围绕新一轮技术应用加速落地，“岗位会不会被取代”成为不少行业从业者的焦虑来源。
在上述活动中，凯文·凯利提出，“登山式创新”更多是沿既有路径优化效率，“造山式创新”则是开辟新领域、提出新问题。
其核心判断是：新技术能够在既定框架内提升执行效率，但对价值取舍、责任承担和问题定义仍难以覆盖，因此更可能重塑工作方式，而非简单替代职业本身。
问题在于，社会讨论往往把“职业”与“任务”混为一谈。
现实中，大多数岗位并非单一技能的重复劳动，而是由多项任务组成的流程链条：既包括信息收集、资料整理、方案生成等可标准化环节，也包括沟通协调、风险评估、伦理权衡等强情境环节。
新技术更擅长处理前者，却难以对后者给出可被普遍接受的答案。
因而，岗位受到影响的主要表现并非“消失”，而是“任务再分配”和“能力结构升级”。
原因主要来自两方面。
一方面，技术的优势在于从海量数据中发现规律、在既有规则内进行高效率运算与生成，这使其在文本处理、知识检索、流程辅助等场景中更具生产力；但其输出仍依赖既有数据与设定目标，难以主动提出真正意义上的“新问题”，更难在价值冲突中作出承担后果的选择。
另一方面，工作不只是完成任务，还包含责任与学习：一旦出现偏差，需要有人解释、纠错、补救并对结果负责；同时，很多行业知识更新快、场景变化大，要求从业者持续学习并把新知识嵌入具体情境。
相比之下，技术工具的更新往往具有阶段性和版本化特征，难以替代人的动态理解与长期积累。
这种差异在医疗等高复杂度行业体现得更为明显。
即便技术工具能够提供基础诊断参考、提出治疗方案建议，甚至在知识覆盖面上不断扩展，但医疗决策并不只追求单一的“最优疗效”。
患者家庭承受能力、治疗风险与痛苦程度、对不同方案的偏好与恐惧、对长期生活质量的期待等，都需要在沟通中被理解与权衡。
这些工作不仅涉及信息，更涉及同理心、伦理判断与信任建立。
由此，技术更可能成为医生的助手：提供知识支持与流程辅助，由人来完成价值判断、风险沟通和责任担当。
影响层面看，技术应用普及将带来三方面变化：其一，岗位内部的“可替代任务”比例上升，重复性工作将被压缩，更多精力转向决策、沟通和创新；其二，效率差距将扩大，能熟练使用新工具的人更易获得时间优势与产出优势，形成新的能力分层；其三，组织管理将更重视责任边界与合规治理，尤其在关键行业，如何界定工具建议与人的最终决策、如何溯源错误与纠偏，将成为必须回答的问题。
凯文·凯利也强调，当前缺乏新技术直接引发大规模裁员的明确证据，相反，多项研究提示，日常使用相关工具的员工平均效率更高，这意味着短期内更可能出现“增效与重构”，而非“全面替代”。
对策方面，个人与组织都需要更主动的适配。
对个人而言，应从“担心被取代”转向“学习与协作”：把工具视为提升信息处理与方案生成效率的助手，重点补足自身在问题定义、跨部门协同、风险判断、客户沟通等方面的能力。
同时，应强化对输出结果的校验意识，形成“可追溯、可解释、可复核”的工作习惯，避免把责任外包给工具。
对组织而言，一要完善培训体系与岗位再设计，推动员工把时间从重复劳动转移到高价值环节；二要建立清晰的责任链条与审核机制，在关键流程中保留必要的人类把关；三要推动数据治理与合规建设，为技术使用提供可持续的制度基础。
前景判断上，新技术对职场的长期影响更接近“通用工具普及”带来的结构性升级，而不是单线条的替代叙事。
正如个人电脑普及后，“不会用电脑”成为竞争劣势，未来同样可能出现“不会使用新工具”而失去机会的情况。
与此同时，人类在“造山式创新”上的优势将更为凸显：提出新问题、建立新框架、在价值冲突中作出选择并承担后果，这些能力将成为高质量发展所需的人才核心素质。
凯文·凯利在演讲中强调的乐观主义，也可视作一种面向未来的理性选择：相信改进可能发生，才会有人投入研究、发明、改革与探索。
AI的出现标志着人类社会进入新的发展阶段，但这不是人类工作的终结，而是工作形态的深刻变革。
关键在于认清AI的能力边界，理解工作的本质，主动适应和拥抱技术进步。
那些能够与AI协作、发挥人类独有的创造力、责任心和同理心的人，将在未来获得更大的发展空间。
这既是对个人的启示，也是对整个社会的提醒：面对技术变革，理性乐观、主动学习、人机协作，才是正确的应对之道。