本文来自微信公众号: 着陆TouchBase ,编辑:国佳佳,作者:吴酸酸


去年,朴赞郁在自己的新电影《无可奈何》里,给一个失业的中年人安排了一场残酷的胜利。


在造纸行业干了25年的万洙,被公司解雇。为了重新得到一份工作,他把目光投向那些履历比自己更有竞争力的人,并用谋杀他们清除障碍。


他最终如愿以偿回到了工厂,只是一切早已发生变化。在新的工厂里,AI控制生产,机器自动运转,他费尽心机争取来的位置,是在一个几乎不再需要人的工厂里,和无声的机器打交道。这份工作曾经意味着手艺和尊严,如今只剩寂静,和不知道自己什么时候会被淘汰的恐惧。


朴赞郁片场照图源|搜狐号


朴赞郁把故事停在了这里,但现实却比电影更复杂和戏剧,劳动者和AI的关系,在过去几年间,几乎时时刻刻都在发生着转变。


企业从担心AI不靠谱,到要求员工学会使用;从尝试减少人手,到重新发现某些工作仍需要人。对劳动者而言,每一次判断改变,都可能落到自己的生活里:一份没有续签的合同,一次更低的报价,或是一通来自旧雇主的电话。


就在上个月,美联社还刊发了一篇报道,提出:如果那家曾因AI裁掉你的公司,如今希望你回来,你该怎样决定?


这在前两年几乎是难以想象到的问题,但在今天却成为现实。有研究显示,在曾主要因为AI而取消岗位的美国招聘经理中,32%后来又为相同或相似岗位招人。AI、企业、劳动者之间应该是怎样的关系?越来越习惯于用AI开外挂的我们,正在变得越来越“蠢”吗?


一种工具、两种期待,从一开始就存在的分歧


企业和普通员工对AI态度的分歧,几乎从一开始就存在。


2023年春天,三星一名员工把公司会议的录音转成文字,输入ChatGPT,希望它帮忙生成会议纪要。还有员工把存在问题的程序源代码贴进去,请它寻找解决办法。这些在今天看来再平常不过的操作,在当时引发了轩然大波。因涉及公司内部资料外传,这些事被媒体广泛报道。2023年5月,三星向旗下涵盖手机和消费电子业务的DX部门员工发出通知,暂时禁止在办公电脑上使用生成式AI服务。


三星电子公告原文图源|三星电子官网


当时,距离ChatGPT公开上线才过去几个月。对于每天被邮件、会议和文档包围的职场人来说,一个随时回应、不必反复交代的助手,很难不让人心动。


微软2023年《工作趋势指数》记录了这种心情。70%的受访者愿意尽可能把工作交给AI,以减轻负担;与此同时,也有49%担心AI取代自己的工作。


这并不难理解。失业是一个尚未发生的风险,眼前的工作却已经堆在那里。人们希望AI能接手那些会议结束后的整理、迟迟找不到错误的代码。至于之后的威胁,当时还没有那么容易看清。


真正让这种威胁开始清晰的,是AI开始在具体业务中干出成绩。


客服是较早提供这类证据的领域。2023年4月,斯坦福大学和麻省理工学院的研究者公布了一项涉及5179名客服人员的研究:使用工具后,客服每小时解决的问题数量平均增加14%;经验较少、技能水平较低的员工,提升幅度达到34%。


同年5月,IBM首席执行官阿尔温德·克里希纳已经把这种预期说得相当具体。他预计,公司将暂停或放缓部分后台岗位的招聘,并认为未来五年,约30%的非直接面向客户的岗位可能被AI和自动化替代,涉及约7800个岗位。


这个时候,普通员工的态度就发生了微妙的转变。微软与领英2024年的调查里,52%不愿承认自己在最重要的工作中使用了AI。这与前一年大家对AI运用的积极性,形成了鲜明的对比。


员工盼望的,是借AI从繁重的事务中解放出来;企业考虑的,是效率的提升和人力成本的降低。不同的目的,从一开始就注定了这会是一场长久的博弈。


转岗、适应和新的焦虑


当人们以为企业们会朝着AI全自动的方向高歌猛进的时候,现实又发生了转折。瑞典支付公司Klarna一度以AI应用激进著称,宣称聊天机器人承担了相当于700名全职客服的工作量,平均解决问题的时间从11分钟缩短到2分钟。但到了2025年,这家公司却重新开始招聘。首席执行官在接受路透社采访时承认,过去过于偏重削减成本,正在调整方向,把更多注意力放回产品和服务。


这种变化,大概每一个曾经反复对着客服对话框输入“转人工”的人,都能感同身受。明明已经解释了很多遍自己的困惑,机器人却始终在机械地回答着模板化的答案。企业省下了回复的时间,但却接到了更多的客诉。


Gartner分析师凯西·罗斯总结了这一失误:部分企业依据预期中的AI能力提前减员,而非等待实际效果得到验证。一旦系统无法承担预计的业务量或复杂程度,剩下的员工又补不上缺口,企业就得重新招聘、培训,并恢复随人员离开而流失的经验。


不过,AI也在创造着新的工作岗位。


训练机器人台面清洁图源|新华社


京东客服雨辰曾担心被智能客服替代,后来转为人工智能训练师。近十年的客服经验,在新岗位上派上了用场:发现AI回答中的漏洞,判断问题出在哪里,再通过更新内容、配置智能体和维护调优,改善它的表现。


但不是所有人都能顺利转型。劳动者面对的矛盾变得越来越复杂:学习使用AI、帮助AI改进,可以成为留在企业的机会;系统越成熟,企业对岗位的要求又可能继续改变。


而且,技术也不会因为普通人的焦虑就停止进步。企业能够交给AI的任务,会随着模型能力、业务数据和系统接入条件的改善而变化升级。有调查提到,频繁使用AI的人,认为自己的工作很可能在未来五年因新技术、自动化或AI而消失的比例,是较少使用者的两倍以上。


越了解,越使用,越焦虑。这是普通人和AI的关系博弈中,怎么也走不出的困局。


企业新难题:省下今天的人力,透支明天的竞争力?


人类对新技术的焦虑并非第一次出现。从珍妮纺纱机到动力织机,机械化曾让大量靠手艺谋生的人失去收入。


政策已经开始介入这个问题。


2026年10月公布的《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》,提出在劳动密集型行业应用AI时,稳慎把握范围、力度和节奏;鼓励企业探索失业缓冲期,在大规模应用AI的过程中提前告知受影响劳动者,提供转型转岗支持。文件还提出,为符合条件的受影响劳动者提供职业指导、培训和岗位推荐,并按规定发放失业保险待遇。


但是,当企业和政策开始意识到需要更多关注“人”的时候,“人类劳动”本身,又出现了新的问题。


在越来越熟练地使用AI之后,一些人开始担心另一件事:如果关掉对话框,自己还能不能把工作做完?


这种不安甚至出现在开发AI的人身上。Anthropic的一项内部调查中,有工程师发现,过去自己会仔细研究工具,遇到问题翻文档、查代码。现在,AI可以直接给出解决办法,那些原本在摸索中记住的知识,却没有留下来。与同事讨论时,以前能随口说出的东西,现在还得通过AI确认一次。


这些工程师的警惕,也向企业提出了一个问题:当AI让员工更快完成工作,企业是否仍在积累自己的能力?


人力资本理论把培训和经验看作投资。企业花时间培养一个新人,期待的是他日后能够独立处理问题,甚至带出下一批人。AI改变了这笔投资的计算方式:一些过去需要多年练习的任务,如今借助工具就能完成,企业因而有了减少初级岗位、压缩培养周期的理由。但员工在AI的帮助下完成交付,并不意味着他们已经掌握了背后需要的知识。


Anthropic的小规模实验就提示了这种风险:在学习陌生编程工具时,AI辅助组完成任务后,对相关知识的掌握弱于手写代码组。这其实在提醒企业,眼前的产出和未来的能力,可能走向不同的方向。


当相近的AI工具越来越容易获得,企业需要重新辨认自己的优势。如果基础工作全部交给AI,新人从哪里开始学起?如果熟手不断离开,留下的人又能否判断机器给出的方案是否可靠?


这会直接影响用工决策。减少一个岗位之前,企业需要看清,被撤掉的除了当下的任务,是否还有培养人才、传递经验的作用。培训也不能止于教员工调用工具,还要让他们有机会独立判断、解释结果、处理异常,并把这些能力纳入考核。


从裁员到重新招聘,企业已经发现,省下人工成本之后,还可能付出服务质量和经验流失的代价。下一笔更难算的账,是人才还能否持续成长。今天的效率提升,究竟是在帮助企业积累能力,还是在消耗过去多年培养出来的能力?这可能比“AI能替代多少人”,更值得管理者追问。


参考资料:


Anthropic:AI如何改变Anthropic内部的工作。


Anthropic:AI辅助如何影响编程技能的形成。


Erik Brynjolfsson等:生成式AI在工作中,2023年4月工作论文。


国务院办公厅:关于适应人工智能技术发展助力构建就业友好型发展方式的意见。


路透社:瑞典Klarna将AI应用重点从削减成本转向增长。


微软、领英:2024年工作趋势指数:AI已经进入工作,接下来才是难题。