如果要在一个商业模式被网络翻转的产业探索生涯，马列特的方法确实奏效。不过这场变革的特性在于，它会导致某些类型的工作和技能彻底过时。当服装业逐渐变成软件业，马列特有能力调整工作方式去调节，但万一软件也能熟练地设计衬衫、西装外套和套服，马列特的做法显然不会有太大用处。当电脑日渐变得更有能智、机器人更为灵巧，如果你希望在这个时代建立长久且成功的生涯，该怎么做？

曼尼卡（James Manyika）花费多年时间思考这个问题。他是麦肯锡的合伙人，专门研究职场工作的未来趋势；同时他也是一位父亲，不久之后他正值青少年的小孩就要开始探索这世界。曼尼卡在「麦肯锡全球研究院」（McKinsey Global Institute）所领导的团队，主要负责研究不同类型工作需要的能力条件，希望借此了解哪些工作最容易被机器取代，哪些工作相对有保障。

一家名为O*NET的研究机构多年来观察数百种工作，并逐一列出每份工作需要的特定行为。举例而言，零售店店长看起来是简单的工作，但是O*NET重新拆解零售店店长的工作内容，其中包括有21种需要执行的任务、24种应具备的技术能力、23种不同的工作活动。任何你能想像得到的工作，他们都会分解出更精细的项目。此外，曼尼卡在麦肯锡带领的团队也会逐一交叉比对两千种不同任务，测试现在以及在可见的未来电脑可以多有效率地执行每项工作任务。最后他们会完成一份工作地图，显示哪种类型的工作最有可能被数位科技取代，哪些类型的工作相对有保障。

令人惊讶的是，他们得出的结论不只是简单描述「高技能工作是安全的，低技能工作是危险的」。事实上，所有的工作都会受到影响。因为真正重要的是工作组成要素，而非涉及的整体技能程度。

「就以会计专员与园艺师作为对照，」曼尼卡说，「第一个问题纯粹是技术性问题。会计专员需要完成的工作活动是否容易被自动化？园艺师呢？他们会分析数据、进行解读。园艺师必须有能力辨认目标、然后挑选出来，再用正确的方式亲手修剪玫瑰。你需要设计精密的机器人，才有办法在无人指引的情况下，让机器人在它从未见过的花园中四处穿梭。当你提出以上的问题，你会得出以下的结论：会计专员的工作比园艺师更容易自动化。」

当你分析自动化的经济效益之后，就会更加认同上述的结论。「以会计专员而言，多数可被自动化的工作都是透过标准化系统平台以及软件完成，成本也会随之降低。但是园艺师的情况不同，即使你解决了技术性问题，还是得建造一台由大量复杂零件组成的实体机器。」此外，会计专员的薪资通常高于园艺师，因此就经济学角度而言，园艺师处于较有利的位置，且更为专业，所以雇主更难找到合适的人选。最后一项因素是「社会接受度」（social acceptance），没有人真正知道或在意一家公司在台面下如何管理帐务，但是如果邻居的大型园艺机器人不小心修剪到自家的树篱，恐怕会因此感到气急败坏。

当你在选择学历要求以及奖酬金额相近的工作时，也可采取类似的比较方式。在医学界，你可以比较急诊室医生以及整天研究X光片的放射科医生的工作内容。急诊室医生比较像是园艺师，必须针对不稳定或持续变动的环境及时做出回应，临场紧急处理伤病，可能前一分钟还在治疗断腿，下一分钟就得急救心脏病患者，或得在瞬间决定病患的疾病属于心理层面或是生理层面。在可预见的未来，没有机器人能做到这些（但这并不是说新的数位技术无法提升急诊室医师的工作效率）；放射科医师则比较像是会计专员，以结构化的方式应用知识，因此容易被更智能的软件所取代。

在法律界，在法官面前代表客户的法庭律师，可能比成天负责审查合约、确认所有细节的律师更有保障。重要的关键在于，那些有可能被完全取代的工作类型都有共通点，相对安全的工作类型也是。因此，当你要决定未来的生涯方向时，有两种选择。一是专注于不太可能因为自动化而消失的领域，因为他们的需求很难被电脑和机器人取代，相当于你所属产业的园艺师。

当然，另一个选择就是成为主导自动化的人，而非被自动化的人。也就是成为设计算法、引导电脑执行工作的人，而非从事会计专员、放射科医师或是处理例行性合约的律师。你必须遵循前面几章内容提到的帕雷托最适员工的做法—在会计与软件工程、医疗与图像科技，或是合约法律与自然语言处理等领域，同时具备深度的专业知识。这并不容易做到，但是如果你要在人工智能与机器人应用愈来愈普及的世界成功，这确实是一条清晰的路径。