五把尺子磨好了，从这章起真刀真枪地用。第一个战场挑两个「顶配」职业：医生和律师。它们门槛高、责任重，按理说最难被机器碰。可偏偏是它们，被 AI 咬的形状几乎一模一样——摆一块儿，一刀下去能看清两个行当的截面。贯穿全章的判断：诊断可以外包给模型，担责不能。
先别急着下结论，把活儿拆开
回到第二章那把解剖刀：一个岗位不是一件事，是一捆任务。先把这两捆抖开。
医生这捆至少有：读影像和病理片（看 CT、X 光、显微镜下那张切片）、根据症状加化验做诊断、跟病人和家属沟通、拍板定治疗方案、上手术台动刀、为结果担后果。
律师这捆至少有：检索判例和法条（在浩如烟海的旧案子里翻出有用的那几条）、审合同找风险、起草文书（合同、诉状这类格式化的东西）、出庭辩论、给当事人拿主意、为结果担责。
把五条分界线按上去，这捆任务不是整根一起倒，而是从一头一节一节地掉。
先掉的那一刀：能被数据描述、信号又相对干净的
照第四、第五条线看——能被大量「输入—输出」例子喂出来、对错又相对说得清的动作最先被咬。
医生这头最典型的是读片。它天生是能数据化的题：影像是输入，「有没有病灶、是什么」是输出，医院又积攒了海量被专家标注好答案的片子——正是第四条线说的理想食材。这是真进展：在某些特定的读片任务上，AI 的识别水平已能匹敌、个别场景甚至超过人类医生的平均水平。
但请把这句咬准：它超过的是「读片这一个动作」，不是「医生这个人」。别让「AI 读片超过医生」这种标题把你带沟里——那是拿最可数据化的一节偷换整捆。这正是第一章反复敲的：机器咬走的从来是动作，不是人。
律师这头对应检索、起草、合同初审三样。查判例查法条，本质是在一大堆文本里按相关性捞针，AI 又快又不喊累；起草合同、诉状这类模板化文书，它几分钟铺一份初稿；合同初审——把几十页协议扫一遍，标出「这条对你不利」「这里缺个兜底条款」——也是它擅长的模式识别。这些动作题面清楚、对错有谱，都是它的主场。这一刀切得干净：读片、检索、起草、初审这些重复动作正在被大幅咬走。
留在人手里的那一刀：担责、真身、和「他到底要什么」
剩下几节任务会「顶」住机器，顶住它们的恰好是后三条线。
第一根柱子，担责（第六章那条线）。读片可以外包，但「我确认这个诊断由我负责」的签字外包不掉。模型没有能被夺走的东西——没资产赔不了钱、没执照吊销不了、不会坐牢也不怕丢脸。真出了那万分之一的漏诊误判，总得有个能被追究、能赔的主体接住——某个医生，或整家医院。律师一样：署名背后押的是执照和事务所的信誉。下最终决定的那一下，是责任岗，不是技术岗。
第二根柱子，真身在场（第七章那条线）。动手术要一具身体在无菌台前应付图纸上没画的意外——这是物理在场。更抽不掉的是关系在场：跟惊恐的病人握着手说话、向家属讲一个坏消息、在法庭上被人类法官注视着审判。这些事的价值，恰恰长在「是一个人对另一个人做的」本身上。AI 能生成一段措辞完美的坏消息通知，但家属要的从不是「一段漂亮的话」，是「有个真在乎、真会负责的人此刻站在这里」。它补不上「真的有一个人在这里」。
第三根柱子，定义问题（第八章那条线）。这一根最隐蔽，也最值钱。好医生的本事，常常不是更快回答「头晕怎么治」，而是多问一句、忽然意识到「你这头晕不是脑子的事，是降压药量大了」——他换了一道题。好律师更如此：当事人气冲冲进门说「我要告死他」，顶尖律师听得出这话底下真正要的，可能是一笔体面的赔偿、一个道歉、或只是想尽快抽身。当事人嘴上要的官司，往往不是他真正要的东西。揣摩出没说出口的真需求、把错的题换成对的题——这正是第八章说的、AI 最接不住的一下。
这三根柱子很顺理成章：读片和检索先掉，因为撞在前两条「能力线」正中央；担责、面对活人、揣摩真需求留下，因为分别踩在后三条线上——不是「AI 还不够强」，是这几件事的定义里本来就要求一个能负责、真在场、会出题的人。
关键洞见：不是消失，是被重新打包
最要命的误读是：「那医生律师是不是要没了？」不是。它们不会消失，会重新打包（第二章的任务重构：机器咬掉几节，剩下的重组成新形状的岗位）。
医生会从「什么片子都自己一张张看」，变成「AI 先出初判，人来核准、担责，把精力压到沟通和决策上」；律师会从「埋在故纸堆里检索、通宵改模板」，变成「判断与谈判」。可数化的读片、检索被吃掉，高阶判断与责任反而浮出水面、变重。
规律是同一条：可数据化的重复动作被咬走，需要担责、真身、重新定义问题的那几节，反而因为周围的活儿变便宜而更凸显、更值钱。
诚实两面，别只讲好听的
只讲到「高阶判断更值钱」就收尾，那是鸡汤。两面尖锐的东西必须摊开。
第一面：这可能让入行更难，把人群两极拉开。过去年轻医生靠一张张读片、年轻律师靠一份份检索文书，练出手感、爬上判断者的位置。现在这些「练手的活」被机器接走，新人从哪儿练起？很可能顶尖判断者更稀缺、更金贵，中间那层越压越薄。「AI 越强，签字的人和会出题的人越值钱」，反过来就是一句冷话：够不到那个位置的人，日子会更难。
第二面：AI 出错时的责任归属，是个真难题，我不绕过去。AI 读片漏掉一个早期肿瘤，这笔账算谁的？点了「确认」的医生？部署系统的医院？还是写模型的公司？这里藏着第六章点过的两个坑：一是责任稀释（拿「这是 AI 建议的」当挡箭牌，把本该自己扛的责任甩出去），二是自动化偏见（机器几乎总是对，把关的人渐渐懒得复核，签字变成盖橡皮章）。当 AI 读片准到 99.9%，负责核准的医生太容易扫一眼就点确认——出了事，一道「有人看过了」的假安心反而更难追责。
这个尖锐处恰恰不是推翻第六章，是在印证它：技术能生成一个很准的判断，但担责的主体还必须是人或机构。责任从不因为「是 AI 干的」就凭空蒸发，只会悄悄落回到某个能被追究的肩膀上——谁在终点签字、谁的执照押在上面，谁就还得担着。
把这一刀钉死
同一把刀，切出同样截面：能被数据描述、信号又干净的动作先掉，需要担责、真身、重新出题的动作留下；职业不消失，会重打包成「机器出初判、人来判断并担责」的新形状。
诊断可以外包给模型，担责不能。前半句是能力，后半句是结构；AI 补得上前者，补不上后者。
留两个钩子。一个：机器把低阶活儿变便宜、把高阶判断顶上来，那谁升值、谁贬值，有规律可循吗？——第十三章专讲这半个经济学。另一个：五条线在这章是「凑着一起用」的，能不能合成一张你自己就能套的检查表？——第十四章来造这张表。下一章先换战场：画画和写作，去看那条更叫人发毛的线——风格能仿，意图仿不了。下一章见。