判断这个问题，不能靠猜测，而需要一个思考框架。人工智能时代的安全职业的问题，实质是人工智能擅长做什么、不擅长做什么；人擅长做什么、不擅长做什么。搞清楚人与机器各自的优势与劣势，这个问题自然就有答案了。
关于涉及人工智能本质的问题，朱迪亚·珀尔与达纳·麦肯齐在合著的《为什么：关于因果关系的新科学》中有所论述。他们提出了一个理解人工智能能力本质的简单框架，这就是因果推断框架。因果推断讲的是相关关系与因果关系二者之间的关系。通俗地讲，相关关系对应归纳，因果关系对应演绎。珀尔院士反对只讲相关关系，不讲因果关系，认为人工智能只有通过建模将相关上升到因果，才能通过推断解决问题。
对应到职业上则意味着，找不到规律的事（只有相关没有因果的事）更适合由人来完成，而找得到规律的事（从相关可以推断出因果的事）可以由机器替代。更简化地说，凡是建不了模的工作，机器都代替不了人。举例来说，有些人购物随心所欲，建模往往套不牢他们，所以为这些消费者服务的事就适合由人来干。
关于涉及职业本质的问题，斯科特·佩奇在《多样性红利》中也提出了一个超简单的判断框架：多样性优于能力。这里的多样性都可替换为臭皮匠（人）；能力都可替换为诸葛亮（人工智能）。臭皮匠在什么条件下可以稳赢诸葛亮，或者说，人在什么条件下可以稳赢人工智能？其实条件很简单，凡是人算不如天算的，都不适合诸葛亮（人工智能）；相反，凡是人算算得清的，都不适合臭皮匠（人）。显然，人工智能这个“诸葛亮”之所以显得很厉害，全在于会算，如果它算不清楚，自然就得投降。什么是算不清楚的呢？按佩奇院士的理论，就是复杂程度超过算力的事务，例如股市、生态多样性、婚恋等。
最后，关于涉及人工智能与职业关系的问题，马华兴、王鹏合著的《做出好选择》则提出了一个将人工智能与职业联系起来的判断框架。这个框架把工作分为程序型工作和探索型工作。程序型工作，对应珀尔院士说的可建模发现因果关系的事情，对应佩奇院士说的“能力”型工作；探索型工作，对应珀尔院士说的只有相关关系无法建模的事情，对应佩奇院士说的“多样性”型工作。《做出好选择》认为，从事探索型工作是未来的方向。这是人工智能时代的安全职业。书中归纳了3种有前途的探索型工作：社交类工作、设计类工作、经验类工作。
不过，如果理解了人工智能的原理与职业的原理，安全职业可以不止这3类，而是无限增加。比如，网络文艺全行业符合佩奇院士说的“多样性”标准，作品只要一重样，就会被判抄袭。其中包括网络文学、网络音乐、网络视频、网络音频等10多个职业，进而由产品内容化、体验化进一步派生众多职业，如直播带货、设计孩子打针专用动画片等；又比如，网络娱乐细分为体育、游戏等具有人算不如天算特征的成百上千种职业，无穷无尽……只要与人的情感（如对美好生活的向往）沾边，都适合人而不适合人工智能。真正的问题反倒可能是安全职业多得数也数不过来，逼得人工智能还要再努力一些，才能把人手腾出来，有机会去尽情发挥。
