AI时代人的价值重塑三部曲① | 被掏空的不是岗位，而是“岗位人格”
工业时代依据岗位划分人，AI时代正在减少重新整合知识、技能和流程的成本。未来真正关键的，不是一个人掌握了多少固定技能，而是他能否利用AI和专业网络，面对完整问题、做出判断并承担后果。
这组三部曲依次解答三个问题：
第一篇 分工解构：为何旧有岗位价值正逐渐失效？
第二篇 价值重估：当技能不再稀缺，人的价值如何重新衡量？
第三篇 工作重组：如果岗位不再是基本单元，未来工作如何组织？
引子
有些岗位并未消失，甚至看起来依然忙碌。
但身处其中的人，却越来越清晰地感到：过去最能证明自己专业性的那些工作，正在迅速变得廉价。
文案仍然在写文章，程序员仍然在写代码，规划师仍然在编制方案，咨询顾问仍然在制作报告。工作没有突然消失，办公室也照常运转。
变化发生在更深的层面。
AI正在把过去需要多年训练、多个岗位协作才能完成的任务，压缩成一次对话、一次调用，或者一套自动运行的流程。
于是，一个新的问题出现了：
岗位还在，但岗位原本拥有的知识壁垒、流程特权和专业稀缺性，正在逐渐消失。
我把这种状态称为：
价值悬空。
它不是简单的失业焦虑，也不只是收入下降，而是一个人过去赖以确认自身价值的支点，开始失去稳定性。
真正被AI掏空的，可能不只是某些工作，而是工业时代塑造出来的“岗位人格”。
这些年，我一直在国土空间规划、数字孪生和人工智能之间工作。
现实中的一个城市问题，从来不会按照学科和部门边界发生。
一个片区为什么发展不起来？
它可能同时涉及人口流动、产业结构、土地制度、交通组织、财政能力、公共服务、生态约束，以及地方政府的决策机制。
现实是连在一起的。
但在我们的组织体系中，它往往被切成很多部分：
规划人员研究空间，产业团队研究项目，信息化人员建设系统，财务人员核算投入，政策人员分析制度，最后再通过会议，把各部分重新拼在一起。
每个部门都可能完成了自己的任务，每一份报告也可能符合专业规范。
但最终结果未必有效。
因为现实并不对局部正确负责。现实只对最终结果负责。
过去，我们之所以必须把一个完整问题切成如此多的部分，不是因为现实本来就存在这些边界，而是因为没有任何一个人能够同时掌握全部知识，也没有一种工具能够低成本地协调所有信息、流程和专业人员。
分工，是人类面对复杂世界时创造出来的一种解决方案。
它极大提高了效率，也创造了现代文明。
但随着分工越来越细，一个完整的人也逐渐被压缩成组织结构图上的一个方框。
我们开始习惯于说：这不是我的专业。这不属于我的部门。我的任务已经完成。后面的结果与我无关。
久而久之，人不仅在工作中承担一个碎片任务，也开始用这个碎片来定义自己。
“我是财务。”“我是程序员。”“我是规划师。”“我是做运营的。”
职位名称从一种工作分配方式，逐渐变成了一个人的身份边界。
而AI带来的真正变化，就发生在这些边界上。
亚当·斯密曾经通过制针工场说明分工的力量。
如果让一个人独立完成制针的全部流程，效率非常低；如果把工作拆成多道工序，每个人只重复其中一步，产量便会大幅提高。
工业文明把这套逻辑推向了极致。
知识被切成学科，企业被切成部门，业务被切成流程，流程被切成岗位，岗位又被拆成绩效指标。
它建立了一套非常强大的组织方法：一个人不必理解全部，只需把自己负责的那一小块做到稳定、熟练、可复制，就能够参与一项远远超出个人能力的事业。
这套制度没有错。没有高度分工，就不会有现代工业、全球供应链、大型医院、复杂城市以及今天的科技文明。
但分工也有它的代价。
当人长期只负责一个局部环节，他会越来越擅长完成被定义好的任务，却越来越不习惯面对一个没有标准答案的完整问题。
专业分工原本只是组织复杂现实的工具，后来却逐渐变成一道墙。
墙的一边，是我熟悉的流程、术语和评价体系。墙的另一边，是我不愿进入，也不需要承担责任的现实。
于是，我们培养出了大量非常熟练的“局部正确者”，却未必培养出足够多的“完整问题承担者”。
我们过去所说的专业壁垒，大致来自三种稀缺性。
第一种，是知识稀缺。某些信息只有少数人掌握，其他人很难获得，也很难理解。
第二种，是技能稀缺。即使知道理论，也需要长期训练，才能完成特定流程和标准动作。
第三种，是协作稀缺。一个复杂任务需要多个专业共同完成，而跨部门沟通、信息传递和流程协调的成本非常高。
因此，能够掌握某种知识、进入某个专业体系、熟练操作某套流程的人，就拥有了相对稳定的价值。
但AI正在同时削弱其中很大一部分壁垒。
它可以快速解释陌生领域的知识，可以帮助人完成过去需要长期练习的初步操作，也可以在多个任务之间进行调度、翻译和连接。
这并不意味着AI已经理解了全部现实，更不意味着所有专业都将消失。AI仍然会犯错，会产生幻觉，也无法自动理解每个地方复杂的利益关系和责任边界。
但是，它已经改变了一件极其重要的事情：
跨越专业边界、调用多种能力、重新组合工作流程的成本，正在迅速下降。
过去，一个人要完成研究、分析、设计、表达和传播，往往需要一个团队。
现在，一个真正理解问题的人，借助多个AI工具，已经可以在较短时间内完成过去需要多个岗位协作的第一轮闭环。
AI冲击的不是专业知识本身，而是以知识获取困难、流程封闭和协调成本高昂为基础的专业特权。
我们习惯问：文案会不会被替代？程序员会不会被替代？咨询顾问会不会被替代？
但一个职业从来不是不可分割的整体。每个岗位，都是很多任务在特定时期形成的临时组合。
一个咨询顾问既要查找资料、整理数据、制作图表，也要识别客户没有说出口的真实诉求，判断组织内部的利益关系，并让建议获得实际支持。
前几项更容易被AI接管，后几项仍然需要人深度参与。
但企业不会长期保留一个原封不动的岗位，只是删掉其中一半工作。
当大量基础任务被自动化，剩余任务会被重新组合，岗位也会随之被重新设计。
岗位内部先被掏空，随后，原来分散在不同岗位中的任务重新组合。
这也解释了为什么一些人还没有失业，却已经感到自身价值正在下降。不是因为工作不存在了，而是过去赖以证明专业性的环节，正在变得越来越便宜。
文案真正的危机，不是AI会写句子，而是当句子不再稀缺，他是否知道什么值得表达、向谁表达、为什么此刻要表达，以及表达之后希望推动什么变化。
程序员真正的危机，不是AI会生成代码，而是当代码越来越容易生成，他是否理解用户问题、系统约束、安全边界和商业结果。
规划师真正的危机，也不是AI会生成文本和图纸，而是当这些成果可以快速生成，他是否能够识别真实矛盾、协调多方关系，并让方案进入现实。
当“怎样做”的成本下降，人的价值就会不断向上移动：从完成任务，移动到定义问题；从掌握流程，移动到判断边界；从提交成果，移动到推动结果；从对局部负责，移动到对完整问题负责。
所谓价值悬空，不是一个人已经没有收入，也不是他的经验全部归零。
它指的是：岗位还在，但过去支撑岗位价值的稀缺性正在消失；旧的价值标准开始失效，新的价值结构却尚未建立。
一个人可能仍然很忙，甚至比过去更忙，但他隐约感觉到，自己每天完成的工作越来越容易被替代、压缩或者重新分配。
这对中年人尤其现实。年轻人面对的是一个尚未完全进入的未来，中年人面对的却是已经投入十几年甚至几十年的过去。
我们曾经按照工业社会的逻辑，建立自己的职业身份：选择一个专业，进入一个行业，积累一套经验，形成一个位置。
但AI正在迫使我们重新解释这些积累。
经验当然仍然有价值，但经验的价值不再主要来自“我做过很多次”，而来自：我是否知道模型在哪里可能出错；我是否知道事情在哪个节点容易失控；我是否能够识别表面目标与真实需求之间的差异；我是否能够把不同专业、资源和利益主体组织起来；我是否愿意对最终结果负责。
如果经验只剩下惯性，它会成为负担。如果经验能够转化为判断，它仍然非常昂贵。
因此，AI时代真正悬空的，不是所有专业人士，而是只能依附封闭流程和局部任务存在的“岗位人格”。
从现实生成论的视角看，分工不是客观世界天然存在的结构，而是人类在有限认知和有限协作能力下，生成现实的一种组织模型。
工业时代以岗位为最小单元，把完整问题切成无数局部任务，再通过组织体系把局部重新连接起来。
AI正在改变这套连接方式。
因此，我提出三个判断。
第一，AI不会终结专业，但会削弱大量以知识获取困难、流程封闭和协调成本高昂为前提的专业壁垒。
第二，AI不会简单消灭岗位，而会先拆解岗位内部的任务，再按照新的效率、责任和结果要求重新组合。
第三，真正被悬空的不是人，而是只能依附于一个局部流程、等待组织分配任务的岗位人格。
人的完整性，并不意味着每个人都要成为无所不能的通才。
它意味着：一个人不再只是完成某道工序，而能够看见工序服务于什么问题；不再只是交付局部成果，而能够理解局部如何进入整体；不再只是证明自己做过什么，而能够回答最终改变了什么。
工业时代通过切分工作获得了前所未有的效率，也在无形中把人固定为流程中的局部功能。
AI正在降低重新连接知识、技能和流程的成本。
但AI不会自动把完整性归还给人。
我们可能借助AI重新面对完整问题，也可能把越来越多的判断和责任继续外包给机器。
所以，AI时代真正的分野，不只是会不会使用某个工具，而是：当任务边界逐渐消失以后，一个人能否离开熟悉的岗位方框，独立面对一个没有标准答案的完整问题。
真正失效的不是专业。真正失效的，是这样一种旧安全感：只要我把被分配的这一小块做好，世界就会永远需要我。
旧世界把人切成岗位。AI时代真正的机会，是让人重新拥有面对完整问题的能力。
但接下来还有一个更现实的问题：如果标准化技能仍然有用，却不再像过去那样稀缺，那么一个人的收入、地位和价值，又将按照什么标准重新计算？
这是第二篇要回答的问题。