AI 最先抢谁的饭碗？又创造了哪些新岗位？

   

9 月底，香港特区政府因为 AI，专门做了一次人力报告的中期更新。

这不是一份泛泛而谈的趋势预测。它把结论钉到了具体的数字和人头上：

到 2028 年，香港文员会出现 2.5 万到 3 万人的过剩。

但同一份报告里，全港的就业缺口大约是 13 万——缺的是建筑、航空、医疗、城市运营的人，熟练技术工和服务销售，占了整个缺口的六成。

一边在挤，一边在缺。

AI 喊了这么多年"抢饭碗"，第一次有人把它具体算到了某类人头上。那么，到底谁会先被抢？

报告里，最受影响的两拨人，被直接圈了出来。

适合应届毕业生的职位空缺，比 2022 年锐减超过六成。行政类初级岗位，下降九成。IT 编程类，下降接近八成。

还有一拨更安静、也更容易被忽略的人：全港大约 7 万名 45 到 54 岁、没有大专学历的中年文书人员，正面临实实在在的转型压力。

你看，最先被替代的，不是什么抽象的"白领"，而是一群做着高度重复、高度规则化工作的人。

他们的工作有一个共同特征：步骤清晰、输入输出可被定义、不需要太多临场判断。

换句话说，这类岗位，恰恰是 AI 最容易"照着做"的那一类。就像一份天气预报，只要数据齐了，机器比人算得又快又稳。

应届生为什么被撞得最狠？因为 entry-level 的岗位，本来就是最容易被拆解成标准动作的那一层。越靠近入口，越容易被 AI 先填上。

那么，AI 到底改掉了什么，才让这些人先被替代？

今年 5 月，一家做了十几年客服软件的公司，把自己名字改了。

有意思的当然不是改名，而是它的盈利模型。

过去这门生意很舒服：你有 100 个客服，就买 100 个账号，客户要的客服越多，软件公司赚得越多。价格，牢牢绑在"要花多少人的时间"上。

但他们开始让 AI 直接解决问题、减少人工介入。这时候一个尴尬出现了：你总不能一边告诉客户"我帮你提高了效率，少用了三个客服"，一边继续收那三把椅子的钱——这在商业逻辑里讲不通。

于是，他们改成按结果收费：AI 每解决一个问题，收 0.99 美元；没真正产出结果，就没有这笔费用。

你看，过去很多生意的价格，多多少少都跟两件事绑在一起：要花多少人的时间，以及客户自己有没有能力完成。

AI 最先改变的，恰恰就是这两件事。

工具解决的是，能不能真的做。反馈解决的是，做得怎么样。验证解决的是，到底做没做成——当这三样被 AI 一次性补齐，那些"靠人力时间堆出来"的岗位，价格就站不住了。

一边是文员过剩，另一边呢？

差不多这个时候，掌管 1.3 万亿美元的黑石总裁 Jon Gray，给一场演讲起了个很有意思的名字：Where's the Beef？

几万亿美元的资本开支已经砸下去了，那牛肉到底在哪里？

Gray 的答案是：有。AI 真的在赚钱，真的在提高效率。

但越往底层看，越不像 AI。从模型往下，是芯片；再往下，是数据中心；再往下，是电网、冷却设备、施工能力。最后他站在一片数据中心工地上，开始讲一台燃气轮机。

今天找 GE 去订一台涡轮机，要排到 2031 年。

他估算，一吉瓦的 AI 基础设施，把芯片、数据中心和电力都算进去，大约需要 550 亿美元。而且缺的不只是设备——美国工地上的施工人员，从去年的 1.3 万人，到今年预计超过 4 万人。黑石把这个现象，叫做 AI 带来的一轮"蓝领复兴"。

这时候再回头看香港，是不是就没那么奇怪了？

办公室里，一部分岗位空了以后不会再补。另一边，真正把 AI 建起来的地方，却在到处找人。

AI 没让"缺人"消失，它只是把"缺人"搬了个地方。

前面一堵墙推倒，后面那堵墙马上就露出来。AI 越聪明，现实世界的长板和短板就越明显。模型每完成一次任务，背后都需要服务器；服务器需要芯片，芯片需要数据中心，数据中心需要电，电还需要涡轮机，还需要有人真的把它们装起来、维护起来。

于是 AI 一路把前面的瓶颈推开，却不断撞上新的瓶颈。价值，就开始往最卡的地方挤。

因为需求可以突然涨十倍，但一种东西五年才能扩出一倍供给，最后大家就只能抢。

先拿到电的人，可以先开机。先拿到涡轮机的人，可以先发电。能找到足够施工人员的项目，可以先建完。

它值钱，不只是因为 AI 替代不了它。真正产生"稀缺溢价"的是另一件事：

AI 越成功，对它的需求越大，可它的供给偏偏又没办法跟着 AI 一起快速增加。

这可能才是这场变化真正值得企业盯住的地方。

   

过去几年，很多老板都在研究一个问题：AI 还能替我做什么？

但这个问题，只看到了成本这一边。

另一边也许更重要：当 AI 把一些能力的供给突然放大十倍以后，你所在的行业里，新的瓶颈会跑到哪里？

有些企业，站在前一种位置。过去卖的是大量重复知识、人力跟时间，利润也建立在"客户自己做不到"的基础上。当 AI 把原来需要很多人、很多时间才能完成的工作变便宜，企业过去的价格，还能不能站得住？

也会有另一批企业，站在完全相反的位置。AI 用得越多，市场对它掌握的某种东西需求越大，可它偏偏短期扩不出来。AI 给的答案越多，能真正做判断、完成交付、承担结果的能力，反而重新变贵。

对做出海的朋友，这条尤其刺眼。

你以为 AI 在抢的是"写文案、做客服、搞翻译"的岗位？其实它先抢的是"靠重复知识和人力时间堆出来的差价"。但真正难的——本地化判断、跨市场交付、为结果兜底的能力——这些 AI 越普及，越稀缺，也越贵。

所以，AI 时代企业真正要重新看的，可能不只是自己的成本表，还有自己的位置。

这里留三个问题，你可以拿回去对照自己的生意：

第一，你今天卖的东西，是因为 AI 正在变得越来越充裕，还是因为 AI 越来越成功、开始变得不够用？

第二，如果 AI 把"人力时间"这个成本项打薄了，你原来的定价逻辑，还站得住吗？

第三，当新的瓶颈出现，我们到底站在瓶颈的哪一边——是那个被挤掉的，还是那个被抢着要的？

想清楚这三个问题，比追十个 AI 工具都重要。