AI不是增强你，而是重新分配饭碗

你用 AI 画了张图，觉得自己变强了。

但画师少了一单。

你用 AI 做了个网页，觉得自己变强了。

但小外包少了一单。

你用 AI 搭了个题库系统，觉得自己变强了。

但原来卖小工具的人少了一单。

AI 确实给个体加成。

但这种加成，很多时候不是创造了新蛋糕，而是把原来需要向别人购买的能力，内置到了自己身上。

AI 没有先给你新饭碗。

它先让更多人不用再买别人的饭。

这才是它最现实的一面。

很多人讨论 AI 时，总喜欢谈未来会创造什么新职业、新产业、新机会。

这些当然会有。

但在短期内，AI 最先冲击的不是那些还不存在的新市场，而是已经存在的老市场。

比如：

画图。

设计。

文案。

翻译。

PPT。

剪辑。

资料整理。

基础代码。

小程序外包。

公众号排版。

简历优化。

简单咨询。

这些领域原来都有大量小订单、小服务、小工作室、自由职业者。

它们不一定高大上，但养活了很多人。

AI 来了以后，需求方突然发现：

我自己用 AI 做一下，好像也能到 80 分。

而很多小需求，本来就不需要 100 分。

客户真正要的可能只是：

够用。

便宜。

快。

能交差。

能自己改。

不用来回沟通。

AI 刚好满足这些条件。

所以最先被冲击的，不一定是最顶级的专家。

而是大量中低端、标准化、低预算的小服务市场。

以前这部分钱会流向服务者。

现在变成了使用者省下来的钱。

当然，这并不是说专业者没有价值。

真正顶尖的审美、经验、稳定交付和复杂项目能力，AI 暂时替代不了。

被最先压缩的，是那些低预算、标准化、可模板化、客户只需要“够用”的小服务市场。

这不是没有创造价值。

价值当然有。

但它不再以“劳动收入”的形式分配给原来的服务者。

它变成了：

需求方的便利。

组织的降本。

平台的会员费和算力费。

换一个角度看：

当我用 AI 做出一张图时，我当然觉得自己变强了。

但本质上，我只是把原来属于画师的一部分能力，用工具拿到了自己手里。

你用 AI 抢了别人的饭碗。

组织用 AI 抢了你的饭碗。

平台用 AI 抢了所有人的入口。

这个过程不是道德问题，而是成本结构变了。

过去昂贵的能力突然变便宜了。

凡是变便宜的东西，就会被重新分配。

社会总能力提高了，

但不代表普通劳动者更容易赚钱。

AI 时代的先发优势是有用的。

但它不是传统意义上的“长期护城河”。

以前学 Office、Excel、PPT、打字，这些技能扩散很慢。

一个人早学几年，确实能领先很久。

那时候技能的普及像蜂蜜倒进水里，是慢慢散开的。

但 AI 是快变量。

工具在变。

模型在变。

交互方式在变。

门槛也在快速下降。

你今天苦练出来的提示词技巧，可能过几个月模型自己就会了。

你今天学会的工作流，可能过一阵平台就内置了。

你今天觉得很厉害的小工具，可能明天别人一句话就生成了。

更可怕的是，后来者未必吃亏。

因为他一上来用的，可能就是更强、更傻瓜、更成熟的新一代 AI。

所以，“会用 AI”本身，不能成为长期护城河。

它会变成基础能力。

真正重要的是：

你有没有真实需求。

你能不能定义问题。

你能不能让 AI 生成的东西进入真实使用。

你能不能沉淀自己的数据、案例、方法和资产。

工具优势会过期。

但用工具沉淀的东西不会。

很多人以为越先进的行业，越有 AI 红利。

不一定。

在大厂，AI 扩散太快。

所有人都在用，工具很快拉平。

组织很快看到人效提升。

效率一旦提高，就会变成新的交付标准。

一个人能干三个人的活，组织就会认真考虑还要不要三个人。

所以在极度追求人效的地方，AI 不是温柔的赋能工具。

它是冷酷的成本计算器。

但银行、金融、政务、医疗这类强监管行业不一样。

强监管行业有数据安全要求。

有内外网限制。

有监管责任。

有流程审批。

有系统边界。

有保密要求。

很多敏感数据不能随便喂给外部 AI。

很多工具不能随便接入内部流程。

这些东西看起来低效。

但某种程度上，它们反而形成了一层缓冲。

以银行为例，AI 很难一下子全面进入内部，替代所有人的日常工作。

这对员工来说，是保护。

当然，这不是永久安全。

强监管行业迟早也会被 AI 改造。

客服、风控、运营、合规、材料、知识库、数据分析，都会被逐步重构。

但它的速度会慢一些。

这就给了个体一个窗口期。

在一个 AI 扩散比较慢的组织里，提前使用 AI 的人，反而能获得更长的先发优势。

关键是不要把这个优势用来多干低价值杂活。

而是要用它把自己从低价值劳动里解放出来。

低效率在组织眼里是成本。

在个体眼里，有时候是安全垫。

这是最重要的一点。

如果 AI 帮你省了时间，而你只是接了更多任务，那你只是变成了“AI 增强版螺丝钉”。

以前一天写一篇材料。

现在一天写三篇。

以前一个人跟一个项目。

现在一个人跟三个项目。

以前会议纪要慢慢写。

现在 AI 生成纪要，于是你又多开几个会。

如果是这样，AI 并没有让你变强。

它只是让组织更高效地使用你。

所以个体最重要的问题不是：

我怎么用 AI 提高效率？

而是：

AI 提高出来的效率，我能不能截留一部分给自己？

截留下来的时间，应该投到更高价值的事情上。

比如判断。

比如沟通。

比如机制设计。

比如个人资产。

比如健康。

比如家庭。

比如长期选择权。

AI 越强，你越忙。

除非你学会截留。

AI 会越来越强。

公开知识会越来越便宜。

普通表达会越来越便宜。

标准方案会越来越便宜。

基础工具会越来越便宜。

所以人不能把自己放在 AI 最容易吞掉的位置上。

未来真正稀缺的，反而是 AI 拿不到的东西。

比如现场。

真实组织里的很多信息，不在文档里。

领导一句“这个事情你再看看”，到底是不同意、犹豫、试探，还是让你补材料？

一个部门“原则上同意”，是真同意，还是不想担责？

一个项目推进不动，是技术问题、资源问题，还是利益问题？

一个人不说话，是没意见，还是最有意见？

这些东西，AI 很难直接知道。

再比如关系。

别人信不信你，不是因为你提示词写得好。

别人愿不愿意配合你，也不是因为 AI 给你的方案漂亮。

关系、信用、场景、责任、时机、分寸，这些仍然属于人。

AI 可以给建议。

但它不能替你在会议现场接一句话。

不能替你判断对方的脸色。

不能替你承担后果。

不能替你建立长期信任。

还有一点容易被忽略：

AI 用多了，人会变懒。

遇到问题不先想，直接问。

遇到判断不先下结论，直接让 AI 分析。

短期看效率很高。

长期看，人会变空。

因为真正的能力必须经过摩擦。

学习要有痛苦。

判断要先自己想。

方法要经过真实场景验证。

AI 最适合做教练，不适合做代练。

正确顺序是：

我先判断。

我先写一版。

我先暴露我的不确定。

然后再让 AI 反驳我、补充我、压测我。

如果一上来就让 AI 给答案，最后变强的是 AI，不是你。

所以未来真正要练的是：

判断力。

现场感。

沟通能力。

组织政治能力。

机制设计能力。

责任承担能力。

长期信用。

这些听起来很传统。

但越是 AI 时代，越重要。

AI 不能替你接住会议现场那句话。

不要只用 AI 提高工作效率。

要用 AI 提高自己的不可替代性。

这两者完全不同。

提高工作效率，组织最开心。

提高不可替代性，才是个人真正受益。

什么叫不可替代性？

不是你会某个工具。

而是你有真实场景。

有私有 context。

有判断。

有关系。

有信用。

有资产。

有选择权。

能把 AI 生成的东西放进现实世界里，变成真正被使用的东西。

未来“会用 AI”一定会被拉平。

但“知道在哪里用 AI、用 AI 解决什么真实问题、用 AI 沉淀什么个人资产”，不会那么快被拉平。

AI 当然有好处。

它让我能做以前做不了的事情。

让我少求人。

让我省钱。

让我把很多想法落地。

但它给我的加成，很多时候来自存量二次分配。

我省下的钱，是别人少赚的钱。

我获得的能力，是别人原来赖以收费的能力。

AI 是一台巨大的二次分配机器。

它先改变成本，再重分配饭碗，最后重新估价每个人。

上一篇写《置身钉内》时，我关心的是：

AI 替你省下来的时间，到底归谁？

这篇写到最后，我发现问题还可以再往前推一步：

AI 让很多能力变便宜以后，普通人该把自己放在哪里？

AI 已经来了。

你现在要回答的只有一个问题：

你用 AI 省下来的时间，是变成了更多的任务，还是变成了你的选择权？

真正变强的人，是那些趁能力变便宜时，把自己挪到更贵位置上的人。