摘要：“所有文案都在讲技术参数，但用户根本不关心电池密度是 180 还是 200。”

最近刷到某 985 大学停招汉语言文学专业的新闻，评论区炸了：

“早说了文科没出路，现在连高校都用脚投票！”

“AI 都能写报告、做尽调了，文科生迟早被扫进历史垃圾堆。”

作为在咨询行业摸爬滚打 10 年的 “老文科”，我盯着屏幕苦笑：

我们这代人，好像总在为文科的 “有用性” 辩解 ——

毕业时被追问 “学哲学能找什么工作”，

30 岁转型时被质疑 “文案岗要什么中文系硕士”，

如今 AI 浪潮下，连 “人类独有的情感共鸣” 都要被算法挑战。

但别急着焦虑，先看看我在企业咨询中遇到的真实故事：

当 AI 写出 10 万 + 文案时，人类在干嘛？

去年服务一家新能源企业，客户要求 3 天内产出 50 条抖音脚本。

实习生用 AI 工具批量生成后，却卡在了最后一关：

“所有文案都在讲技术参数，但用户根本不关心电池密度是 180 还是 200。”

我带着团队熬夜梳理品牌故事，从创始人辞职卖车搞研发的孤注一掷，

到工程师在实验室吃泡面测数据的凌晨 3 点，

当把这些 “人的温度” 揉进脚本里，那条讲述 “技术理想主义” 的视频，

成了当月唯一破百万播放的内容。

这让我想起某大厂文案总监的感慨：

“AI 能模仿 100 种爆款文风，但永远写不出让用户眼眶一热的‘为什么’。”

AI 的两个致命盲区，藏着文科人的核心竞争力

没错，AI 正在吞噬大量 “标准化工作”：

法律助理的合同审核效率被 AI 提升 80%，

市场分析的竞品报告产出速度比人类快 5 倍，

甚至连我女儿的小学作文，都能被 AI 改得 “文采斐然”。

但在企业管理咨询中，我发现 AI 有两个永远跨不过去的坎：

第一个盲区：创新的天花板

曾辅导过一个传统制造业转型项目，团队用 AI 分析了 10 万条行业数据，

给出的建议都是 “数字化升级”“供应链优化” 之类的标准答案。

直到我们组织了一场 “不按常理出牌” 的头脑风暴：

让技术骨干讲自己第一次修机床的糗事，

请老员工画出车间里 “最有感情的角落”，

这些看似 “不专业” 的讨论，反而催生了 “工业文化体验馆” 的创新模式 ——

用老设备改造的打卡点、工人手写的奋斗故事墙，成了品牌最独特的流量入口。

AI 能重组数据，却复制不了人类跳出框架的想象力。

第二个盲区：价值的坐标系

某互联网公司找我们做 “算法伦理” 培训，起因是推荐系统出了问题：

为了提升用户停留时长，算法不断推送极端情绪内容，

虽然数据好看了，却导致内部员工都开始怀疑 “我们是不是在制造精神垃圾”。

这时候，HR 搬出了伦理学里的 “功利主义 vs 义务论” 讨论，

让技术团队从 “工具人” 视角跳出来，重新思考产品的社会价值。

AI 能执行规则，却定义不了 “什么是值得追求的好”。

文科人，该如何握住 AI 时代的 “魔杖”？

在服务过 500 + 企业后，我发现那些在 AI 浪潮中逆势升值的文科人，都做对了三件事：

1. 把 “软技能” 炼成 “硬壁垒”

别再困在 “写作 / 沟通” 的表面功夫里，

去深挖 “人性洞察 + 系统思维” 的底层能力：

做市场的要懂消费者行为学，

做管理的要研究组织心理学，

这些 “文科内核 + 行业场景” 的组合，才是 AI 难以替代的竞争力。

2. 成为 “技术翻译官”

上周给某车企做内训，发现最受重视的不是纯技术派，

而是既能看懂代码逻辑，又能讲清用户需求的 “跨界人才”。

建议你花 3 个月学一门基础数据分析工具，

不是为了和程序员比敲代码，

而是让自己成为 “技术部门与业务部门对话的桥梁”。

3. 守住 “价值锚点”

见过太多企业沉迷 “数据优化”，却丢了创业初心：

为了 KPI 放弃用户体验，

为了短期增长忽视社会责任，

这时候，文科人独有的 “伦理敏感度” 就成了稀缺资源。

就像我常对团队说的：“我们做方案时，不仅要算 ROI，还要算人心的账。”

写在最后：文科从未 “无用”，只是需要 “重定义”

有人说，AI 时代的文科就像手电筒 ——

当全世界都在追逐太阳般的技术光芒时，

它默默照亮那些阳光照不到的角落：

是消费者差评里藏着的情感密码，

是组织变革中被忽略的人性温度，

是技术狂奔时需要时刻回望的 “为什么出发”。

作为文科生，我们不必和 AI 比 “效率”，

但要永远相信：

这个世界，既需要能造火箭的人，

也需要能问 “火箭要带人类去哪” 的人。

来源：战略顾问陈西军