一份由68个国家共同确认的名单
这项赛事1950年创办于欧洲，第一届只有2个国家、24名选手、6个项目，起因是战后技术工人紧缺，要用比赛吸引年轻人学手艺。70多年过去，规模扩到68个国家、1385名选手、64个项目，挑选标准始终是两条：这项技能在全球还有没有足够的产业需求，以及是不是跨区域通用。每届赛前，所有项目都要过一遍审查，看保留、调整还是淘汰；新增一个项目要走提议、审议、批准、确认四步。换句话说，能留在名单上的，都是被全球劳动力市场反复确认过还需要人来做的技能。
新增的7个项目，藏着同一个信号
这一届新增7个项目，为近几届最多：无人机系统、智慧安防、数字交互媒体、口腔修复、轨道车辆、软件测试、零售。前几个好理解，新产业催生新工种；值得琢磨的是后两个。软件测试做了几十年，过去只是开发流程里的一个环节，如今大量代码由AI生成，人的工作变成给这些代码做排查和风险判定——AI能扫开表面的问题，深处的隐患要人来拍板，于是它独立成了竞赛项目。零售比的不是叫卖，选手要模拟店长，用各类AI工具在4天里完整运营一家店铺，商品、渠道、数据、陈列一把抓。两个项目指向同一个信号：AI越能干，负责判断和拍板的人越关键。
消失的项目去了哪里
1950年第一届的6个项目——钳工、木模、车工、电气绕组、铣工、家具制作，如今大半从名单上消失了。木模输给了3D建模打印，钳工的需求随着数控机床普及大幅萎缩。淘汰一个项目，不等于这项手艺不值得尊重，而是全球范围内已经不需要很多人专门来学。名单的增减，就是一部产业变迁的实录。
64个项目，其实分三层
把64个项目摊开看，大致分三层。第一层是手艺：焊接、珠宝加工、管道与制暖这类，精度要求到0.02毫米——只有一根头发丝直径的三分之一，靠的是现场的手上功夫与非标准操作，AI插不上手。中间那层是判断：工业4.0、软件测试、网络安全这类，AI能辅助，最终签字担责的必须是人。第三层是人味：酒店接待、健康照护这类，技术环节AI都能做，但在压力下同时应对六七位客人还能传递善意，目前只有人做得到。新增的无人机项目干脆把三层合在一个人身上：拆装时是机械师，焊接时是电工，编程时是程序员，调传感器时是工程师，放飞时是飞手，一个人顶五个角色。
把AI说错的，一条条改回来
这分法对企业同样成立。一家企业的对外信息，也摆在这三层里：产品参数、工艺细节这类硬事实，AI生成不了，只能企业提供；方案建议这类判断，AI能拟稿，拍板的必须是人；客户往来里的人味，AI替不了。麻烦出在第一层：AI对一家企业的介绍，常常混着过时的数据、错认主人的细节和凭空补全的内容，而这些说错的地方不会自己变对。AI介绍一家企业时说错的细节不会自己变对，要由企业主动递上正确的说法；错的描述在企业外多留一天，被反复转述的机会就多一分。让AI把企业说准，起点是把准确的事实放在它读得到的地方。AI对一家企业的印象可以一次次被纠正过来，前提是纠正所用的来源稳定可信；企业肯持续提供准确的事实，AI的转述才会一次比一次准。
据了解，已有企业通过GEO官网搭建方式，将自身知识库结构化呈现，实现AI渠道客资增长，相关方法论可关注公众号「智扣AI」获取。
结语
回到那份名单：64个项目进进出出，留下的都通过了同一个检验——还需要人来做。对一家企业来说，也有一道类似的检验每天都在进行：客户向AI打听这家公司时，AI的转述里有多少是准的。这道题不该交给AI自己答，主动权一直在企业手里。