从这一讲开始我们就进入了正式报告的第一部分，在这个部分我要跟你讨论的是2020年职业选择上的一些新趋势。
为什么要花大力气跟你讲职业选择问题呢？原因很简单：普通人财富累积的主要来源就是职业收入。不管是中国还是美国，居民可支配收入大约有70%都来自“劳动性所得”。更何况，一个职业、一个行业的宽度和深度，其实决定了一个人发展的上限和下限，那种“上升期”的行业，即使是普通岗位，也是个人上升的巨大杠杆。
比如说，80年代时国营大工厂的采购员，90年代的外贸业务员、外企白领，2000年代初的银行业务经理，2010年后的BATJ的IT工程师等等，这些都是令人艳羡的好工作，不仅薪水高，而且这些行业里的机会让很多人挖掘到了第一桶金，从而从“人赚钱”进入到“钱赚钱”的阶段。但是你要是将这些职业（行业）选择倒一下时间顺序呢？结果就完全不一样了。
上一讲我跟你讲过，2020年前后，中国的经济增长和财富逻辑会发生重大变化，全球也处在从“信息化”向“智能化”转变的技术革命拐点：这些大转折使得“好职业”和“坏职业”呈现出了和以前不一样的特征。所以，在第一部分接下来的几讲里，我要用具体的案例、问题给你讲清楚新的好职业的特征，以及选择职业的正确逻辑。
比如说，我最经常被问的一个问题是：老师，我想让孩子学金融，您觉得可以吗？
一、2020年，金融行业还是好选择吗？
想学金融不奇怪。过去一二十年，金融行业绝对处于职业链的顶端，很多家长和年轻人都挤破头想进金融行业。各大高校的金融专业的录取分数总是最高的几个。
但这个逻辑以后不再是绝对真理了。未来十年，很多金融行业的员工都面临很高的失业风险：
比如说，银行柜员、大堂经理这些传统基层岗位就会大量消失。像中国四大行这几年已经裁了近8万人，为什么？因为银行实现网点智能化，各种智能机器现在已经可以承担90%以上的业务。
原来最风光的信贷员也面临下岗风险。像阿里巴巴旗下的网商银行，一年服务上千万家小微企业（2018年是1227万），使用的全是基于大数据和人工智能技术的零人工干预的放贷流程，可以做到3分钟内完成申请，贷款10秒钟内到账。整个银行没有一个信贷员。
还有，投行交易员，甚至数据分析师也要失业。高盛用软件工程师替代交易员，大约1个软件工程师能代替4个交易员。现在这个趋势还在蔓延，有研究估算，从2020年到2025年的5年内，华尔街大约有10%的岗位要消失掉。
这些都不是个案。很多人没有意识到，金融其实是人工智能替代概率很高的行业。
牛津大学的Frey和Osborne两名学者做了一项研究，他们将不同行业可能被人工智能替代的概率算了出来。根据他们的数据排名，金融行业的人工智能替代概率平均高达69%。除了信贷员以外，金融行业里有不少工作，比如预算分析师、保险承保人、会计师、税务稽查员，这些职业被人工智能取代的概率都超过了90%。相比之下，服务业被人工智能替代的概率平均才不过43%。
二、金融行业的职位大多是“可编码”工作
流水线工人被机器人取代，这好理解，但为什么像金融这样高学历、高门槛的行业也会是人工智能时代的高危行业呢？
这其实就是人工智能这次技术革命很不一样的地方。之前几次技术革命大多是以机械取代人力，完全没有涉及我们人类最引以为傲的“脑力”活动。所以，基于“读写算”这些能力的职位大多是上个时代大家心目中的“白领高端工作”。
但是“人工智能”的出现开始入侵到人类脑力活动了。
人工智能的本质其实是“数据智能”，意思是人类找到行为中的规律，编出算法，然后依靠海量的大数据，让计算机去学习和模拟这个过程，然后作决策。所以，任何一类职业，只要工作内容里有很多可重复的细节，有明确的任务目标，那就很容易被计算机算法进行编码，形成程序——这种工作就叫做“可编码”工作。而未来，在这些工作中，计算机会利用强大的计算能力，通过海量数据的学习，快速掌握并优化这些技能，将人类远远落下。
比如说资料阅读、记忆、复述、数据分析、总结——这些原来都是高门槛的人类技能，但在人工智能的冲击之下，这些技能会迅速贬值，相关职业的技能护城河会被转瞬冲垮。
很不幸，金融行业大量岗位都是这种“可编码”的工作。柜员、理财经理、信贷审核员这些职业，工作内容都是看材料、查报表、打电话、审核信息、按照模型评估风险这些高度“程序化”和“流程化”的工作，人工智能对他们的冲击，比我们想象的大得多。
三、金字塔型职业v.s.扁平型职业
那这是不是意味着以后孩子就不要学金融呢？
回答却是：不是这样的。
因为金融是个大行业，细分职业很多，各个细分职业的人工智能替代概率的差距也非常大：金融行业里，大约有60%的职位人工智能替代概率极高，超过90%，但是也有25%的职位人工智能替代概率很低，不到30%。
实际上，像金融这样的行业，各种细分职业呈现的是一种“金字塔”的形状：大部分基层到中层岗位都是可编码型的，而处于金字塔顶尖的少部分职位反而更加“不可替代”，行业的财富会更加向这部分职位倾斜。
比如说俗称的银行家，他们的工作大部分是“找资源，协调关系，平衡利益”——这些顶层的职位，不是“数据驱动”，而是“以人为本”的，而这些技能，恰恰是最不可编码，也无法程序化的。
再比如说优秀的基金经理，即使是量化基金经理，也不是像很多人以为的“依赖数据”，数据只是他们的工具和参照，他们的决策依靠的是经验、直觉、决断力、判断力的综合体，这种能力，也是不会被取代的。
说到这里，其实你就明白了——像金融这种金字塔型的大类职业在人工智能的冲击下，会呈现出两副面目，一方面大量可编码的职位会被取代，另一方面金字塔尖的职位会获得更高收益。
但是要注意的是，这些职位因为具有稀缺性，自然就有了更高的门槛——学历、学校背景、家庭背景都有很大影响。
美国研究表明，商科和经济类专业，只有考入排名前25%的大学，薪水才有显著提高，其余金融毕业生的薪酬就和其他专业没有显著差异了。中国基金经理中，87%都毕业于北大、复旦、清华、上财等12所高校。顶尖私募、投行的高级职位更是常春藤、清北复交的专利。
所以，到底要不要读金融？我的答案是：
如果家境非常优越，或者能考上清北复交、常春藤学校，那么学金融仍然是好选择，但如果是普通一本，甚至在二、三本高校就读金融，那么毕业后大概率会做基层“可编码”的重复性工作，未来的职业危险度可能就比较高。
除了金融以外，还有一些职业也属于这种“金字塔型”，也就是整个行业的人工智能取代指数高于50%，但细分职业差距很大，少数顶尖位置有美好未来。比如说法律、商业、销售，都是这种类型。
和“金字塔型”相对的，就是更“普适”的大类职业——“扁平型职业”。这些行业的人工智能替代率都低于30%，整个行业的差异也相对小。比如说社区和社会服务、管理、医疗保健执业医师和技师、计算机和数学分析等等，对于普通人来说，这些行业（职业）会更有未来。
所以，如果再有人问你金融是不是好职业，或者其他“金字塔型”的行业是不是好职业，你要怎么回答？一定是先看在细分职业上是否可编码。如果可编码，那么未来就非常有可能被人工智能所替代。当你选择职业或者给亲友提供建议的时候，希望你也能摆脱对传统“高大上”职业的迷恋，牢牢地记住这一点。
本章小结
1.职业类型的划分，金字塔型职业和扁平型职业。金融业属于典型的金字塔型职业，职业类型中有65%属于可编码职业，被人工智能替代率达90%。金字塔尖的职业则不容易被替代，并且可以收益比较好。
2.普适类的扁平型职业，也被人工智能替代的比率在30%以下。
今日思考题：
评估一下你所在的行业有哪些职位属于可编码，哪些属于不可编码？是属于扁平型还是金字塔型的行业？
作为农业科研来说，个人感觉应该属于扁平型行业，虽然有部分职位可编码，可以被人工智能取代，但大部分职位是不可编码的。
科研中数据分析、实验检测、数据调查等等这些工作都可以被编码，但是将数据调查结果、检测结果、分析结果有机的统一起来，进行分析判断，并得出具有创造性的答案，我相信这个是人工智能无法达到的，因此在农业可科研中，人工智能确实可以解放一部分劳动力，将科研人员从繁重的计算、原始的调查中解放出来，给科研插上了科技的翅膀，让农业科研更快更好的发展，但是对于需要思考，需要创造的科技人员，被编码的可能性比较小。
网友评论