麦肯锡调研 1303 名 HR：AI 时代最值钱的不是会用工具，是这 5 种判断力
Google 在 2026 年 4 月的 Cloud Next 大会上披露了一个数字：内部 75% 的新代码已由 AI 生成，仅需工程师审核。这意味着"会写代码"本身正在贬值——不是因为代码不重要了，而是因为写代码这件事正在变成"AI 干的活"。 麦肯锡 2026 年 HR Monitor 报告调研了 10 个国家、1303 名 HR 从业者，问了一个问题：未来最需要什么能力？ 结果出人意料——排在前面的不是"会写代码"“会用 AI 工具”，而是五种听起来很"软"的能力。更扎心的是，“AI 工具使用能力"的排名在持续下滑。 为什么？因为当所有人都会用 ChatGPT 的时候，“会用"就变成了像"会用 Word"一样的基本功，不再加分。真正拉开差距的，是你用 AI 做了什么——以及你能不能判断 AI 给你的东西到底对不对。这五种能力的共同点不是"做事"的能力，而是"判断"的能力。 一、问题解决：不是解决问题，是知道什么值得解决 排在第一位的是问题解决（44% 的 HR 把它列入 Top 5），比去年上升了 9 位。 但这里的"问题解决"不是你理解的那个。工业时代的问题解决是"接任务→完成”；AI 时代的问题解决是**“判断该不该做→拆解→指挥 AI 完成”**。难点不在技术瓶颈，而在目标模糊、约束复杂、结果不确定。 举个例子：业务说"要不要切入 R290 冷链市场”——这不是市场分析的问题，而是定义"什么场景下值得切入"的问题。你花三个月做的分析再完美，如果问题本身定义错了，结果也毫无价值。大多数人的精力花在"怎么解决"上，但真正稀缺的能力是"这个问题值不值得解决"。 这里有一个反直觉的点：问题解决能力的核心不是"聪明"，而是"谦虚"。 聪明人容易犯的错误是"我觉得我知道问题是什么"——然后花大量资源解决了一个错误的问题。真正问题解决能力强的人，会花 80% 的时间确认"我理解的问题是真的问题吗？"，只花 20% 的时间去解决。 一个经典的踩坑案例：某团队花了半年优化产品的注册流程，转化率提升了 30%——但整体营收没有变化。后来发现，真正的问题不是"注册转化率低"，而是"注册后的用户留存差"。他们解决了错误的问题，浪费了半年时间。 培养这项能力最有效的方法：每周给自己一个"重新定义问题"的练习——任何任务到手前，先问"我理解的问题是真的问题吗？“读《麦肯锡方法》和《金字塔原理》的"定义问题"章节，比学任何新工具都管用。另一个方法是"5 Why 追问法”：对任何问题连问 5 个"为什么"，直到找到根因。大多数人在第 2 层就停了，但真正的问题往往藏在第 4-5 层。 ...