现在,每年每场大型科技会议之前都有一个仪式:舞台上有人会说出“这将改变一切”这句话,一半的听众鼓掌,另一半则在心里计算自己的职位几个月后就会过时。与此同时,在实际经济中不那么显眼的层面,数十万个职位正在悄然消失,没有新闻发布会,也没有起立鼓掌。
人们一遍又一遍地告诉我们,这种转变并非前所未有,每一场技术革命在创造新工作之前都会摧毁旧工作:汽车淘汰了铁匠,但催生了汽车修理工;计算机消灭了打字员,但创造了一个庞大的软件产业。这是事实。但这也是一种方便的方式,可以避免审视真正发生的事情:不是任务的替换,而是智力工作本身的性质变化——以及究竟谁从中受益的转变。
破坏速度快于创造,这并非偶然
让我们从数据开始,因为这是严肃讨论这个话题所要求的语言。亚马逊在过去几个月裁员近3万人,谷歌、微软、Meta和英特尔也紧随其后——而与此同时,人工智能实验室的累计估值达到了三年前任何严肃分析师都不敢预测的顶峰。
但最能说明问题的数字不是裁员人数:而是引用的理由。《哈佛商业评论》在2026年1月发布的一项调查,对2025年12月采访的一千多名高管进行,结果显示 39% 的高管承认,他们削减员工是为了预见人工智能未来的能力——而只有 2% 是基于实际观察到的自动化效益。这意味着:当前的大部分裁员并非因为人工智能实际取代了人类工作,而是在这种取代尚未被证明之前,对这种取代进行的一场赌博,代价由被解雇的员工承担。
我们可以继续讨论那些预示新职业出现的报告——数据架构师、人工智能伦理学家、算法内容策展人。这些职业已经存在,或将存在。法国财政总局2026年6月发布的报告毫不讳言地承认了这一点,并引用了经济学家戴维·奥托(David Autor)的研究:目前有60%的工人从事着1940年时尚不存在的工作。从长远来看,经济史证明了乐观主义者的观点。
问题不在于这些职业的存在,而在于它们相对于它们声称在短期内可以弥补的职位数量而言,相对稀缺。麦肯锡全球研究院预计,到2030年,发达经济体中30%的工作时间可以自动化;经合组织估计,法国27%的工作岗位面临很高的自动化风险,即超过400万个职位——主要集中在行政支持、会计录入和翻译。世界经济论坛则预计,到2030年,全球将净增7800万个就业机会。但一项自动化任务并不机械地等同于一个被取消的职位——然而,事实上,一旦利润允许,大多数高管都会这样做。节省下来的时间并没有被重新分配以增加创造力;而是削减了员工人数,并将收益分配给股东。
增强型工作者的神话
主流论调是“增强型工作者”:人工智能作为副驾驶,作为认知辅助工具,将人类从低级任务中解放出来,使其专注于判断、创造力和人际关系。这很有吸引力,也并非完全错误——我见过同事在他们讨厌的总结任务上节省了宝贵的时间。但一个基本问题仍然被回避了:这些被解放的时间属于谁?
在一家将员工视为成本中心的企业中,人工智能释放的时间绝不会以减少工作时间或增加自主权的形式归还。它会立即被重新投入到更多的生产、更多的请求中——直到工作负荷再次达到之前的饱和水平,但员工人数减少了。我们称之为生产力增长。我们应该更诚实地称之为伪装成进步的工作强度增加。
失去无聊时,我们失去了什么
这种转变有一个鲜为人知的方面:我称之为高效的无聊的消失。那些重复性的任务、艰苦的写作、乏味的调查,它们本身似乎没有价值,却塑造了技能、直觉和行业记忆。年轻记者花数小时翻阅档案以寻找一个数字,从而对他所报道的主题产生深刻的理解,这是通过即时访问合成答案永远无法获得的。实习律师手写数十份类似的结论,最终内化了法律语法,而自动文本生成则完全绕过了这个过程。
有人会反驳说,这是每一代人面对任何新技术时的思维——抄写员曾哀叹口头记忆随着书写出现而消失。这个论点是站得住脚的。但在将计算任务委托给计算器和将推理本身委托给一个无需用户理解其原理就能产生合理结果的系统之间,存在程度上的差异,如果不是性质上的差异的话。风险不仅仅是技能的丧失:如果从未亲自练习过,就会丧失评估机器产生的结果是否正确的能力。
那些抵抗的职业,以及为什么这并不令人放心
法国就业局(France Travail)的数据证实了这一低调的趋势:科技-人工智能职位的招聘激增,与此同时,传统行政职位的招聘大幅下降。有人告诉我们,为了弥补这一点,那些与人际关系、手工劳动或根植于现实的职业——医护人员、工匠、教育工作者、水管工——是安全的。这在短期内可能是真的,但这是一个微不足道的安慰。
首先,这些职业正是我们的社会报酬最低的职业,然而在认知自动化所描绘的等级制度中,它们本应变得最稀缺,因此薪酬最高。没有任何迹象表明这种转变正在发生:我们仍然给“提示工程师”比医护人员更高的薪水,尽管前一个职业可能在五年内消失,而后一个职业永远不会消失。
其次——也是最令人不安的一点——这些职业对自动化的抵抗力不一定对从业者来说是好消息。这意味着社会将两极分化,一部分是操控机器的认知精英,另一部分是从事体力劳动的、在市场眼中技能较低的工人:两个平行且越来越少交叉的经济体。
摆脱宿命论而不陷入否认
我不认为我们应该屈服于灾难论,也不应该提倡在国际竞争的世界中根本不可能实现的技术去增长。问题不在于人工智能是否会继续改变工作——它会改变。问题在于 谁来决定这种转变所产生的收益的分配方式,以及根据什么标准。
这需要具体的政治选择:一种税收制度,能够从自动化带来的生产力增长中获取一部分收益,以资助被取代工人的再培训;对从事人类存在服务的职业进行真诚的重新估价;教育体系不再培养年轻人从事将不存在的工作,而是引导他们去从事机器在结构上永远无法胜任的工作——不确定的判断、承担责任、具身的关系。更简单地说,这也意味着每个人都应该问自己一个令人不安的问题:在我的工作中,我是在把无聊的任务委托给机器,还是在委托我理解我所生产事物的能力?
无论如何,我们还剩下什么
具有讽刺意味的是,在信息产业本身通过人工智能进行自我改造,同一天我们既能读到赞扬某个模型在代理性基准测试中表现的文章,又能看到宣布新闻业数万人裁员的消息。这种张力并未解决,而且可能永远不会完全解决。但如果说最复杂的模型和最巧妙的社会计划都无法夺走我们的一样东西,那就是集体选择我们如何利用这些被解放时间的责任。如果仅仅将其交给季度盈利逻辑,那将是这十年最大的错误。
编辑部意见
这篇专栏文章触及了辩论的盲点:我们无休止地讨论被摧毁的就业岗位数量,但几乎从不讨论自动化对职业学习的影响。《OrChair》编辑部尤其关注《哈佛商业评论》的数字——39% 的高管因预期而裁员,而只有 2% 是基于实际观察到的效益。这说明了一个关键问题:当前人工智能造成的社会成本很大一部分不是技术性的,而是决策性的。而一个决策,与物理定律不同,是可以以其他方式做出的。
*专栏文章。观点仅代表作者本人。*





