皮肤科医生诊断黑色素瘤的准确率，大概 65%。
训练了几个月的 AI，85% 以上。
这是 2017 年 Stanford 发在 Nature 上的研究。
从那以后，AI 在医学影像上的准确率还在涨，医生的准确率没怎么变。
你可能觉得这是特例。
放射科读片、病理切片分析、心电图判读。这些都是医学最核心的诊断环节。AI 在这些领域已经追平甚至超过专科医生。
一个医学博士花了十几年训练出来的东西。AI 用几个月就追到了同一条线上。
中层正在被抽空
过去的职业结构是金字塔型的。顶层少，中层厚，底层多。
AI 出来以后，中层在缩小。整个结构正在变成哑铃型。
顶层还在。能在信息不完整的时候做决策的人，能管理复杂关系的人。这些能力 AI 做不了。
底层也还在。拿着 AI 工具把某个专业做到极致的人，产出反而更高了。
中间的人在减少。
中层的核心价值是「知道」。
知道行业规则，知道标准答案。这些过去需要十年经验才能积累。AI 出来以后，这些知识变得几乎免费。
一个人花十年学会的判断标准。AI 两秒钟就能输出 80 分的版本。不是 100 分，但对大部分场景够用了。
「够用」两个字，就是中层最大的威胁。
因为中层卖的不是 100 分。中层卖的就是那个 80 分。过去 80 分需要经验，现在 80 分免费了。
2013 年，一个人失业后平均 3 个月能重新找到工作，现在是 6.7 个月。
拉长的主要是中层。
医生为什么是典型的中层
医学训练花了十几年，核心训练的是诊断能力。
看症状，做检查。排除其他可能之后，给出结论。这个过程的本质是模式识别。输入症状和检查结果，输出诊断。
模式识别恰好是 AI 最擅长的事。
一个放射科医生一天读 50 张胸片。AI 一天读 50000 张。差距不在努力程度，在任务的性质。只要任务是「输入数据，输出判断」，AI 就能追上来。
病理科也一样。一个病理医生看一张切片，需要在显微镜下反复对比。AI 扫描整张切片只需要几秒，标注出所有可疑区域。
医学博士花了十几年积累的是认知差。比你多见过几千个病例，比你多记住几百条诊断标准。
但认知差是 AI 消解速度最快的一种能力壁垒。
这不只是医生的问题。
高考志愿规划师、财务分析师，都一样。所有靠「知道」吃饭的职业，都在同一条线上。
什么 AI 做不了
凌晨三点，急诊送来一个胸痛的病人。心电图不典型，血液检查还没出来，家属情绪崩溃。
这个时候需要的不是诊断。
是一个能在只有 30% 信息的情况下做决策的人。患者血压在掉，你不能等检查结果全部出来再动手。你要在不确定的情况下选一个方向，然后承担后果。
这个能力叫临床判断力。没有正确答案的时候也能往前走。
AI 能读片子，但不能在信息不完整的时候做决策。AI 能给出诊断建议，但不能做手术。
执行力不是知道怎么做，是真的能做。
这个区别在 AI 时代变得更大了。
而且执行力被 AI 放大了。一个有临床执行力的医生加上 AI 辅助诊断，效率翻了几倍。一个只靠诊断吃饭的医生，AI 替代的就是他最核心的能力。
该往哪走
逻辑很简单。
你的核心价值是认知差，也就是「我比你多知道一些」。那你正在跟 AI 赛跑。而且你跑不过它。
你的核心价值是能力差，也就是「我能做到你做不到的事」。那 AI 在放大你的能力。
对医生来说，方向是从「诊断型」往「执行型」靠。手术能力、复杂情况下的临床决策。这些 AI 一样都做不了。
不是离开医学。是在医学内部换一个位置。从 AI 能替代的位置，换到 AI 替代不了的位置。
对所有人来说，问题是一样的。你现在赚钱，主要靠的是「知道」还是「能做」。
靠「知道」的，现在就该开始转了。不是明天，是现在。
你的核心竞争力是哪种
A. 认知差：我赚的是「比别人多知道一些」 B. 能力差：我赚的是「做别人做不了的事」 C. 两个都有，不确定哪个占比更大 D. 看完这篇才开始想这个问题
评论区告诉我。
关注我
如果这篇文章对你有帮助，欢迎关注我的 X 账号 @rwayne，我会持续分享跨界思考、AI 实战、出海创业相关内容。