生成式 AI 正加速进入企业和教育现场。随着模型已经能够整理信息、撰写内容、分析数据，并执行部分标准化工作，SK 集团会长崔泰源认为，AI 时代真正重要的能力，不再只是记住多少知识或取得什么学历，而是“思考、适应、同理与身体技能”四项能力。
他表示，教育体系不能继续只围绕知识灌输、考试成绩和学历认证运转，而应转向培养人们在真实生活和工作环境中发现问题、解决问题并创造价值的能力。对企业来说，导入 AI 的目标也不应只是降低人事成本。AI 提升生产力后，企业应把释放出来的人力投入过去没有能力处理的新工作，用于开发产品、改善服务并开拓新市场。
AI 时代四项关键能力
崔泰源提出的第一项能力是思考。当 AI 已能快速搜索、整理并生成答案，人类价值不再取决于能否背出信息，而在于能否提出正确问题、辨别答案质量，并理解信息背后的语境和限制。AI 可以生成大量看似合理的内容，但未必能判断目标是否正确，也可能引用错误信息。设定方向、验证结果和承担决策后果，仍然需要由人来完成。
第二项能力是适应。随着 AI 工具、工作流程和产业需求持续变化，过去学会一套专业知识后沿用数十年的职业路径，可能逐步失效。工作者需要持续学习新工具，也要在原有岗位被重新设计时，迅速找到新的工作方式。这里的适应力不只是学会使用新软件，也包括面对失败、岗位调整和产业变化时的恢复能力。
第三项能力是同理。AI 可以模拟对话、分析情绪并生成个性化回应，但真正理解他人的处境、需求和价值冲突，仍是人类工作的核心部分。管理、医疗、教育、服务、谈判和产品设计，都需要理解不同对象为何做出特定选择。崔泰源认为，当技术能力越来越容易获得，企业之间的差异，可能更取决于谁能真正理解客户与员工。
第四项能力是身体技能。这不仅指体力劳动，也包括需要感官、操作经验、手眼协调和现场判断的工作。即使 AI 可以处理大量数字任务，许多制造、维修、照护、餐饮、建筑和现场服务工作，仍必须由人类或高度成熟的机器人完成。在机器人尚未全面普及之前，能把抽象判断转化为实际操作的人才，仍然具有明确价值。
大学文凭不再直接等于工作能力
崔泰源以 SK 海力士取消部分职务大学毕业资格要求为例称，大大学文凭能够直接保证人才能力的时代正在结束。过去，企业常把学历当作筛选人才的快速工具，学校、科系和成绩也被用来推测求职者的知识程度、学习能力和工作纪律。但在 AI 改变知识获取方式后，大量原本必须通过课堂、书籍和专业训练获得的信息，如今可以由 AI 即时整理和解释。
这并不意味着高等教育失去价值，而是学历本身已不足以证明一个人是否能在现代环境中解决问题。文章指出，企业未来可能更看重求职者实际完成过什么、如何处理失败、是否能与不同背景的人合作，以及能否在信息不完整的情况下做出合理判断。作品、项目经验、现场能力和解决问题的记录，可能逐渐成为比单一学历更直接的能力证明。
教育评价标准面临调整
崔泰源的观点也指向现有教育制度。传统教育常以统一教材、标准答案和考试排名衡量学习成果，而 AI 最擅长处理的，恰恰是具有明确规则和标准答案的任务。当学生可以借助 AI 获取解题步骤、文章摘要和报告草稿时，教育重点就不能只停留在“是否得到答案”，而应转向检视学生是否真正理解问题、能否验证资料，以及能不能提出自己的判断。
按这一逻辑，未来课程可能需要增加项目实作、跨领域合作、公开表达和现场问题处理。教师角色也可能从单向传授知识，转向协助学生建立思考框架、辨别信息质量并反思决策。真正困难的部分，不是教学生操作某一款 AI 工具，而是让他们在工具快速变化时，仍能保持独立判断与学习能力。
企业导入 AI 不应只指向裁员
对于 AI 可能取代工作的担忧，崔泰源表示，企业导入 AI 的最终目的不应只是压缩人力或降低成本。AI 的确可能让部分工作自动化，例如文件分类、会议摘要、数据输入、客服初步回复和标准化分析。
但如果企业把 AI 节省出来的时间和人力全部转化为裁员，短期费用可能下降，长期未必能形成新的增长。文章称，企业应把因 AI 提高效率而释放出来的人力，转向过去没有时间、预算或能力执行的工作。这些工作可能包括开发新产品、研究新市场、改善客户体验、重整内部流程，或处理过去长期被忽视的问题。