AI浪潮下的职场变革：面对同一项技术，为何有人视其为危机，有人视其为机遇？
本周焦点：大家热议AI，但讨论的未来蓝图或许大相径庭 · Day 4
【提要】超市自助结账虽然削减了收银员，却让顾客承担了扫码和打包——企业节省了人力成本，但社会整体效率并未同步增长。这虽非AI案例，却揭示了早于AI就已存在的抉择：技术究竟是用来裁减人员，还是让人干得更出色？AI并未抹去这一选择，只是将其延伸至更多脑力领域。
不妨先回顾一下AI诞生前的某种自动化现象。
自助结账机虽削减了部分收银业务，却将扫码、称重及打包的任务转移给了顾客。麻省理工经济学家 Daron Acemoglu 将此类技术称为“平庸的自动化”：企业节约了薪酬，但社会总产出并未实现同比例增长。
节省下来的劳动成本，主要是由受薪员工转移到了不领薪的消费者身上。
这揭示了早于AI时代就已存在的抉择：技术究竟是用来裁员，还是赋能于人？
在AI时代，这一抉择同样出现在更多需要智力的岗位上。
· · ·
另一种策略是：不直接替换人员，而是在其作业过程中提供辅助与支持。
麻省理工与斯坦福的三位学者追踪了 5,179 名客服人员。他们所在的公司分批引入了一款生成式AI助手——它不直接回答客户问题，而是在客服与客户的对话中，于屏幕上提示回复建议。
2025年发表于《经济学季刊》的研究结果显示：每小时解决的客户问题数平均提升了约 15%。
分布情况比平均值更值得关注。经验不足、表现欠佳的员工，提升幅度约为 34%；而经验丰富、原本表现优异的员工，几乎未见变化。
作者的解释是：该系统将表现优异员工的处理方法传授给了表现较差的员工，助其更快达到资深员工的水准。
这仅限于一家公司和一个行业，无法推广至所有工作。但这是一个确凿的证据：AI既可以用来替代人，也可以用来帮助原本表现不佳的人变得更好。
· · ·
同样在麻省理工，劳动经济学家 David Autor 思考得更为深远。
他在2024年的论文中指出：过去几十年，自动化和全球化主要削减的是中等技能岗位——既非高端的专业判断，也非底层的体力服务。
而AI能整合信息、规则与过往经验以辅助判断与决策。这可能导致一种情况：更多具备基础知识的劳动者，在AI支持下承担部分目前仅由资深专家负责的工作——如医疗护理、法律文书、软件开发、大学教学中的某些环节。
若真走向这一步，结果将是收入差距缩小，医疗教育等服务成本降低，部分职业重获体面与价值。
Autor 本人也明确表示：这仅是关于可能性的探讨，而非预测。
然而，“平庸的自动化”已在多地发生。两者的证据强度并不对等。
· · ·
现实尚未给出替代与增强何者胜出的答案。它已展示的另一件事是：这种影响落在不同人身上，轻重差异巨大。
国际劳工组织2025年的全球测算显示：约四分之一的工作中，相当一部分任务已能被生成式AI完成。但报告判断增强效应大于替代效应——多数工作由多项任务组成，其中总有部分仍需人工。
“增强多于取代”并不代表影响微弱，也不意味着影响均匀。岗位并未整体消失，但这并不意味着其中的任务、技能要求、收入及晋升路径不会发生显著改变。
暴露比例最高的是文书类岗位——秘书、前台、薪资核算、会计助理。在全球女性就业中，4.7% 落在这一档；男性为 2.4%。在高收入国家，这两个数字分别为 9.6% 和 3.5%。原因在于女性在这类岗位占比更高，且这些工作中有更多可被规则化、可复制的内容。
需澄清的是，该比例计算的是任务的重合度，而非已发生的替代情况。
· · ·
因此，问题不在于“AI是否会取代人”，而在于人被置于何种位置。
技术能力决定了能做什么，而组织与制度安排决定了人最终被置于何处。
这两者并非非此即彼。同一次引入可能同时发生两件事：留下的人工作成效提升，但部分原有岗位被削减。替代人与辅助人并非企业的两种互斥选择，它们可能共存于同一组织中。
人被置于何处，不仅关乎是否有工作，更决定了效率提升所节约的资源最终流向何方——是转化为更低廉的商品、更高薪酬的岗位，还是流向其他领域。
这部分资源如何流动、经过哪些环节，是下周探讨的话题。
· · ·
下次听到“AI已经能完成某项工作”时，不要就此止步，不妨多追问两句：
它介入后，是把此人从流程中移除，还是助其完成以前无法做到的事？若效率确实提升，节省下来的资源又归了谁？
明天的主题：科学家群体如何看待AI？
参考资料说明
“so-so automation”（平庸的自动化）概念源自 Daron Acemoglu 与 Pascual Restrepo 的《Automation and New Tasks: How Technology Displaces and Reinstates Labor》，发表于《Journal of Economic Perspectives》2019年第33卷第2期。
客服助手研究由 Erik Brynjolfsson、Danielle Li、Lindsey Raymond 完成，题为《Generative AI at Work》，发表于《The Quarterly Journal of Economics》第140卷第2期（2025年5月），早期版本为NBER工作论文w31161。样本为5,179名客服人员，采用企业分批引入的准实验设计；每小时解决问题数平均提升约15%，其中新手与低技能员工提升约34%，资深与高技能员工提升有限。
AI重建中等技能岗位的设想，源自 David Autor 的《Applying AI to Rebuild Middle Class Jobs》，NBER工作论文w32140，2024年2月。
岗位暴露数据参考了国际劳工组织（ILO）与波兰国家研究所（NASK）2025年5月发布的《Generative AI and Jobs: A Refined Global Index of Occupational Exposure》（工作论文140）。核心结论为“转变比取代更可能”。
#AI时代#人工智能#未来趋势#科技与社会#工作的未来#组织管理#企业管理#时代认知