一个职位，一道时代分水岭

今年早些时候，Lila Ibrahim 从 Google DeepMind 首席运营官的位置上，悄然转向了一个新头衔：首席人工智能就绪官（Chief AI Readiness Officer）。根据她最近接受 CNBC 的专访，她可能是全球唯一一个拥有这个职位的人。

这个头衔本身就是一条新闻，值得单独讨论，也值得认真思考它意味着什么。

我们已经习惯了人工智能实验室不断声称自己的模型更强、更快、更安全，也更能理解人类的意图，甚至在某些任务上更接近人类水平。我们也习惯了那些讲解”AI 对就业的冲击”的研究报告，以及各类监管机构关于”AI 治理”的宣言。但在 2026 年，才有一家世界顶级人工智能公司决定专门设立一个高管职位来回答这样一个问题：世界是否已经准备好迎接我们正在建造的这一切？

这个问题之所以不舒服，是因为它隐含着一个承认：我们已经把某些东西放出来了，但我们不确定接受这些东西的人——普通工人、学生、社区——是否有足够的工具、知识和准备来驾驭它们。对于一个正在快速扩张的技术行业来说，这种自我质疑不是常态。常态是”技术中性论”（技术本身无好坏，关键在于如何使用）或者”市场解决论”（用户的需求会引导正确的使用方式出现）。Ibrahim 的职位存在，是对这两种逻辑的隐性质疑——它承认，仅靠市场力量和技术中性，不足以自动产生一个”社会准备好了”的状态。

Ibrahim 在接受 CNBC 的 Julia Boorstin 采访时说，她不会接受这份工作，”除非我相信收益终将超过风险”。这是一种开门见山的承认：在 DeepMind 内部，关于人工智能的社会风险，并不是用一致性乐观情绪掩盖的，而是真实存在争辩的。

她的背景给这句话增添了额外的可信度。Ibrahim 早年曾在英特尔担任工程师，参与了奔腾处理器的设计工作，后来加入 Google DeepMind 担任首席运营官，亲历了从 AlphaGo 到 AlphaFold、从 Gemini 早期版本到 Gemini Ultra 的整个发展历程。作为一个深度参与人工智能开发全过程的内部人士，她选择在这个时间点，把自己的职业重心从”建造人工智能”转向”准备社会接收人工智能”，这个转变本身传递了一种信息：技术的边界不是这份工作最紧迫的问题，社会准备度的边界才是。

“我不是在为 DeepMind 自身准备好，我是在为整个世界准备好”

Ibrahim 花了将近十年时间帮助 Google DeepMind 构建人工智能，并在技术快速推进过程中处理各种棘手的伦理与安全问题。今年她从 COO 转到 AI Readiness Officer，标志着 DeepMind 的关注焦点发生了一次明确的扩展：从”如何建造更好的 AI”，转向”如何确保 AI 建造出来之后，外部世界有能力承接它”。

在采访中，她明确区分了这个职位的边界。这个职位并非关于 DeepMind 内部的人工智能就绪，而是关于”帮助全球的工人、学校和社区理解并适应人工智能正在带来的变化”。范畴从科学研究和天气预报，到教育和职场生产力，再到社区的文化和价值判断。

她对自己工作的定义方式，隐藏着一个微妙的时代判断：AI 能做什么，我们已经在快速摸索中；但人们能不能对 AI 施加影响，能不能成为这个过程的参与者而非被动接受者，这才是关键战场，也是当下最缺乏重视的部分。

“我可能不知道它会做什么，但我知道我们仍然可以——我们有能力去塑造我们到达那里的方式。” 她在采访中说。但她紧随着加了一个前提条件，而这个前提条件非常关键：”除非你与那些将被这一切影响的社区共同塑造，否则你无法塑造正确的未来。”

两句话合在一起，是一个对硅谷主流叙事的温和但明确的纠偏：AI 的未来形态不应该只由实验室决定，它需要和被影响的社区共同构建。这个观点在当前 AI 行业的主流对话里，是相对罕见的。

三个问题与一条分界线

在谈到如何在组织内部推动 AI 使用时，Ibrahim 描述了她在 DeepMind 团队中推广的一套三问法，并把它作为推动 AI 转型的日常工具：

第一问：你如何使用 AI？（摸清现状——哪些场景在用，哪些流程有 AI 介入）

第二问：什么能帮助你更多地使用 AI？（找障碍——是工具不顺手？是没有时间？是不知道怎么用？）

第三问：你在哪些地方没有使用 AI？（找到真正的人类价值所在——什么是 AI 介入反而适得其反的领域）

这三个问题看起来简单，但放在一起有一种不寻常的逻辑结构：它不是单纯在推广 AI 使用，而是在建立一套关于”人与 AI 各自适合做什么”的认知框架。

Ibrahim 说，第三个问题是三问法的核心，因为它所指向的，恰恰是人才战略的根本：哪些工作不应该被自动化，哪些能力才是人类在人工智能时代真正需要保留和培养的？ 这个问题在组织层面来说是战略性的，但对个人层面来说，它是一道关于自我认知的问题：在一个人工智能可以处理越来越多认知任务的世界里，我的独特价值在哪里？我在哪些地方的判断、直觉、经验和关系，是任何程度的自动化都无法复制的？这个问题没有通用答案，但每个人都需要有自己的答案。

“那就是我们需要雇用的；那是我们需要奖励的；那是我们想在员工中持续发展的。” 她说的是企业面对第三个问题时应该做出的响应——把”不能被人工智能替代的能力”重新定义为核心人才价值，而不是把所有人力成本都视为等待被优化的目标。这个逻辑在实践中需要管理者有意识地抵制”最大化自动化”的短视冲动，转而问一个更难回答的问题：我们留住、培养和激励哪些人类能力，长期来看会让我们走得更远？——把”不能被 AI 替代的能力”当作核心人才价值来培养和保护，而不是把所有人力成本都理解为等待被优化的目标。

“AI 不能自动化我的星期二”

在所有她说过的话里，这一句是传播最广的，也是最值得拆解的：

“AI 可以帮助自动化我所有的任务，但它无法自动化我的星期二。”

这句话需要理解背景：对于一个深度参与大型科技公司运营的高管来说，”星期二”代表的是那些需要你作为一个具体的人出现在具体的时刻才有意义的工作——某个关键的一对一谈话、某次团队信任危机需要你的在场处理、某个跨部门的敏感对话需要你的人际资本、某个需要承担责任的决策时刻。

这类工作的价值，不在于任务本身的信息含量，而在于”是你，在那个时刻，做了这件事”这个事实本身所创造的意义。这是人工智能不能复制的。AI 可以生成所有相关文件，可以提前模拟所有可能的对话场景，可以汇总所有数据点，可以提供最优解的建议。但那个出现在星期二早上会议室里的人，那个让另一个人感到”被看见”的目光接触，那个在说出某句话时所承担的责任和信任——这些东西，至少到目前为止，是无法被自动化的。

对企业管理者来说，这句话的实际含义是：在人工智能大范围自动化你的日常工作任务之后，剩下的时间，才是你真正需要用好的时间。你不是更空闲了——你是被解放去做只有你这个具体的人才能做的事情了。这需要一种全新的自我认知和工作哲学。如果一个人在人工智能自动化了他的大部分任务之后，不知道”只有我能做的事”是什么，那么他就真的面临价值危机了。

这也是为什么三问法的第三个问题——”你在哪些地方没有使用人工智能？”——是最重要的一个。它不是反人工智能的问题，而是帮助每个人找到自己的”星期二”：那些真正属于你、不应该被自动化的工作时刻。找到它，然后把所有其他时间用人工智能解放出来，去做更多属于你的事情。

对工人的直接建议：不要等待被准备好

Ibrahim 的职位存在的背景，是大量工人正在被”人工智能驱动裁员”的新闻标题所笼罩，恐慌情绪和真实担忧交织在一起。一些人在观望，等待所谓的”人工智能培训项目”来拯救他们；另一些人则对技术保持抵触，希望这一切只是个周期性泡沫。

对于这些人，Ibrahim 的建议出人意料地简单、直接，甚至有些平淡——但平淡之中蕴含着认真的实用主义：

“你必须自己开始使用人工智能，并为此创造时间和空间。你不必成为房间里最聪明的人。”

这句建议有意思的地方，不在内容（这个建议很多地方都说过），而在于说这句话的人的位置。作为 Google DeepMind 的高管，她理论上可以用更宏观的政策建议、更高层次的监管框架，或者更高深的技术语言来回答”人工智能时代工人怎么办”这个问题。但她选择了”就去用它，你不必是专家”。

这背后有一个重要的逻辑转移：在今天，阻碍工人使用人工智能的障碍，已经主要不再是技术性的——不是”你需要懂 Python”或”你需要理解 transformer 架构”。人工智能工具的易用性已经提升到一个普通人可以在几小时内上手的程度。真正阻碍的，是心理性障碍（”我不够资格”、”这不是我的工作”）和组织性障碍（”我的工作不允许我花时间这样做”、”如果我用了 AI 我的工作还有价值吗”）。

在企业层面，这意味着人工智能的真正落地不是一个技术部署问题，而是一个文化和管理问题。哪个管理者愿意明确地告诉团队：”你可以把工作时间的一部分，花在试错式地用人工智能处理任务上，失败了也没关系”？哪个组织真正建立了”用人工智能学习，失败是允许的”这种心理安全感？这些问题的答案，会直接决定一个组织的人工智能采用速度——而不是采购了多少 GPU 算力或订阅了多少企业版 AI 工具。

学校与下一代：一个尚未被认真对待的问题

人工智能就绪问题还有一个让 Ibrahim 尤为关心的维度：教育和下一代。这或许是整个就绪挑战中最难被现有制度结构所推动解决的部分，因为它的收益需要等到许多年后才能显现，而代价却是当下的学生在没有准备的情况下进入了一个人工智能已经无处不在的世界。

她在采访中谈到了自己的两个正值青少年的女儿。”他们将继承我们正在开发的技术，但他们却没有对如何教给他们、如何将其融入他们的学校或生活获得发言权。”

这个观察是一个值得被放大的警报。从全球来看，AI 渗透教育系统的速度，已经显著快于学校系统更新其理念、培训教师、建立使用规范的速度。学生们在使用 AI 工具——有时是学校允许的，更多时候是绕过学校限制的——但几乎没有人系统地教他们：什么时候 AI 是可信的？什么时候 AI 的输出需要被质疑？如何对 AI 生成的内容承担学术责任？在面对 AI 的时候，批判性思维是什么样的？

Ibrahim 认为，学校应该在这件事上”更多地向前倾，与老师合作”。她的具体表述是：“老师必须永远带领学生，去探索与人工智能共存的合理边界并建立判断框架。” 这句话的意思，不是说老师要成为技术专家，而是说老师需要成为 AI 使用规范的引导者——这个角色是不可取代的，但只有当老师自己也被赋能、被给予足够的时间和专业发展资源去理解人工智能的时候，他们才能扮演好这个角色。如果一个教育系统里的老师自己对人工智能充满困惑和焦虑，那么期待他们成为学生的人工智能引导者，就是一种不公平的要求。这说明，人工智能就绪的建设，需要从学生往前推到教师，再往前推到教师培训和教育政策层面。

关于学生，她说得最深的一句话是：学生需要”在 AI 能做什么、不能做什么方面成长为更有文化素养的人，同时知道负责任的使用案例是什么”。这里的”文化素养”（literacy）不是技术能力，而是判断力——知道什么时候信任 AI，什么时候怀疑，用 AI 的行为意味着什么后果。

这项判断力的大规模培养，是一件漫长而复杂的工程，它的收益要等到很多年后才能显现。而目前，几乎没有任何主要国家的教育系统在系统性地、大规模地推进这件事。这是人工智能就绪差距中，最难被现有制度和激励结构所推动改变的那一部分，因为它不产生季度性可量化的 KPI，不带来可见的短期政治回报，而且代价由未来的一代来承担，而不是今天的选民和股东。

DeepMind 此时设立这个职位意味着什么

回到最基础的问题：为什么是现在，为什么是 DeepMind？

从 AlphaFold 蛋白质结构预测，到 Gemini 系列大语言模型，从 AlphaGo 到 WeatherNext 全球天气预报，Google DeepMind 在技术层面已经积累了无可辩驳的实力。但技术能力越强，所引发的社会问题就越复杂：人工智能预测蛋白质结构是否同时也在为生物武器研发降低门槛？人工智能驱动的教育工具进入课堂，如何避免加剧教育不平等？人工智能在招聘、放贷、医疗诊断等高风险场景中，如何确保系统性偏见不被放大？当人工智能天气预报在边界情况下出现灾难性错误，责任由谁承担？

这些都是”技术已准备好，社会尚未准备好”类型的问题。它们不适合用工程方法解决，也不适合只依靠监管来应对。它们需要的，是在人工智能开发的全链条上，有人专门去思考”使用这个技术的人，需要具备什么样的认知基础、制度条件和社会共识”。首席人工智能就绪官这个职位，正是这种需要的制度化表达。

这就是首席人工智能就绪官这个职位存在的理由：当一家技术公司有能力改变世界的时候，它也需要有人专门负责思考”被改变的那个世界是否已经准备好了”。

对整个行业来说，DeepMind 设立这个职位并公开讨论人工智能就绪差距，也是一种隐形的行业压力机制。那些推进速度更快、社会影响评估更草率的公司，将面临更多关于”你们在哪里承担类似责任”的追问。这不是说 DeepMind 是行业的道德仲裁者，而是说这个话题被引入公共对话后，会改变对整个行业的问责框架和公众预期。

准备度，一个比治理更难讨论的话题

在人工智能的公共讨论里，”治理”（governance）和”监管”（regulation）是出现频率最高的词。政策研究人员为它们专门设计了框架，各国政府为它们设立了委员会，联合国为它们建立了咨询机制。但 Ibrahim 在这次访谈中反复出现的词是”就绪”（readiness）和”准备”（preparing）——这两个词很少出现在法规文本里，但它们触及了一个更基础的问题。

这两个概念有微妙但重要的差异。治理和监管，是从外部给人工智能施加约束，是”围栏”逻辑；就绪和准备，是从内部让人类社会具备接收和使用人工智能的能力，是”能力建设”逻辑。前者假设问题是人工智能太强大，需要被控制；后者假设问题是人类社会太薄弱，需要被加强。这两个假设并不矛盾，但在现实的资源分配和政策注意力上，往往互相竞争。

更值得注意的是，她说这话时不是在谈论”AI安全”（这个话题已经有大量资金和关注），而是在谈论更底层、更基础的”准备度”——能力层面的差距，不是安全层面的约束。

在当前的人工智能讨论中，控制问题得到了大量的显性关注——各种安全协议、红线清单、监管框架，每隔几个月就有新的报告和立法提案出台。但能力问题——工人如何在职场中真实地提升与人工智能协作的技能？学校如何大规模更新课程以培养下一代的人工智能判断力？中小企业如何在没有专业团队的情况下有效部署人工智能工具？社区如何在涉及人工智能的公共决策中保有真实的发言权？——这些问题往往被放在政策讨论的边缘，缺乏系统性的资源和制度性的关注。

Ibrahim 的职位，可以理解为 DeepMind 以一种非常具体的制度行动承认：能力建设问题和控制问题同等重要，而且目前严重缺乏关注。

这不是一个乐观主义者的立场，也不是悲观主义者的立场。这是一个实用主义者的立场——人工智能的世界会继续改变，无论你是否做好准备；但准备程度不同，你所能拥有的选项就不同；拥有更多选项，比没有选项要好。而这种准备，没有办法由技术公司单独完成——它需要工人、学校、政府、社区的参与。DeepMind 可以设立一个职位，但整个社会需要设立一种文化。

从电气工程学生到全球首位 AI 就绪官

Ibrahim 在访谈结尾，回顾了自己从大学电气工程系学生，到参与设计英特尔奔腾处理器，再到加入 Google DeepMind 担任 COO，最终转向人工智能就绪工作的漫长职业轨迹。每一次转变，她说，都是在跟随技术本身的演变节奏。

她说：”在我们的有生之年，已经发生了如此多的变化，同样的事情对接下来的这一代来说也会如此。所以我们能做的，就是教导对学习的热爱和好奇心，以及知道变化在来临的韧性——他们实际上可以在这种变化的发生方式上扮演一个角色。”

这段话里最值得注意的，是”角色”这个词。她不是说”变化是注定的，只能被动接受”，而是说人可以在变化的方式和方向上”扮演一个角色”——哪怕这个角色不是主角，也是参与者而非旁观者。

这种关于人类主体性的立场，在当前的人工智能话语里正在变得越来越珍稀。一方面，人工智能加速主义者认为变化是不可阻挡的、只管前冲，任何减速都是在浪费历史机会；另一方面，人工智能末日论者认为大规模失控只是时间问题，最好的结果是建立足够强大的控制机制来推迟灾难。Ibrahim 代表了一种第三种立场，它比前两种更难被简化为口号：我们不能控制人工智能的所有轨迹，但我们可以影响人类社会与它共存的方式，而这种影响力不是自然产生的，需要有意识地被建立和维护。

设立一个首席人工智能就绪官，是在制度层面维护这种影响力的具体行动——尽管规模有限，但方向是清晰的。

它不会解决所有问题。它甚至可能不会解决大多数问题。但它代表的那个问题——当人工智能来临时，世界是否已经准备好——这个问题值得有人全职去回答。而直到 2026 年，才终于有一家顶级人工智能机构正式为这个问题设立了一个专门的职位，这个事实本身，就是一个信号：技术的边界还在快速扩展，而人类准备度的问题，才刚刚开始被认真对待。

对于每天都在被人工智能变革浪潮影响的工人、学生、教育者和管理者来说，Lila Ibrahim 的工作，以及她所代表的那个问题，也许比大多数关于新模型发布的新闻更值得关注。那些新模型会来了又来，但社会是否有能力承接它们所带来的改变，是一个更慢、更深、也更重要的问题。

参考资料

关于来源：文中所有 Lila Ibrahim 引言均来自她接受 CNBC 的 Julia Boorstin 采访的播客节目及配套文章（2026-10-06 发布）。原文为英文，本文对关键引言进行了中文翻译，力求保留原意和语气。职位名称”首席人工智能就绪官”为译者对”Chief AI Readiness Officer”的中文翻译，非官方中文名称。