AI最先淘汰的，是你的重复性工作

想象一下：你35岁，月薪2.5万，在公司干了几年设计。某天公司引进AI工具，领导找你谈话，说你的活儿AI也能干，要调岗，薪水砍掉四成。你不同意，公司直接把你开了。

这不是假设。2026年杭州，一个叫周某的人就这么被裁了。

法院判了：违法解除劳动合同，赔偿26万。

但法院同时说了一句关键的话：企业引入AI属于主动经营决策。翻译一下：公司想用AI替代你，法律上得先走完协商流程，不能直接把人踢走。至少目前，法律还站在打工人这边。

法律保护了一时的饭碗，但AI的浪潮不会因为一份判决停下。真正该问的问题很直接：你每天做的事，AI能做多少。

2023年4月，营销公司蓝色光标内部流出一封邮件，宣布停止四类外包业务，全面改用AIGC。消息传出，股价一度涨超18%。资本市场用真金白银投了赞成票。

IBM，老牌IT公司，2023年宣布冻结7800个后台岗位的招聘，CEO明确表示这些岗位的工作可以由AI完成。

Duolingo，一家教育公司，裁减了约10%的合同工，理由同样是AI已经能胜任这些工作。

数据更触目惊心。根据Layoffs.fyi追踪，2026年第一季度全球科技行业裁员12.7万人，同比增长340%，其中近七成企业在裁员说明中提到"AI整合"。具体到岗位，内容审核招聘下降67%，客服下降41%，程序员招聘下降23%。

教AI干活的人，最先被AI替代了。你教AI写代码，AI学会了，你被裁了。你教AI做内容审核，AI学会了，审核团队解散了。教AI的过程，本质上是在写一份关于自己工作的操作手册。手册写完了，你的价值也就到头了。

但事情真的这么简单吗？先别急着焦虑。

看到这些数字，你可能觉得天要塌了。但当我们把更多证据摆到桌面上，画面会复杂得多。

国际劳工组织2026年5月发布了一份实证综述，梳理了全球范围内AI对就业影响的实际证据。结论出乎很多人意料：大规模失业尚未发生。

芝加哥大学和哥本哈根大学的研究者追踪了丹麦多家企业引入AI后的真实变化，发现AI主要在重组工作内容，并不直接消灭岗位。员工的部分任务被AI接管了，但岗位本身还在，工作方式变了。

OECD修正了一个关键数字：如果以任务为单位衡量，只有约9%的岗位处于高风险。世界经济论坛预测到2030年AI将净增7800万个岗位。

但"净增"两个字，没法让人安心。被淘汰的人和新岗位需要的人，往往不是同一批。

失去旧岗位的人并不会自动成为新岗位的胜任者。一个被裁掉的内容审核员，不会自动变成AI训练师。一个被替代的初级程序员，不会自动转型成AI架构师。这个转换需要学习，需要主动适应。

那么，到底什么样的工作会被AI接管？答案藏在一个被忽视的概念里。

MIT三位经济学家2026年2月在NBER发表了一篇论文，把AI技术变革分成五类：劳动力增强、资本增强、自动化、技能拉平、新任务创造。前四类要么替代人，要么让人变成AI的附属品，只有第五类"新任务创造"对打工人真正有利。可惜的是，目前大多数AI应用集中在前四类。

Acemoglu教授管这叫"平庸自动化"：AI替代了人的工作，但没有真正提高生产率。企业省了钱，工人丢了活，整个经济的蛋糕并没有变大。60%到90%的生产力增益，在这种内耗中被耗散掉了。

更关键的发现是：AI替代的是岗位里的某些任务，并不直接替代整个岗位。

一个岗位由若干任务组成。AI可能接管其中一部分任务，但未必能接管全部。当AI接管了你岗位里80%的任务，剩下20%撑不起一个全职岗位时，岗位才开始动摇。

中国社科院法学所的王天玉研究员从法律视角得出了同样的判断：劳动的基本计量单位正在从岗位变成任务。这跟Acemoglu的框架形成了印证。一个从经济学角度分析，一个从法学角度观察，指向同一个结论。

这对你意味着什么？你的岗位不会一夜之间消失，但岗位里的任务会重新分配。以前你直接做事，以后你可能要变成审AI做的事。从"做事"变成"审事"。

岗位没有消失，但岗位的工作内容正在被重新定义。

那么，哪些任务AI暂时还干不了？牛津大学Frey和Osborne提出了"三瓶颈"框架，认为约60%的职业至少在其中一项能力上具有难以替代的优势。三个瓶颈是：

- Sensory Perception and Manipulation（感知与操作能力）：在非标准物理环境中的精密操作，比如水管工修理漏水管道时需要根据现场情况灵活调整

- Creative Intelligence（创造性智能）：真正的原创判断，比如科学家提出全新假设

- Social Intelligence（社交智能）：建立信任和共情，比如心理咨询师与来访者之间建立的信任关系

这个框架提出十多年了。2026年Anthropic的实际数据验证了它依然成立。技术发展了十多年，这三道坎依然牢牢挡在AI面前。接下来，我们用这组数据看看，哪些任务最容易被AI接管。

AI公司Anthropic 2026年3月发布了一项研究，引入了一个新指标叫"观察暴露度"，衡量的是AI实际介入工作任务的频率。这个指标比过去纯理论上的可能性估算更贴近真实职场。

这里的"暴露度"衡量的是岗位里有多少任务能被AI做了，不是说整个岗位会消失。前面说过那个"80%临界点"，Anthropic的数据测出了最逼近这个临界点的岗位：

程序员的日常任务，有四分之三已经有AI介入。客服有七成。数据录入有三分之二。这些岗位的共同特点是工作内容高度规则化、可编码化。你每天做的事如果能写成一本操作手册，AI学起来就很快。

还有一个更让人意外的发现。受影响最大的群体，是高学历、高薪白领。AI最先冲击的是脑力劳动者。这跟过去几轮技术革命冲击蓝领工人的模式完全不同。过去你以为AI会先抢体力劳动者的饭碗，现实恰恰相反。

高风险岗位的数据看起来很惊人。但AI替代人，真的能一帆风顺吗？一家瑞典公司的经历，给出了耐人寻味的答案。

Klarna是一家瑞典支付公司。2024年，CEO高调宣布：AI客服系统替代了700名客服人员，效率提升了，成本降了。故事到这里，像是AI裁员的教科书案例。

但一年后，这位CEO公开承认："我们砍太狠了。"客户满意度下滑，复杂问题AI处理不了，公司不得不重新招人。更有意思的是，人工客服后来被打包成VIP服务，价格更高。

为什么会反转？因为客服岗位里，回答常见问题只是任务之一。安抚愤怒的客户、处理边界模糊的投诉、在客户急得团团转的时候听懂他的焦虑并帮他想办法，这些任务需要的是Social Intelligence。AI能接住简单问题，接不住复杂情绪。

用AI替代人，短期省钱，长期亏钱。省下来的钱，最终又以另一种方式花出去了。Acemoglu所说的"平庸自动化"，在Klarna身上应验了。

对比一下富士通的做法。这家日本科技巨头没有选择裁员，把4.5万名员工转入以职能为基础的人事系统，同时全员AI培训。结果有入职第二年的基层员工，因为能用AI大幅提升效率，被破格提拔。

两条路，两种结局。Klarna做减法：替代人、省钱，绕回来又得招人。富士通做加法：武装人，基层员工快速成长。

Klarna的反转说明，AI能替代任务，但替代不了岗位的全部价值。那么，哪些任务AI暂时还接不住？

同一项研究也列出了暴露度最低的岗位：

共同特征很明显：都需要在非标准环境中进行物理操作，都需要跟活生生的人打交道，都依赖手感、经验和临场判断。这些恰好对应了三瓶颈中的Sensory Perception and Manipulation和Social Intelligence。AI"手"够不着，"心"也摸不透。

但"暂时安全"这四个字，不能让你真的松口气。AI可能不直接替代这些岗位，但会压缩它们。一个快递员暂时不会被AI取代，但AI调度的无人配送车会改变快递员的工作方式和收入结构。直接替代和间接压缩，是两场不同的博弈。

高风险岗位在被替代，暂时安全的岗位在被压缩。但无论你处在哪一端，有一样东西正在悄悄变化。

斯坦福大学经济学家2025年8月发表了一项研究，分析了薪酬服务商ADP的250万名员工数据。发现了一个令人不安的现象：22至25岁的年轻人，在高AI暴露职业中的就业率下降了14%。

年轻人还没入行，就被AI挡在门外。这些年轻人刚刚走出校园，满怀期待地进入职场，却发现入门岗位正在被AI吃掉。过去，应届生的竞争力在于"便宜、听话、学得快"。现在AI比他们更便宜、更听话、学得更快。企业还有什么理由招应届生？

Anthropic的CEO在2025年做出了一个大胆预测：AI可能消灭一半初级白领岗位。如果这个预测成真，意味着整整一代人的职业起点将被推迟。

更深层的变化在于经验本身。AI拉平了新手和老手的差距，新手能接近老手七八成的水平。你花了十年积累的显性知识，AI几秒钟就能整合出来。你花了十年学会写一份分析报告，AI十秒钟就能生成初稿。你花了五年学会写基础代码，AI现在能直接给出完整程序。但经验里那些没法写成文字的东西，直觉、手感、对人性的判断，AI还补不齐。

但剩下那两三成呢？

判断力。决定报告方向的，是什么问题值得回答，AI写得了报告，但不知道该写什么报告。信任关系。让客户买单靠的是信任，AI能生成销售话术，但没法替你跟客户建立信任。原创构思。提出一个别人没想到的方向，这需要直觉、跨界连接和对行业的深度理解。

人人都在用AI的时代，会拉开差距的，反而是那些AI给不了的东西。

说了这么多，落到你身上，该怎么办？

经济学家熊彼特在1942年提出"创造性破坏"：每一次技术革命都在摧毁旧岗位的同时创造新岗位。但有一点他没说透：被摧毁的人，并不会自动成为新岗位的胜任者。

如前文王天玉所言，劳动的基本计量单位正在从岗位变成任务。所以你该问的问题更具体了：

你每天做的事，有多少是能被写成规则的？越多越危险。有多少需要判断、手感、信任、经验？越多越安全。

能写成规则的，AI学得会。需要判断、手感、信任、经验的，AI暂时还学不会。这个判断标准很简单：你能不能把你的工作写成一个标准操作流程，让一个新人照着做就能完成？如果能，AI也能。如果不能，那部分工作就是你的安全区。

所以，有三件事值得认真对待。它们是递进的：先盘点任务边界，再完成角色转型，最后加固护城河。

第一，盘点你的任务边界。列出你每天的工作，诚实标注哪些是AI比你强的规则化任务，哪些是你比AI强的需要判断、手感、信任的任务。

第二，完成角色转型：从"做事"变成"审事"。把规则化任务交给AI，把你的精力解放出来，去审核AI的产出，处理那些边界模糊的问题。前文说的"岗位的工作内容正在被重新定义"，到这里就具体了：你的角色从执行者变成了审核者。

第三，加固你的护城河。在前两步的基础上，把省下的时间投入到AI给不了的能力上，建立深度信任关系、做出非共识的判断、产出原创构思。

杭州的判决书保护了周某的26万赔偿，但保护不了下一个周某的岗位。法律只能回应已经发生的事，而你未来的饭碗，只能由你自己来守卫。

- Layoffs.fyi, "Tech Layoffs Tracker", 2026-07-14

- 杭州市中级人民法院，周某劳动争议案终审判决，2026-04-28

- ILO, "The impact of GenAI on jobs, productivity and work organization: a review of the empirical evidence", 2026-05-15

- Humlum & Vestergaard, "Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI", 2026-03-13

- Anthropic, "Labor Market Impacts of AI: A New Measure and Early Evidence", 2026-03-05

- Acemoglu, Autor & Johnson, "Building Pro-Worker Artificial Intelligence", NBER Working Paper No. 34854, 2026-02-23

- Brynjolfsson et al., "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence", 2025-08-29

- 王天玉，人工智能开创人机协同的劳动新形态，《中国劳动保障报》，2025-09-06

- Frey & Osborne, "The Future of Employment", Oxford Martin School, 2013-09-17

- Schumpeter, "Capitalism, Socialism and Democracy", 1942