ARTICLE · 1256782
AI该去的地方,不是人多的地方,是人不够的地方
前阵子一个老板跟我聊他们上 AI 的事，说得挺得意：三个部门并成一个，人减了三分之一，成本降了一大截。
我问了一句：剩下的人，现在一个人干几个人的活？
他想了想，说，一个半吧。
我说你这不叫用 AI，这叫提前花明年的力气。
这个月，国务院办公厅发了份文件，把这件事说得比他明白。
《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，国办发〔2026〕29号。10月16日成文，10月23日挂上中国政府网。
很多人扫一眼标题，看见“就业”两个字，以为又是一份常规的稳就业文件。
但里面有三句话，正在上 AI 项目的老板，我建议一句一句抄下来。
“优先在劳动力紧缺、环境高危等岗位推广应用。”
“稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击。”
“鼓励企业探索建立失业缓冲期制度，在大规模推广应用人工智能过程中提前告知受影响劳动者、提供转型转岗就业支持。”
“失业缓冲期”这五个字，第一次出现在国家层面的文件里。
这五个字本身就是一个判断：如果 AI 沿着“替代人”这条路一路狂奔，它撞上的不会是效率的天花板，而是社会承受力的地板。
它没打算给 AI 降温
先把一件事说清楚：这份文件不是在限制 AI。
它通篇在讲“强化就业创造效应”“构建就业友好型升级路径”，六个方面，十八项任务，姿态是鼓励的。
它真正在刹的，是那种把“裁员”当成“创新”、把“降本”当成唯一 KPI 的用法。
2026年1月，工信部副部长张云明在国新办发布会上被问到“AI 会不会导致大量失业”，说过一句话：
“重构不等于消失，迭代不等于替代。”
这句话值得抄在工位上。
因为这两年见惯了另一种叙事：谁裁的人多，谁就是“AI 原生”；谁的团队小，谁就是“先进生产力”。
这背后有一笔账，很多企业从来不算。
用 AI 裁掉十个客服，一年省下小一百万，财报立刻好看。
可这十个人如果找不到新工作，他们就从“生产者”变成了“被兜底者”，从“消费者”变成了“需要转移支付的人”。
企业省下的这笔钱，社会要用另一张账单接住。
更荒诞的是：被裁掉的人没有收入，也就没有消费。没有消费，你生产出来的东西卖给谁？
替代型 AI 的天花板，从来不是技术，是有效需求。
所以真问题不出在“AI 能不能替代人”上。
真问题是：除了替代，AI 还会不会干别的？
会。而且它该干的，恰恰是那些“因为没人，所以一直没干成”的事。
第一个现场：三亿份病历，等不到足够的人
先看一条时间线。
2025年8月，国家医保局印发《医疗保障按病种付费管理暂行办法》，把按病种付费从试点推向全国规范。
今年9月，3.0版分组方案发布。同月那场发布会上，国家医保局给了一个数字：2025年，按病种付费的人次，已经占到医保出院总人次的 91.8%。
这意味着，中国医院挣钱的方式被改写了。
过去是“做多少项目，收多少钱”。现在是“这个病，打包付你多少钱”。
一个病人住进来，从入院那一刻起，他的每一份病历、每一个诊断、每一次手术操作，都要被翻译成一串编码，扔进一个叫 DRG 或 DIP 的“箱子”。
箱子决定医保付多少钱。
编码错一个，医院可能少收几千块；编码“高套”，那是违规，要追回、要处分、要担责。
编码员，就是那个把“临床语言”翻译成“医保语言”的人。
他得同时懂三件事：临床，编码规则，还有本地医保方案今年又调了什么。
这样的人，不够。
据行业统计，全国二级以上医院一万两千多家。就算按最低配置、每家五个人算，也要六万人。而持相关资格证的编码人员，不足五万。
补不上来的原因很简单：高校里没有这个专业，培养一个能独立上手的，要一到两年。
就算今天立刻扩招，也赶不上这一轮全国铺开的速度。
于是现实变成三选一。
要么，让临床医生自己编，编得慢、编得错，月底结算一团乱麻。
要么，铤而走险“高编高套”，把合规风险埋进病历里。
要么，改革在基层悄悄走样——文件发了，系统上了，病案质量撑不起来，按病种付费变成了“按感觉付费”。
这三条路，没有一条是想要的。
我见过一个团队在做这块。他们的定位很有意思：不做“AI 编码员”，做“编码员的副驾驶”。
它读病历，把散在病程记录、手术记录、检查报告里的关键信息抽出来，给编码建议，而且必须给依据：哪一句话支持这个诊断，哪一条规则支持这个编码。
它还会标风险——这个诊断可能选错，这个操作可能漏编。
最后的确认键，永远在人手里。
因为病案首页是要签字的，要担责的，要经得起飞行检查的。AI 可以算得比人快，它不能替人负责。
这套东西跑起来之后，一个编码员过去一天编三十份，现在能审一百份。
他没有被替代。他只是从“翻页、找词、查规则”里被拔出来，去做真正需要判断的事——去跟临床医生把那个含糊的诊断问清楚。
它没有让一百个人去干五十个人的活，然后裁掉五十个。它让五十个人，干成了原本要凑一百个人、而实际永远凑不齐的活。
前者叫替代，后者叫使能。一字之差，方向相反。
第二个现场：十三万家口腔机构，没有“保健”这一格
截至2024年底，全国在工商经营状态的口腔医疗机构135,363家。
而全国口腔疾病患者，7.18亿。
看起来，中国的口腔医疗很缺人。但真问题出在结构上，不在总量上。
你走进任何一家诊所，墙上挂的项目是什么？补牙、拔牙、根管、种植、正畸。
全是“坏了以后”的生意。
那“没坏的时候怎么保住”呢？几乎没有这一格。
这怪不得医生。补一颗牙，收费明确、立竿见影；做一次口腔保健，讲半小时，患者觉得“什么都没干”，还不想付钱。
在按项目付费的逻辑里，预防是最不划算的买卖。
可预防，恰恰是最划算的。
看日本。1.24亿人口，66,378家歯科診療所，平均每1800多人就有一家牙科诊所。
更关键的不在数量，在结构。日本有一支国家资格的专业队伍：歯科衛生士，口腔卫生士。
他们不种牙、不拔牙，只做洁治、涂氟、牙周维护。干的事就一件：让你嘴里的牙，一颗都不用拔。
中国呢？14亿人，13.5万家机构，摊下来人均密度只有日本的五分之一左右。
按日本的人均密度折算，中国需要约75万家。
而在中国，“口腔保健”至今没有独立的职业序列，没有成建制的培养体系。它散落在护士的日常工作里，散落在医生那句“回去好好刷牙”里。
需求一直在，供给没跟上。市场也一直在，职业没建起来。
卡在哪？
卡在“看不见”。保健这件事看不见效果，患者就不买单；不买单，诊所就不投入；不投入，就养不起专职的人；养不起人，就更讲不清楚。
一个死循环。
我见过另一个团队，把 AI 识别叠在口内镜的实时影像上：菌斑在哪里、牙龈哪里在发炎、哪颗牙的窝沟已经开始脱矿、你刷牙时哪几个面从来没刷到。
全部标出来，放大给患者看。治疗前拍一次，治疗后再拍一次，分时期存档。
患者坐在牙椅上，亲眼看见自己的牙龈从红变粉，看见菌斑从一片变成几点。
他第一次“看见”了预防的价值。
对诊室里的护士来说，这台东西干的事，是把她从“反复解释”里解放出来。以前讲十遍，患者听不懂；现在指给他看，三十秒。
它没有替代任何一个医生。它让一个护士能同时服务更多患者，让一家诊所敢开一个新的服务类别，让“口腔保健”这四个字，从一句口号变成一个可以收费、可以复制、可以招人的业务。
新业务，就是新岗位。
日本那支口腔卫生士队伍，是被“预防”这个类别创造出来的。AI 要做的，是让这个类别在中国，终于算得过账来。
三个筛子
也有人劝过我：你那点技术，为什么不去做点“更赚钱”的？比如替代客服、导诊、文员，那些岗位人多、老板愿意付钱。
我一般回一句：能做，但不做。
每上一个 AI 项目，我建议先过三个筛子。
第一个：这个岗位，是不是真的缺人？
缺人，AI 进去是补位；不缺人，AI 进去就是抢位。同样一套技术，前者创造价值，后者制造对立。
第二个：这件事，是不是必须有人负责？
医疗、法律、教育，这些领域的最后一笔，必须由人签。AI 可以给建议、给证据、给风险提示，它不能签字。能签字的地方，才是人的位置。
第三个：AI 是让人做得更多，还是让人无事可做？
好的 AI，把一个专业人从重复劳动里拔出来，让他去做更专业的事；坏的 AI，把一个专业人整个拔掉，让他的经验归零。
三个筛子过完，答案一般就清楚了。
编码员缺人，那就做编码员的副驾驶；口腔卫生士这个职业还没建起来，那就做那个让这个职业算得过账来的工具。
没往人多的地方去，去的是没人的地方。
回到开头那个老板。他那句“一个半”，其实已经把答案说了：一个人干一个半人的活，那半个迟早要还。
顺便说一句，我最反感的是当下那套“AI 万能论”。它有三个懒。
技术上的懒：只做 Demo，不做场景。演示里无所不能，真进了医院，连诊断都定不准。
商业上的懒：只算人力成本，不算社会成本。把“裁员”当成“效率”的同义词。
思想上的懒：把“取代”当成“进步”。仿佛机器干掉了人，文明就往前走了一步。
可文明从来不是这么算账的。
文明的标准，恰恰是它怎么对待那些“暂时没用”的人。
真正的技术乐观主义，是相信人总能找到 AI 该做的事。
你手上的 AI 项目，是在补位还是在抢位？三个筛子里，你卡在哪一个？评论区说一句，我挑几个下次拆。
我是司马，做企业战略咨询的，也是个把 AI 工作流当饭吃的实操派——不带货、不吹工具，只拆明天一早就能用上的玩法。新大陆的地图，我画一张，你跟我一起走。
转给那个正在算“用 AI 能裁几个人”的老板朋友。
本文仅代表个人观点。
