AI越来越能干，人还该学什么？上海世赛64个项目给出新线索

2026年9月22日晚，第48届世界技能大赛在上海开幕。来自68个国家和地区的1385名选手，将在64个项目中展开角逐，大赛于9月27日闭幕。对关注AI与职业变化的人来说，这场比赛提供了一个观察窗口：当越来越多的工作可以交给智能工具，人还需要练好哪些本领？

这次技能大赛值得关注的地方，是把抽象的就业焦虑变成了具体问题：一份工作里，哪些步骤能够自动化，哪些环节仍需要人判断、操作、沟通和承担责任？

64个赛项，呈现的是职业变化的切面

世界技能组织公布，本届赛事新增7个项目：无人机系统、数字交互媒体设计、轨道车辆技术、智慧安防技术、软件测试、口腔修复工艺技术和零售。

这些项目的加入有一套审核程序。世界技能组织会在赛前评估赛项组合，由成员和合作伙伴提出建议，经咨询评审和参赛注册等环节确认。因此，赛项设置能够帮助我们观察产业需求，但不能直接当成招聘数量、工资水平或就业前景排名。

尤其要分清：新增赛项，不等于刚刚诞生的新职业。

软件测试和零售都是如此。它们进入赛场，值得研究的是能力要求，而不是给职业贴上“新风口”标签。

下面三个项目，尤其能说明这种变化。

项目	官方介绍中的工作内容	对学习者的启发（本文分析）
软件测试	制定测试计划、设计用例、执行手动与自动化测试、输出报告	除了找错误，还要判断测试是否充分、风险是否遗漏
无人机系统	建造、测试和维护无人机，涉及飞控、通信、软件等知识	会操作设备只是起点，还要理解系统如何配合运行
零售	服务线上与线下顾客，管理库存、陈列和支付，使用数字工具	商品知识、客户沟通与数字化操作需要结合起来

表中工作内容依据世界技能组织对应项目介绍整理。

可靠性、安全性和效率的系统性工作。

放到日常场景里就很好理解：一个购物系统正常下单没有问题，遇到重复支付、网络中断、优惠叠加时，是否还能正确运行？

这些是帮助理解测试工作的情境举例，并非本届比赛题目。它们说明，完成正常流程，只回答了“能不能用”；检查异常情况，才开始回答“靠不靠谱”。

对AI学习者来说，这也是一个有用的提醒：会让工具生成答案之后，还需要学会设计检验答案的方法。

“受到AI影响”，不等于“整份工作消失”

讨论职业变化，最容易混淆的两个概念，是“任务”和“岗位”。

整理一份报告是一项任务。围绕报告核实信息、协调意见、决定行动并跟踪结果，可能共同组成一个岗位。

国际劳工组织与波兰国家研究机构NASK于2025年5月发布的研究显示，全球约四分之一的就业处于对生成式AI存在一定潜在暴露的职业中。研究强调，多数岗位更可能发生工作内容转型，而非被整体取代。

这里的“暴露”，指工作任务可能受到技术影响，不是四分之一的人将会失业。这项研究讨论的是生成式AI，也不能直接推算机器人和所有自动化技术的综合影响。

由此看世赛，更有价值的问题是：当一个职业里的部分任务能够交给工具，剩余任务会怎样重新组合？

工作保留下来，并不保证原有用工人数、入门门槛和薪酬结构都保持不变。对个人而言，“这个行业还在”，也不足以代替对自身技能的更新。

更值得练习的，是三类能力

结合上述职业要求，本文将值得重点训练的能力归纳为三类。这是分析框架，并非赛事官方发布的“抗AI排行榜”。

第一，处理真实现场的变化。

屏幕上的说明通常是整齐的，现场却可能同时出现设备老化、材料差异、环境变化和信息缺失。

无人机系统涉及飞控、通信链路和软件等多个领域。假设设备出现异常，技术人员需要先确认实际状态，再逐步排查原因。理解原理、检查证据、决定下一步操作，是连在一起的。

这类任务的自动化难度，需要结合具体环境、成本和可靠性要求判断。“需要动手”并不意味着永久安全，但只会照着步骤操作，也很难应对现场变化。

第二，把人的需求问清楚。

世界技能组织对酒店接待的职业介绍，涵盖沟通、社交、问题解决，以及预订、入住和客人服务等多项能力。

设想一位客人说“这个房间不行”。他可能在意噪声，也可能遇到无障碍设施不便，或者认为实际情况与预订信息不符。接待人员首先要弄清楚问题，才能找到合适的处理办法。

这是日常服务情境举例，不是赛事现场记录。它说明，“会说好听的话”和“能解决顾客的问题”之间，还有核实情况、协调资源和跟进结果的距离。

第三，检验结果，作出有依据的决定。

工具给出一个看起来完整的方案后，谁来检查前提是否成立？如果两个目标相互冲突，优先满足哪一个？什么时候应该暂停、补充信息，或者请更有经验的人介入？

对学习者而言，这些问题值得和工具操作一起练。专业知识在这里的作用很具体：帮助你识别遗漏，判断输出能否使用，并向别人解释理由。

中国队的成绩背后，训练如何落到实处？

2024年里昂世界技能大赛，中国代表团获得36枚金牌、9枚银牌、4枚铜牌和8个优胜奖，位居金牌榜、奖牌榜和团体总分首位。

观察人才培养，不能只看领奖台。

人社部公布的本届集训基地通知显示，在253家单位设立了覆盖64个项目的375个中国集训基地。这里的375个是项目基地数量，不能理解为375家不同单位。

具体怎么练，可以从《第48届世界技能大赛参赛集训工作指导意见》中找到答案：

• 有明确标准：依据竞赛规则和技术文件制定训练方案。
• 有团队分工：专家、教练、翻译和集训基地分别承担技术指导、训练实施与保障工作。
• 有阶段考核：安排日常训练、集中考核和强化训练。
• 有异常训练：训练应对设备、环境、工具和材料临时变化的能力，并要求记录训练问题、持续改进。

这些安排不能单独解释所有奖牌成绩，却能说明一件事：可靠的技能，需要在明确标准下反复实践，并通过反馈不断修正。

普通人学习AI，也可以借鉴这个过程。看懂一次演示，与独立完成一次合格交付，是两种不同的学习成果。

学AI，可以从一份真实任务开始

对已经有工作经验的人，不必只围绕新工具名称安排学习。可以先选自己熟悉的一项任务，做一次完整练习。

比如，做内容的人练习一篇有出处的行业解读；做销售的人练习一份基于真实需求的方案；做技术支持的人练习一份能够复现问题的故障记录。

本文建议按照以下顺序开展：

1. 写清交付标准。谁会使用结果？哪些信息必须准确？怎样才算完成？
2. 选择适合交给AI的步骤。例如草拟结构、归纳已有材料、提出待检查的问题。
3. 人为加入变化。补充一条冲突信息，修改一个客户要求，检查原方案是否仍然成立。
4. 记录修改依据。保留初稿、错误、核验过程和最终版本，让下一次工作有经验可用。

世界技能组织的职业标准，本身就强调从业者需要知道什么、理解什么、能够做什么，并与产业界协商更新。

这也适合成为AI学习的自检方式：工具学过以后，我究竟多完成了什么？

上海世赛提供了64个观察职业的窗口。对于站在赛场之外的人，值得带走的是一个具体问题：当工具完成基础步骤后，我能否把余下的问题处理好，并交付一个经得起检查的结果？

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）