AI取代人类工作?数据揭示的真相可能出乎意料
这几年，只要提到 AI，大多数人第一念头都是：
糟了，AI 要抢工作了。
这种忧虑并非毫无根据。AI 能编程、能创作、能制图、能处理文档、能制作表格、还能协助推进工作流程。过去需要人工逐步完成的任务，如今交给 AI，片刻就能交出像样的成果。
于是人们很自然地得出推论：
AI 越先进，人越面临危机。
但近期 X 上两条推文，提供了一个颠覆认知的视角。
一条来自 The Kobeissi Letter，一条来自 Box CEO Aaron Levie。
这两条推文结合来看，核心观点很明确：
AI 不一定只是在抢饭碗，它同样可能在催生更多就业机会。
The Kobeissi Letter 列举了一组 JOLTS 就业统计数据：
美国 4 月职位空缺攀升至 760 万，较之前数值显著上扬；其中，专业和商业服务领域增加 66.8 万个岗位。
这组数据最值得关注的地方，并非“职位空缺上升”本身。
真正颠覆认知的是：
增长幅度最大的，恰恰是许多人认为最易受 AI 冲击的办公室岗位。
专业和商业服务这个范畴，涵盖了众多行政工作、咨询服务、企业服务、技术服务、管理支持类岗位。简言之，这并非传统认知中的体力劳动岗位，也并非远离 AI 的岗位。
恰恰相反，这类工作正是许多人觉得受 AI 影响最为直接的领域。
若依照“AI 会直接取代白领”的简化逻辑，这些岗位理应更快缩减才对。
但这条推文提出的疑问是：
为何 AI 已经如此强大，相关岗位的需求反而仍在增长？
当然，不能仅凭一个月的职位空缺数据，就断言 AI 必定在创造就业。就业数据本身会受到宏观经济、企业招聘节奏、行业周期等诸多因素影响。
但它至少向我们揭示了一点：
AI 对就业的冲击，可能并非简单的“机器来了，人没了”。
这就引出了 Aaron Levie 的解读。
Aaron Levie 的观点，大致可以归纳为一句话：
许多人在担忧 AI 会削减工作岗位，但他认为 AI 会让企业能够承接更多业务。
这个解读比“AI 抢饭碗”更贴近企业实际的运营逻辑。
因为企业通常面临的问题并非“业务太少，人太多”。
更多时候是：
想做的事很多，但以前做不起。
想服务更多客户，但销售忙不过来。
想做更多推广活动，但市场团队产出有限。
想开发更多产品和内部系统，但技术团队永远排不开。
想把数据分析得更深入，但没人有时间天天整理。
过去这些事情不是没有价值，而是成本太高、周期太长、人手不足，所以只能搁置。
AI 加入后，变化不只是“原有工作更快完成”。
更重要的是：
许多以前不值得做、做不起、轮不到的事情，突然变得可以着手了。
这才是 Levie 这条推文真正值得探讨的地方。
他并非在说 AI 不会改变工作形态，也不是说所有人都安然无恙。
他真正想说的是：
当 AI Agent 能帮企业处理更多线索、做更多客户调研、产出更多内容、启动更多工程项目时，企业可执行的范围扩大了。
而当可执行的范围扩大，企业对人员的需求未必会缩减，反而可能增长。
许多人在理解 AI 对工作的影响时，会默认一个前提：
工作总量是恒定的。
比如原来公司有 100 件事要做，需要 10 个人。现在 AI 让每个人效率翻倍，那公司只需要 5 个人，剩下 5 个人就面临风险了。
这个逻辑看起来顺畅，但它忽略了一个现实：
企业想做的事情，通常并非恒定的。
实际情况更接近于：
原来有 100 件事必须做，但还有 300 件事想做却做不了。
做不了的原因，不一定是这些事情没价值。
可能只是因为太贵、太慢、没人手、轮不到优先级。
比如：
一个小工具，业务部门很需要，但技术排期永远排不上。
一批潜在客户，销售知道有机会，但没精力一个个研究。
一堆内容选题，市场知道可以做，但产出跟不上。
一套内部数据分析，老板知道有用，但没人每天维护。
AI 的作用，是把这些事情的启动成本降下来。
成本降下来之后，企业不一定只会说：
太好了，我可以少招几个人了。
它也可能会说：
太好了，那我们终于能把之前做不起的事情做起来了。
这就是“AI 创造更多饭碗”的核心逻辑。
不是因为 AI 多么仁慈，不抢人类工作。
而是因为 AI 把很多事情变便宜之后，会释放更多需求。
按照 Aaron Levie 的推文，最先感受到这种变化的岗位，至少包括三类：销售、市场、技术。
先说销售。
过去一个销售能处理多少线索，是有上限的。
客户背景要查，行业资料要看，邮件要写，电话要跟，会议记录要整理，下一步计划还要记下来。
所以很多销售线索并不是没有价值，而是根本没人有时间认真跟进。
AI Agent 出现以后，它可以帮销售做客户研究、整理背景资料、生成跟进邮件、总结沟通记录、提醒下一步计划。
这时候，销售岗位不一定会减少。
更可能发生的是：
公司发现，原来我们可以同时处理更多线索。
以前只能重点跟进 100 个客户，现在可能能跟进 300 个。
销售的工作不是消失了，而是被 AI 放大了。
再说市场。
市场团队以前做一场活动，要写文案、做海报、剪视频、写落地页、跑投放、做复盘。
每一步都耗费人力。
所以很多企业不是不想做更多推广，而是市场团队产出不够。
AI 加入后，内容初稿、海报方向、活动脚本、用户分层、复盘摘要，都可以更快产出。
这意味着市场团队可以做更多测试，跑更多活动，覆盖更多人群。
市场岗位被改变了，但不一定等于市场岗位消失了。
最后是技术。
许多人最担心的是程序员。
因为 AI 编程的能力进步太快，看起来最容易替代工程师。
但 Levie 的解读恰恰相反：
AI 让技术团队能启动更多项目。
这句话很关键。
因为在企业里，软件需求永远做不完。
内部系统要优化，老系统要改造，业务工具要开发，数据平台要接入，客户功能要迭代。
过去不是没有需求，而是技术资源永远不够。
AI 让编程、测试、文档、排错的效率提高以后，公司可能不是少做软件，而是做更多软件。
所以真正变化的是：
只会机械编程的人会变危险。
但能理解业务、拆解需求、把系统真正交付出来的人，反而会更受重视。
所以这两条推文放在一起，给出的不是一个简单乐观的结论。
不是说 AI 一定不会让任何人失业。
也不是说所有岗位都会因为 AI 变得更安全。
更准确的说法应该是：
AI 替代的是岗位里的重复动作，放大的是能把事情做成的人。
一个销售，如果只是机械发邮件，确实可能被 AI 替代。
但一个销售如果能判断客户需求、设计跟进策略、推进成交，AI 会让他处理更多客户。
一个市场，如果只是机械写文案，确实可能被 AI 替代。
但一个市场如果能理解用户、设计活动、看懂数据、持续优化，AI 会让他做更多实验。
一个工程师，如果只是照着需求写代码，确实会被挤压。
但一个工程师如果能理解业务、设计系统、处理复杂问题、对结果负责，AI 会让他交付更多东西。
所以，问题不是“AI 会不会抢饭碗”。
更现实的问题是：
你的工作里，有多少部分只是重复动作？又有多少部分是判断、组织、落地和负责结果？
前者会越来越便宜。
后者会越来越值钱。
回到最开始的两条推文。
The Kobeissi Letter 用就业数据提出了一个反常识现象：
白领岗位并没有像许多人想象中那样直接崩塌，至少在这组数据里，专业和商业服务岗位的空缺反而明显增加。
Aaron Levie 则给了一个解释框架：
AI 让企业能做更多事。
销售可以处理更多线索。
市场可以做更多活动。
技术团队可以启动更多项目。
当企业能做的事情变多，人的需求未必减少，反而可能扩张。
这就是我觉得这件事值得写的地方。
过去我们讨论 AI 和就业，太容易陷入一个简单叙事：
AI 来了，人没了。
但真实世界可能更复杂。
AI 会让一部分旧工作方式失效，也会让一部分新需求被释放出来。
它会让低价值动作快速贬值，也会让高价值判断变得更重要。
它会让一些人饭碗变薄，也会让另一些人接住更多事情。
所以，与其问“AI 会不会抢饭碗”，不如问：
AI 让哪些事情变得可以做了？
这才是更关键的问题。
因为未来真正的机会，可能不在于和 AI 比谁更会写一段文案、谁更会生成一段代码。
而在于你能不能用 AI，把过去做不起、做不快、做不细的事情，真正做起来。
AI 不是平均地创造机会。
它会奖励那些能用 AI 放大自己的人。
未来不是 AI 抢所有人的饭碗。
更可能是：
会用 AI 做更多事的人，抢走不会用 AI 的人的饭碗。