我总是好奇开发人员如何思考，好的系统设计是什么样的，一个能用的产品和一个脆弱的产品之间有什么区别。我从事软件开发已有 30 年，所以我有坚实的知识和经验基础，但现在它正在呈指数级增长。

AI 正在解锁我从未想过可能的事情。我不再仅仅是与开发人员协作，我正在进行开发。在某个层面上，在某个情境下。虽然达不到构建复杂系统的高级工程师的水平，但能构建出可以工作并交付实际价值的真实东西。

好奇心一直都在。AI 只是让我能将它贯彻到执行的最后一步。

AI 实际上对 T 型模型做了什么

对大多数人、在大多数职位上，水平部分只是装饰。

不是无用的装饰。但人们并不期望你交付代码、构建分析或运营广告活动。人们期望你足够理解它，以便指导别人去做，或者为其他专家提供他们完成工作所需的信息。

这种情况正在每个职能部门迅速改变。

市场营销人员正在做数据分析。设计师正在交付代码。运营人员正在构建过去需要整个工程冲刺才能完成的自动化。财务人员正在生成自己的报告，而无需等待数据团队两周。产品经理正在构建他们过去只负责规划的东西。

除此之外，市场营销人员现在正在构建产品。产品经理正在做增长（在我看来，这本应一直是他们的工作），开发人员正在做设计等等。

这不是理论。这是正在发生的事情，在各种规模、各个行业的公司里。

水平部分不再关乎视角，而关乎能力。 真实的、功能性的能力。不是“我能和工程师就此进行对话”，而是“我能自己构建一个版本并进行迭代”。

这是一个不同的标准。无论人们是否准备好，它都将到来。

Wealthsimple 全力以赴

最近，Wealthsimple 推出了一个 AI Builders 项目。请注意他们如何描述他们正在寻找的人才：

“我们正在寻找这样的人：他们看到一个破碎的流程，就忍不住想象它应该是什么样子。他们在模糊不清的情况下行动迅速，端到端地负责解决问题，并仔细思考 AI 应该——以及不应该——在哪些方面承担责任。你的故事告诉我们你的过去，你的构建告诉我们你的未来。”

再深入挖掘一下，你会发现关键信号：他们明确表示你的简历不是一切。学位和经验不是准入门槛，你能构建什么才是。

这是一家拥有数十万客户的大型加拿大金融科技公司，而不是一个只有四个人的初创公司，它在说：旧的能力信号不再自动适用。

他们不是唯一一家。他们只是最早大声说出来的几家大公司之一。

T 型模型建立在你的垂直能力是你的主要价值，而你的水平能力是一个不错的加分项这一假设之上。而 Wealthsimple 和其他公司发出的信号是：我们需要水平能力是真实的。不是软技能，而是跨多个领域的实际功能性能力。

那么新的形状是什么样的？

我对此思考了很多，我认为一个新的字母无法概括它。

π 型、梳子型，这些都只是增加了更多的垂直部分，但这没有抓住重点。问题不在于人们需要两个专长而不是一个。

问题在于水平部分必须变得能够承重。它必须代表实际的能力，而不仅仅是社交能力。

也许我们应该把 T 倒过来……

在旧模型中：

水平 = 视角的广度，主要是软技能
垂直 = 你实际交付价值的地方

在新模型中：

水平 = 跨多个领域的真实功能性能力，由 AI 驱动并贯穿其中

• 垂直 = 仍然重要，但越来越成为基本要求，而不是你的主要差异化优势

它有点像雷神之锤。不是每个人都配得上……

你的专业不会消失。但它本身不再足够，而广度部分也不再是可选项。

AI 赋能学习，而非取代学习

在任何人产生误解之前：使用 AI 并不会让你成为所有领域的专家。我们不要犯傻。

我可以用 Lovable 或 Claude Code 构建一个可用的 Web 应用程序，但我不是开发人员。我懂得足够多以发挥作用，懂得足够多以交付可用的东西。但我懂得还不够多，无法进行大规模的系统架构设计或调试极其怪异的基础设施问题。人们很容易陷入炒作，认为你可以通过“vibe code”解决任何问题。你不能。你需要有足够的基础知识，才能知道 AI 何时在误导你。在某个时候，你需要引入专家。

AI 压缩了在某个新领域变得具备功能性能力所需的时间，但它不会自动为你安装专业知识。

它所做的是极大地降低了行动的启动能量。

那个你总说是“非你领域”的范畴？你现在可以探索它了。而且不仅仅是理论上的。你可以在其中构建一些东西，在其中经历失败，从失败中学习，然后迭代。这个循环过去需要多年的学徒期或正规教育。现在，它可能只需要几周的刻意实验。

这不是魔法。但它改变了任何特定个人可能发展的可能性计算。

真正需要置于水平部分的能力

如果水平部分正在变得能够承重，那么到底需要放入什么呢？我不是在谈论具体的工具——那些变化太快了。我指的是底层的能力。

1. 适应模糊性

那些需要明确指示才能开始任何事情的人将会很挣扎。AI 增强的工作本质上是探索性的。你通常在经历几次流程之前，并不知道自己到底在做什么。如果你在没有详细规格说明的情况下就无法行动，或者你需要大量的手把手指导，那这就是个问题。

2. 实验的速度

愿意尝试某事，看着它失败，理解原因，然后再次尝试。这不是一个正式的过程，而是一种本能反应。那些每周都在发布他们正在学习和构建的东西的人，并不比其他人更有才华。他们只是在进行更多的实验，并因此学得更快。

请通过实践来学习。我近乎恳求你，否则你将被淘汰。

3. 对 AI 输出的判断力

AI 会自信地给你错误的答案（尽管它正在改进）。它会构建出在演示中有效但在生产环境中崩溃的东西。知道何时信任它以及何时提出质疑，是通过使用来培养的技能，而不是通过阅读来获得的。你必须亲自动手才能建立这种判断力。正如 Wealthsimple Builders 项目所暗示的，这种判断力将成为招聘的关键技能。

4. 跨领域的好奇心

如果你只对自己的垂直领域感兴趣，你就无法扩展你的水平部分。现在正在胜出的人是那些对相邻领域真正好奇的人；不是痴迷，而是足以去探索、提问和尝试。

通过构建我的 LLM 优化器，我对 Schema 框架、SEO、FAQ 风格的内容、引用与提及等进行了深入（ish）的研究。我不是专家，但我知道的足以构成威胁（以一种好的方式）。

这不是要成为一个通才。这是关于拥有一个专业，但同时拥有好奇心和能力，能够在一系列其他领域有效运作。这是关于成为一个拥有强大、功能性水平部分的专家。

这就是新模型。它将定义未来十年的职业生涯。