AI能代写报告了，你还要跟它拼文笔吗？
办公室职员头一回察觉到，自己或许已被列入"可被替代"的清单。
这种滋味并不好受。以往我们总以为，被机器夺走的是工厂流水线上的岗位，是出卖体力的活计，是机械重复的动作——似乎还波及不到我们。但如今，它触及的却是撰写报告、开展分析、处置信息这些我们曾自认"靠脑力谋生"的工作。
凯恩斯在上世纪三十年代创造过一个术语，叫做"技术性失业"：节省劳动力的技术进步速度，超出了为劳动力开辟新用途的速度，于是便产生了失业现象。他当时觉得这只是短暂的失衡。然而九十多年后的今天，这句话的适用场景，正从工厂车间迁移到写字楼的办公桌前。
于是问题变得十分具体：既然AI能够胜任白领的工作，人类该凭借什么守住自己的职业？
在回答这个问题之前，有一件事必须先理清楚。
1956年，在达特茅斯会议上，约翰·麦卡锡正式开辟了一个学科领域，命名为"人工智能"——AI。它的宗旨相当清晰：借助计算机软硬件来模拟或替代人类的智能，让机器能够独立完成类似人类的任务，将人类的体验过程自动化。
请留意这个关键词：替代。让机器独立且自动地承担原本属于人类的职责。
但几乎在同一时期，另有一批人走上了一条截然不同的路径。道格拉斯·恩格尔巴特开辟了一条被称为"智能增强"的道路——IA。它的目标并非让机器替代人类，而是借助计算机来拓展、强化人类的智力与协作水平，使更强大的工具能够"引导"人类产生超越个体局限的群体智慧。
一条路是让机器模仿人，另一条路是让人借助机器变得更强大。两条路径自计算时代开启的那一天便已并存，它们是一对贯穿始终的设计理念。
为何如今我们谈及AI抢走饭碗时，总是不假思索地默认前一条路径？因为"替代"这个词听上去更具冲击力，也更契合新闻标题的传播逻辑。
但请牢记：AI与IA是从同一原点分岔而出的两条道路，并非技术发展的唯一归宿。你身处于哪条路上，决定了你所看到的是威胁还是杠杆。
许多人面对AI时的第一反应便是：我要学得更快、写得更快、做得更出色，超越AI。
这条路线，大概率是条死胡同。
因为一旦你接受了与AI较量"任务执行能力"这一框架，就等同于将自己置于和机器同一条流水线上。而这条流水线的评判标准是经济效率——比拼速度、规模与成本。AI不会疲惫，不会下班，不会提出加薪，不会在凌晨两点赶报告时反问自己"这究竟有什么意义"。
这场较量，规则本身就对你毫无益处。
更为棘手的是，替代路线本身并不稳固。人工智能曾经历过数次"寒冬"：二十世纪七十至八十年代，因许诺未能兑现，融资缩减、市场受挫、行业萎缩。此后这一循环反复上演——热潮一阵，寒潮一阵，再热潮一阵。
将职业的安全感押注于这样一种忽冷忽热的技术浪潮之上，本就充满风险。而更为危险的是，一旦你登上了那条流水线，便默认了"人可以被拿来与机器相提并论"这一前提是合理的。
然而人并非用来被比较的。这是IA路线最核心的信条。
利克莱德在六十年代提出过一个理念，叫做"人机共生"：人类与计算设备彼此无缝融合、协同配合，借助机械延伸人类的能力，而非取代人类。他将这一时期誉为"人类历史上最具智慧、最富创意且最令人振奋的阶段"。
维纳的控制论则起步更早。他预见到了自动化与机器智能的兴起，同时也率先发出警示：信息技术有可能脱离人类的掌控。
值得注意的是，这些先驱在AI概念诞生的年代便已指出：机器应当是人的延伸，而非人的替代品。
这条路径投射到当下的白领工作中，其实尤为具体。
生成式AI最为擅长的，是起草文稿、提炼摘要、编写代码、筛选信息、处理模式清晰的流程化任务。这些都属于"任务"的范畴。而白领工作中真正具备价值的部分，往往凌驾于任务之上：提出恰当的问题、确立目标、评估输出品质、协调各方立场、在模糊情境中作出抉择、为结果担责。
这些是"责任"。AI能够协助你更高效地完成任务，但它无法替你承担这份责任。
若你将工作拆解为"任务"与"责任"两个层面，便会发现一条简明的判断准则：凡是可被拆解为"任务"的部分，AI都会比你完成得更迅捷；凡涉及"责任"的部分，AI暂时无法取代你，因为责任的背后是关系、是信任、是你的名字在系统中所承载的信誉。
因此，一个即刻可付诸实践的行动是：下一次使用AI工具时，不要仅仅将其视作"写手"，而应把它当作你的"实习生"或"初稿提供者"。由你来担任那个审核、判定、决策、担责的角色。谁在为最终结果负责，谁才是那个岗位上不可替代的存在。
谈及"不可替代"，许多人便会联想到图灵测试。它所探讨的是：一个人坐在终端前，通过书面问答与若干未知对象交流，若在一定时间内无法分辨对方是计算机还是人类，那么这台机器便可被视为"智能的"。
这一测试常被解读为"AI能否蒙骗人类"。但它更为深远的意义在于，首次从社会学视角抛出了正确的问题——它所追问的并非"机器能否思考"，而是"人类如何辨识另一个对象是否与自己同类"。
请留意，这个问题指向的是人类自身，而非机器。
将其移植到职场中，意味便截然不同：当AI生成的内容愈发酷似人类所写，若单位衡量你的尺度仅是"这份报告能否过关"，确实会令人惶恐。但若标准转变为"这个结论你是否敢于负责""这个人是否值得信赖""这个判断是否蕴含对上下文的理解"，那么AI的"类人化"便失去了意义。
衡量一个人的价值，从来不应仅仅依据他的"产出"是否像AI。
还有一个历史案例值得审视：专家系统。它是AI商业化初期的典范，借助规则与知识库来模拟人类专家在特定领域的决策过程。它曾被寄予厚望，但最终受限于专业领域，依靠显性规则运作，一旦遭遇规则库之外的开放性问题便束手无策。
白领工作中最为核心的"专家经验"，恰恰是隐性判断、人际信任、临场应变，这些要素无法被完整地编码为规则。这正是任务与责任的分野，也是人尚能立足的根基。
讲到这里，或许有人会反驳：好，我选择了增强路线，致力于人机共生，但我所在的公司并不这么打算怎么办？上司就是想借助AI将我替换以削减成本，我该如何应对？
这个问题触及了要害。
技术的社会建构理论揭示：技术并非自发演进，不会像自然进化那般自行涌现。它是由人类的设计与抉择所塑造的。工程师决定机器能够做什么，企业决定机器应用于何处，政策决定这套逻辑如何运转。机器自身不会决定取代谁——作出决定的是人。
为何生成式AI带给你的是失业焦虑而非效率提升？很大程度上源于许多机构与企业默认启动了"替代模式"：借助AI来压缩成本、精简人员、优化人力配置。同样的技术，若切换至"增强模式"，则应被用于使现有人员更强大、让团队产出更卓越。这取决于设计与抉择。
替代路线的极端推演，便是"奇点"——那个机器智能跨越门槛、蜕变为"超级人类"的瞬间。这一叙事被广泛传播，但它只是我们可能选择的诸多未来之一，并非注定的宿命。它更不是技术自行演进的方向。
因此，个人选择增强路线远远不够。若你身处一家将AI当作利斧来砍人的公司，你的个人抉择会被结构性力量所吞没。你需要着手两件事：一是让自己成为那个"善用AI的问题提出者与责任担当者"；二是审视你所供职的组织——它是在借助AI增强人，还是在借助AI替代人？这个抉择，决定了你的岗位是获得提升还是走向消亡。
回到开篇那份焦虑：当AI能够胜任白领的工作，人类该凭借什么守住自己的职业？
答案或许并非"学习更多技能"或"跑得更快"，而是：将技术引向增强，而非替代。
人类真正不可替代的能力，并非执行任务的熟练程度，而是在现实世界中提出问题、作出判断、承担责任、构建信任的能力。这些能力不会因AI变得更强而贬值——恰恰因为AI愈发擅长处理任务，这些"人类特质"反而愈发珍贵。
若你只能铭记一个观点，我希望是这句：
AI所剥夺的是"完成"，而人的价值根植于"负责"。
想透这一点，你便不会再用"AI能否取代我"来惊吓自己，而是会开始追问另一个问题：我要将一个怎样的AI，化作我的延伸？