上一章立了一句话：被咬走的是任务，不是人。但那只是结论——面对一个具体职业，你还不知道从哪儿下手。这一章教你一个动作：把一个职业拆成一张任务清单。
先说清楚：职业、任务、动作
三个颗粒度，从粗到细：
职业，就是一个头衔——「放射科医生」「后端工程师」，招聘网站上那一行字。它太粗，粗到没法分析，其实是一大团东西打包在一起。
任务，是这个职业每天真正完成的一件件有头有尾的事——「看一张 CT 找出结节」「跟病人解释诊断」。这是本书唯一关心的层。
动作，是把一个任务再拆小后的操作步骤——「读片」拆开是「调出图像、逐层扫过、标出可疑区域、跟历史片对比、写结论」。拆到这层，你才看得清机器能咬进哪一格。
一句话记住三层：职业是一个抽屉柜，任务是里面一个个抽屉，动作是抽屉里的小东西。AI 从不搬走整个柜子，它一次只拉开一个抽屉，看有没有它拿得动的。
动刀：拆一个放射科医生
放射科医生，大概是这几年被喊「要被 AI 取代」喊得最凶的职业之一。别争对不对，先拉开抽屉看几件活儿：
- 读片——盯着 CT、X 光、核磁的图像，找出不正常的地方（结节、骨折、阴影）。
- 下诊断——结合病人年龄、病史、其他检查，判断「大概什么病，严不严重」。
- 跟病人沟通——把冷冰冰的结论，用一个吓坏了的人能听懂、能接受的方式讲。
- 跨科会诊——跟外科、肿瘤科的医生商量「这病人接下来该怎么办」。
- 担责——在报告上签下名字。漏诊、误诊，是这个人负法律和职业上的责任。
大多数人的错误此刻暴露了：问「AI 会取代放射科医生吗」，想的是整个抽屉柜。可抽屉一拉开就发现，这五件活儿机器咬起来的难度天差地别。「读片」——图像输进去，输出「这里有个可疑的点」——恰恰是机器最擅长的：有海量标好答案的历史片可学，对错分明，最容易掉下来。
而「跟一个刚听说可能得了癌症的人好好说话」「签名承担后果」——这几格你隐约感觉得到，机器伸不进手。为什么先按住不说——那正是第 4 到 8 章五条分界线要讲的。这一章你只要看清：「放射科医生会不会被取代」根本是个错问题。真问题——
这五个抽屉里，哪个先被拉开？拉开后，剩下的四个会变成什么样子？
再拆一个：后端工程师
换个理工读者更熟的职业，这刀照样通用。「写代码的」听着像一件事，拆开也一捆：
- 敲样板代码——每个项目都差不多的骨架，增删改查、接口拼装，闭眼也能写。
- 查文档、查报错——「这个函数第三个参数是啥来着」「这行报错到底啥意思」。
- 把需求拆成技术方案——「我要个让用户互相点赞的功能」，你得把这句人话翻译成一堆技术步骤。
- 定架构——决定整个系统怎么搭、以后怎么扩、哪里先崩。定错了，半年后全组陪葬。
- 扛线上事故——半夜三点系统挂了，这个人爬起来救火，并为「为什么挂、以后怎么防」负责。
跟放射科医生同一个形状。前两格（敲样板、查文档）边界清晰、重复、有海量现成答案，牙齿最先咬住，用过 AI 编程工具的人已经感觉到。后三格（拆需求、定架构、扛事故）越来越黏糊，掺着判断、取舍、「出事了算谁的」。同一个头衔，这几刀掉下来的先后隔着十万八千里。
拆完之后，看到的那个规律
两个八竿子打不着的职业，拆开却露出同一副骨架：一捆任务里，总有几条边界最清晰、最重复、答案最现成，最先暴露在刀口下；剩下的判断、关系、责任、临场应变，反而因累活被拿走而更值钱。这跟上一章 ATM 和 Excel 一码事，只是这回你自己拆出来的。
还有一件事：被拿走几条，剩下的不会原地待着，会重新打包成一个新岗位——这叫任务重构：剩下的活儿重新组合、加进新活儿，长成一个跟原来同名、内里却换了血的岗位。银行柜员没消失，但今天干的是销售和关系；会计没消失，今天干的是分析和建议。放射科医生和工程师大概率也这样。
所以「这个岗位会不会消失」几乎永远是个错问题。对的问法分两步：先拆成任务清单，再问哪几条正暴露在刀口下、哪几条暂时安全。会不会消失，取决于剩下那几条能不能打包成一个还养得活人的新岗位。
把刀交到你手上
这个动作是本书的解剖刀，后面每章都用它。趁热试一刀：挑一个你熟的职业——最好你自己的——别想「会不会被取代」，把它每天做的事列到十条以上。
列完你多半会意外：原来「我的工作」不是一件事，是一大捆不一样的活儿。有些边界清清楚楚、天天重复；有些黏黏糊糊，掺着判断和人情说不清——那种「说不清」正是刀锋落下的地方：能说清步骤、对错分明的先掉；说不清、道不明的，暂时留在你手里。至于为什么偏偏这几条先掉，是下一章的事——得先搞清楚 AI 这刀是拿什么造的。