公司开始给每个人配 AI 助手,我先慌了一周

周一，部门群里弹出一条通知：公司给每个人开了一个 AI 账号，下周开始，所有周报先让 AI 过一遍，方案初稿也先让 AI 出一版。

我盯着那条消息看了很久，说不清是紧张还是别的什么。

那一周我状态很差。做方案的时候老走神，写完一段就想：这段是不是 AI 两分钟就能写出来？开会的时候也在想，我坐在这儿，到底因为什么？甚至有点赌气——AI 写的我也写得出，凭什么先让它写。

后来我慢慢想明白，我那一周慌的，其实不是"AI 会不会取代我"。我慌的是另一件事：我从来没认真想过，我每天干的这些活，到底哪一部分是我的价值，哪一部分只是我在耗时间。

最先被接走的，是"准备"，不是"决定"

Anthropic 今年发过一份关于自己公司劳动力结构的内部研究报告，用 1334 名员工做的调研。有个数字挺扎眼：公司初级技术岗位的招聘占比，从 2025 年初的 21% 降到了 14%；其中一类初级技术岗，占比甚至从 27% 掉到了 9%。差不多三分之一的机器学习经理、五分之一的软件工程经理都表示，因为有了 AI，他们减少了初级岗位的招聘。

另一组数字更直接：截至 2026 年 8 月，员工直接指挥的智能体，工作时间已经达到人类操作者的 6 倍。而员工自己呢，工作内容从"直接干活"，变成了"搭工具、盯流程、管这些智能体"。

我把这份报告对照着自己的工作看了一遍，发现被接走的，基本都是同一类东西——准备工作。

写一个方案之前，你要查资料、翻旧文档、找几个能参考的例子；翻译一段外文材料；把一堆乱七八糟的信息整理成一张表；写一封格式固定的邮件；做一版用来垫底的初稿。这些活的共同点是：它们有明确的输入和输出，做得好不好，标准是"对不对、全不全"，而不是"你有没有判断"。

这一类活，被接走是迟早的事。真正让我不那么慌的是，我也看清了另一面：我平时花在"准备"上的时间，比我以为的多得多。以前我以为我在思考，其实很多时间是在找素材、在把话写顺、在复制粘贴。这部分被拿走了，我反而空出来了。

斯坦福大学《2026年人工智能指数报告》里有个更细的图景：在生产力提升最明显的那几个领域，初级岗位的减少最显著——软件开发领域 22 到 25 岁群体的就业下降了近 20%，而同一职业里经验更丰富的从业者，人数还在增长；客服行业也出现了类似的模式。这句话有意思的地方在于，它说的不是"这个职业消失了"，而是"这个职业里最标准化的那一段被抽走了，而刚入行的人，恰恰是靠这段练手的"。

麦肯锡的说法能对上：生成式 AI 可能让当前工作里 60% 到 70% 的内容实现自动化，但请注意，是"工作内容"的自动化，不是"职业"的消失。麦肯锡同时强调，即使 45% 的工作活动可以被自动化，完全消失的职业也不到 5%。

数字的另一面：大多数公司其实还没接上

我慌的那一周，还有个原因，是我以为全世界的公司都已经跑在前面了。后来查数据才发现，不是。

一份针对中国企业的三轮追踪调查显示，在人力资源里真正部署了 AI 的企业，比例从 2024 年 11 月的 37.3% 升到了 2026 年 5 月的 47.9%，涨得不慢。可换个角度看就冷静多了：成熟度自评里，50.4% 的企业还停在"了解与评估"，35.7% 停在"小范围试点"，两项加起来 86.1%；真正做到规模化应用、深度集成的，总共只有 2.7%。

中国百货商业协会和银联商务做过一份零售企业的 AI 应用调查：76% 的企业说自己多少开展了 AI 应用，但里面有 35% 只是"一到两个场景落地"，企业投入的主流区间是 50 万以下。也就是说，大部分公司不是不想用，是还在试。

再看总量。CNNIC 今年 9 月发布的《生成式人工智能应用发展报告（2026）》里，截至 2026 年上半年，我国生成式 AI 用户规模突破了 7 亿，普及率超过 50%。QuestMobile 的数据显示，到 2026 年 9 月，AI 办公的月活规模到了 1.42 亿，同比增长 50.6%。这个体量确实很大。

但"用得多"和"用得好"是两回事。世界经济论坛那版《未来就业报告》预测，到 2030 年，技术会消灭大约 9200 万个岗位，同时创造约 1.7 亿个，净增 7800 万。这个净增很可观，可它的前提是——那 7800 万个新岗位，得有人接得住。

智联招聘和北大国家发展研究院今年联合发布的《2026人力资源管理趋势报告》里，有个判断我印象很深：AI 正在从辅助工具变成"数字劳动力"，22.1% 的企业已经把 AI 全面嵌入核心业务流程，23% 的企业甚至已经给"数字员工"写了正式的岗位说明书。同一份报告里，人工智能工程师的需供比到了 3.08——一个求职者对应三个岗位；人社部过去五年发布的 72 个新职业里，超过 20 个跟 AI 直接相关。

一边是岗位在缩，一边是岗位在开。中间那道缝，不是靠一句"会不会被替代"就能跨过去的。

被拿走"准备"之后，剩下的是什么

我把自己的工作拆了一遍，剩下的大概三样。

第一样是判断。AI 能给你三个方案，但它不知道哪个方案在你公司、你老板、你那批客户的语境里是对的。它不知道哪个数字是老板真正在意的，哪句话会让对面的人炸。这些不在数据里。

第二样是担责。AI 可以出稿，但它不签字。出了事，站在会议室里被问"为什么这么做"的，还是你。这件事听着像负担，其实是一道门槛——只要一个岗位要有人负责，它就很难被完全替代。

第三样，是把模糊的需求讲清楚。这个我一开始没当回事，后来发现它最值钱。领导说"帮我看看这个项目怎么样"，真正难的从来不是去看，是搞清楚他到底想知道什么：是想知道能不能做，还是想知道要花多少钱，还是他心里已经有答案了，只是想找个人确认。AI 拿到的是你那句话，它猜不出你老板没说出口的那半句。把这半句翻译出来，就是人干的活。

领英今年提过，2026 年最紧缺的岗位里，冒出了"AI 训练师""人机协作专员"这类新词。它们的共同点是：不要求你写代码，要求你懂业务、会沟通、能把 AI 调教到能用的状态。

我现在在练的两件事

云里雾里的分析没意思，说点具体的。

一件是练习把问题讲清楚。以前我拿到任务就直接做，现在我会先在纸上写三行：这件事要解决什么、判断标准是什么、哪种结果算做好了。写不清，说明我自己还没想明白，这时候我宁可先回去问，也不急着动手。这个习惯对付 AI 特别有用——你越讲得清楚，它越能帮上忙；你讲得含糊，它给你的就是一堆看着像那么回事的废话。

另一件是练习为结果负责。我开始刻意在交给 AI 的东西上多留一道自己的判断：它给的结论，我至少要能说出"我为什么同意"，或者"我为什么把这一段改掉了"。不是为了显得勤快，是因为一个只想交付、不想判断的人，是最容易被替换的那种。

我不打算跟你说"别怕，AI 取代不了你"。这话太轻飘了。有些活确实会被接走，有些人确实会先感受到疼，尤其刚入行、正靠那些标准化任务练手的人。

我能确定的是，慌这件事没有用，但慌得明白有用。我那一周之所以难受，是因为我把问题问错了——我一直在问"AI 会不会取代我"，那是个我控制不了的问题。我应该问的是"我的活里，哪一块最像一个可以被交代出去的任务"。把这句话问清楚了，答案反而没那么可怕：能被交代出去的，本来也不该是全部的"我"。

想问问你：如果把你的工作拆开，你觉得哪一块最先会被拿走？剩下的那一块，你练得够不够？