AI换人？不过是被建构的技术幻觉
曾几何时，我沉迷于追踪AI领域的最新动态，恨不得试遍每一款新工具，热衷于将AI融入工作流，享受效率骤升的快感。
但渐渐地，我意识到，自己做的许多事——尤其是工作中大量内容——在“AI提效”的语境下，已变成必须与AI协作：不是我在选择用不用AI，而是我所处的组织早已默认AI的存在，我唯一能做的，只是决定是否顺从它的建议。
在这种“协作”中，我逐渐感受到一种难以言喻的“去技能化”：效率确实提升了，可我对自身工作的意义、为何如此操作的把握，却日益模糊（详见上一篇：AI时代觉得管理不重要，本质是觉得“普通人”不再重要）。
带着这份隐约的不安与对技术与劳动关系的疑问，我翻开了许怡老师的《机器时代：技术如何改变我们的工作和生活》。
许怡长期深耕劳动社会学，此书是她七年田野调查的成果，足迹遍及珠三角制造业与自动驾驶产业，也是国内首部系统研究“机器换人”现象的社会学专著。
全书核心概念是“机器霸权”：自动化系统在产业升级中获得的、凌驾于劳动者之上的支配权。它既体现为机器在生产流程中的中心地位，也表现为对人的认知垄断，使“机器无所不能、甚至优于人类”成为管理者与工人共同接受的常识。通过对工厂的实地观察，她发现这种霸权通过三重机制实现：机器意识形态的塑造、政策资源向自动化的倾斜、以及机器对劳动过程的直接控制。而正是在此过程中，她深刻意识到：
技术从来不是自然演进的必然路径，而是资本、政策、媒体与专家话语共同建构的产物。
阅读时，我做了一个非正式实验：将书中所有描述自动化机器、工业机器人、无人驾驶的句子主语替换为“AI”，结果竟完全通顺，逻辑无需调整。在当下AI狂热的时代，“AI无所不能、甚至比人类更优越”可直接替代“机器无所不能”，“机器霸权”可替换为“AI霸权”，“机器迷思”变成“AI迷思”。这一发现让我顿悟：
许怡研究的是机器，但她真正揭示的，是一套可被反复套用于任何新技术的意识形态生产机制——技术能做什么、该取代谁，并非由技术本身决定，而是由固定的话语模板塑造。
接下来，我想借她的框架，剖析我们正经历的这场AI浪潮。
书中归纳了制造业三大“机器迷思”：
机器生产更快、质量更高、运行更稳。今天AI公司的宣传中，我们看到如出一辙的叙事：AI处理信息更快、生成内容更客观、判断更稳定。
但若深入使用AI于真实业务场景，便会发现，这些说法与书中揭示的工厂真相一样不堪一击。AI表面的强大与稳定，实则是“金玉其外”的外壳，背后隐藏着无数未被看见的人力劳动。
具体而言：其一，AI输出虽流畅，但流畅≠准确，“一本正经地编造”已是常态，需人工反复校对；其二，所谓“客观中立”，不过是训练数据中既有偏见的再分布（AI回答中仍充满偏见）；其三，即便输出更稳定，背后仍是数据标注员、审核员、对齐工程师日复一日地修正错误——这些劳动，恰如许怡笔下替机器“擦屁股”却无人看见的工人。
这三大迷思能无缝移植到AI身上，恰恰说明：这类迷思并非针对某项技术的经验总结，而是一套可装入任何新技术外壳的固定叙事模板。
这套叙事如何被生产？
许怡的答案：媒体、政策与资本，其中资本最为关键。
今天AI领域的“技术迷思”，同样由这三股力量合力塑造。
先看媒体。
与工厂时代“机器换人”的叙事相似，今日媒体在报道技术升级时，几乎只聚焦于“AI原生”这条最激进路径，却极少呈现更渐进、强调人机协作、见效缓慢但更稳健的替代方案。久而久之，公众连“还有别的可能”都意识不到，正如过去无法想象无需大规模裁员的“自动化-技能偏好”路径。如今鼓吹“AI将重塑一切工作”的意见领袖，正如我上文所指，多为AI企业创始人、投资人或代言人，他们借助资本站上话语高地，以“科学”“未来”之名，为AI意识形态背书，其所谓中立性值得怀疑。
谁定义了AI能做什么，谁就定义了什么是进步。质疑者则被贴上“不懂技术”“抗拒时代”的标签。这本身就是压制技术想象力的机制，无论对象是机器人、生产线还是AI，运作逻辑如出一辙。
再看政策。
许怡指出，政策不仅推动机器意识形态落地，更在认知层面强化“机器优越”的观念。近年来各地密集出台AI产业规划、专项补贴、算力扶持、政府采购优先使用AI方案等，固然有产业升级考量，但客观上不断强化“拥抱AI=唯一正解”的印象。那些更审慎、强调人机协作、短期难见成效的路径，难以获得同等资源。当技术从舆论热点变为政策红利，“要不要用AI”就悄然从技术选择，变成政治正确问题。
最后是资本，也是最核心的一环。
深入一层看，这场“AI是否更优越”的争论，本质是劳动控制权的争夺。
经济学家布雷弗曼曾说：“使劳动者衰弱的，从来不是机器的生产力，而是资本主义关系中使用机器的方式。”今天企业推广AI，真正在意的，不是培养员工判断力，而是降低对经验与判断的依赖：用AI生成初稿取代新人练习写作，用AI决策替代一线临场判断——本质是“让经验贬值，让操作标准化”。
许怡以数控机床为例：早期资方不愿推广，因编程依赖熟练工人，担心工人掌握技术控制权，难以管理。这与今天企业对AI的态度完全一致：越是能将判断权从员工手中抽离、转交系统与管理层的AI应用，越被大力推广（如近期“蒸馏”技术，将员工经验转化为AI可调用的技能，劳动过程被彻底资本化）。
换言之，“AI比人优越”这句话的真正基础，是员工的经验与判断对资本而言已不再重要。所谓“技术中立”，实则是资本重新分配劳动控制权的策略性话术，并非技术演进的自然结果。
值得注意的是，这套逻辑已超越单个企业。许怡将视野延伸至网约车平台与无人驾驶企业，揭示出一条从制造资本到数字资本的路径：平台榨取司机剩余价值，科技资本则以最小化人力为新增长点，从局部替代走向全面替代。
如今掌握算力、数据与模型的AI巨头，正重复甚至放大这一路径。法国经济学家塞德里克·迪朗提出的“技术封建主义”概念，恰可形容这一新权力结构：谁控制大模型、数据与算力，谁就是新领主；绝大多数AI使用者，实质在缴纳“数字地租”。当AI替代人力被包装为效率、安全与进步的必然，一个更根本的问题却被回避：被替代的人将何去何从？而这个问题的答案，如今几乎被主流叙事彻底抹除。
这一点在互联网大厂近年以AI为名的裁员潮中尤为明显。
当公司宣称“因AI提效”裁撤岗位，这一说法自动获得不可辩驳的正当性。谁质疑，即被等同于反对技术进步，正如书中不愿接受“机器换人”的工人被贴上“卢德分子”标签。但若按许怡框架拆解，会发现：
AI裁员往往并非纯粹由技术驱动，而是管理层借技术叙事，完成本就意图进行的组织瘦身与成本重构。
被裁岗位未必真被AI替代，留任者却要承担双重负担：接手离职者的工作，同时学习被鼓吹“提效”的AI工具，实际强度不降反升。AI这一说法，将管理决策包装为技术必然，员工难以像面对普通裁员那样追问补偿与依据。
许怡并未将工人视为被动接受意识形态的客体。她发现，工人在长期与机器共处中，逐步看清其缺陷，实现“祛魅”，重新确认自身价值。
今天，类似的祛魅正在AI使用者中发生。越来越多知识工作者在深度使用AI后，亲身体验到其在事实核查、复杂判断、长期一致性上的局限，意识到“AI取代一切”的叙事与自身体验存在巨大落差。这种日常、分散的觉醒，正契合福柯所说的“反抗的系谱学”：
反抗应作为系谱学存在——即看见不同场域、不同个体在不同脉络下对权力关系的颠覆行动。在系谱学视野下，罢工是反抗，旷工、怠工、小动作、抱怨与讽刺，同样是反抗。
因此，每一次对AI输出的质疑、每一次拒绝在不合理时限内用AI完成本应团队协作的任务、每一次公开肯定同行经验，都是在具体情境中夺回判断权与主体性的微小实践，尽管它们远不如集体行动耀眼。
揭穿“机器比人更优越”是被制造的幻觉，并非反对技术。在AI时代，关键不在于是否使用AI，而在于发展何种AI、AI服务于谁。而答案，取决于技术所嵌入的政治、经济与社会制度。
当“AI优越”被当作不容置疑的社会事实，AI换人便被叙述为不可逆的历史方向，那些更渐进、更强调人机协作、重视劳动者参与的技术路径，也就被彻底排除在想象之外。
相较于AI公司、媒体与技术圈热衷追问的“AI能否比人更快、更好、更稳”，或许更值得追问的是：这个问题是谁在问？为谁而问？谁将承担其后果？