ARTICLE · 1313488
AI 没抢走你的工作,它拿走的是你练手的那几年
AI 没抢走你的工作,它拿走的是你练手的那几年1978 年年中，宝洁在俄亥俄州辛辛那提的总部里，有一间两个人共用的小办公室。两个年轻人都刚毕业，22 岁，手上的活是卖邓肯·海因斯巧克力蛋糕粉。《天才源自刻意练习》第一章记下了这间屋子，章名叫「经验困境」。书里没写他们那一年做出了什么成绩，只写了这间办公室。 那一年他们大概也写不出什么漂亮的周报。 五十来年过去，同样刚工作的人，周五下午面对的东西变了。屏幕上摊着一份周报，对话框里列着这一周干过的几行事，模型把它们整理成三条结果、两个风险、一项下周计划。看一遍，改三个字，点发送。第二年想换工作，简历上要写一条「独立完成」，光标停在那一栏，半天敲不下去。 这一年确实忙过。只是拿不出一件能说是自己做的。 
这事容易被归到自己头上。怪自己不够主动，怪工具开得太多，再怪没早点报个班。说到底，先怀疑自己比怀疑别的省事。10 月 17 日前后，知乎前后脚出现过三个提问，标题几乎能连着读，「开始用AI写代码后，我反而更不会排查Bug了」「刚学编程就依赖AI写代码，会不会反而学不会编程」「用AI写东西，怎么判断是在提效还是在变懒」。提问的人没在抱怨工具难用，问的都是自己身上少了什么。 顺着这个方向，有一套很顺的说法。广州日报 10 月 26 日那篇评论里提了个词，叫「AI 搬运工」，说部分公司从鼓励用 AI 变成强制依赖 AI 产出，员工只负责复制粘贴和简单微调，出了错一句「这是 AI 写的」就能把责任推出去。往下推一步，结论很容易变成人要更认真、更负责、更别偷懒。 我得说，这个结论我不太买账。 过去两年，只要有人担心 AI 接管工作，就会有一句现成的安慰，人留在环里做审核就行。机器出初稿，人来把关，责任还在人手上。这话听着稳妥，很多场合也确实成立。 真有那么稳吗？ 沃顿商学院的莫利克在 11 月 3 日那次访谈里把话说得更准，他担心的不是岗位立刻消失，是年轻人还没形成判断力的时候，根本看不出模型生成的报告哪里不对。 问题就卡在这个「看得出」上。 审核一份东西，和把它做出来，用的是同一套经验吗？把周报格式调对、把错别字挑出来，这类审核确实轻，谁都能干。可要是面前是一份看着滴水不漏的促销方案，要判断两万人同时下单会不会把库存扣穿，要判断扣款成功后网络抖一下会不会掉单，光看那几页漂亮字就不够了。能一眼看出这里藏着坑的人，多半在别的深夜里被类似的坑捶过。 1983 年，人因工程学家 Bainbridge 写过一篇后来被反复引用的东西，叫《自动化反讽》。大意是自动化总先接走规则清楚、重复、容易标准化的活，把罕见、依赖经验的例外留给人。麻烦在于，人恰恰是靠做那些容易的活，才攒下处理例外的本事。容易的活被拿走，练手的台阶也跟着搬走。 2009 年法航 447 之后，这件事有了个很贵的注脚。自动驾驶把控制权交回飞行员的时候，机上的人已经认不出高空失速，也没能手动改出。FAA 在 2017 年写下一句「手动飞行是其他飞行技术的基础」，把技能退化单列成一项安全隐患。 离办公室很远，道理却挨得很近。审核从来不是站在旁边看一眼，它要求脑子里另有一份自己做出来的版本，能跟屏幕上这份对着比。没有那份版本，点「通过」只是把不确定性往后传了一格。 那双能挑错的眼，是在自己写错的那几年里长出来的。 2026 年 10 月 16 日，Anthropic 发了一份解剖自己用工结构的报告。里面几组数字互相有点别扭。技术部门里初级员工的占比，从 2025 年初的 21% 掉到 14%，初级技术岗在新招技术员工里的占比，从 27% 掉到 9%。同一时间这家公司还在扩张，人均创收是 Meta 和 Google 同期各自高速增长阶段的两到四倍。到 8 月，员工直接指挥的交互式智能体，运行时长是员工名义工时的 6 倍。 这个 6 倍常被写成「六个 AI 顶一个人」，报告自己并不是这么算的。分子是机器运行时长，分母是人数乘每周 40 小时，是个模型化比值。报告真正写下的那句比数字要紧，human attention the bottleneck，人的注意力成了瓶颈。后面还有一行，非技术员工若把自己那些 Claude 智能体吐出来的东西全读完，得占掉近半个工作周。 一位工程师在访谈里形容，每天一睁眼像站在一支大军面前，一齐在等他的注意力。 内容变便宜了，认真看内容这件事，突然贵得离谱。 带新人的成本，正好花在这份格外贵的东西上。改他写的第一版，陪他把一个错从头捋到尾，告诉他这个客户刚才为什么不说话了。这些动作不产生交付物，只消耗资深员工那点有限的注意力。 过去这笔钱有人付。《哈佛商业评论》那本管理者晋升手册里记过一个安排，公司给一位一路顺风的经理配了精兵强将，让他去管一块规模不大、蒸蒸日上的业务，指望他借这块地方跳出原来做销售和市场的思路。书里写，仅仅数月，这个位子就让那个人备受煎熬。值得留意的是那块业务本身，规模不大，出错不至于伤到全局，是特意留出来给人练手的。 我读到李仪在《研发能力持续成长路线图》里写，1992 年初他头回走进华为，研发人员约 30 人，一半是刚来不久的新人，多数刚毕业，经验很少甚至没有，学的也不是通信。这批人后来怎么样，书里慢慢讲。要紧的是那时候一个部门敢让一半的座位，坐着一个还不会干活的人。 中国青年报 2026 年 9 月 21 日那篇评论把这条缝点得很清楚。入门任务减少，可能让年轻人失去观察、练习、应对错误的机会，许多职业经验本来就是在整理资料、写初稿、跟在前辈旁边的过程里长出来的。文章提了个区分，任务被自动化，和学习机会被取消，是两件事。 斯坦福数字经济实验室 8 月 12 日更新过一份基于 ADP 薪资记录的研究，22 到 25 岁在 AI 高暴露职业里的就业水平，比同龄、低暴露职业的参照路径低约 19%。这个 19% 常被说成「两成毕业生没工作」，读岔了。它比的是「要是没这茬，本来该多招多少人」，比一条假设出来的增长路径低了一截。研究方自己写明，这只是描述性的关系，不算因果结论，变化主要靠少招人发生，不靠裁人。少招一个人，没有名单，没有告别，也没有哪张表会记下这个从未存在的岗位。 所以入口变窄，未必是哪家公司存心不要年轻人。报告里 4 月那次内部调查，约三分之一的机器学习经理、五分之一的软件工程经理说，因为 AI 减少了招聘。他们面对的账很实在，一个资深工程师配上工具，手里能同时接下的活比过去宽了不少，多出来的那个人头就很难解释。报告还有个细节，一位销售代表用 Claude 花了三四个小时，给自己搭了个带界面、连着各处数据的看板，此前这类活完全超出他的能力范围。他能把这事做成，是因为他本来就知道该看什么数、哪个环节会卡住。 工具把活儿的标准抬高了，抬到的地方，新人还没爬上去过。会用工具不难，难的是站上那一级台阶。 可这一级台阶，上哪儿去攒？ 带人这件事也不只是时间问题。读到的一份前亚马逊 AI 负责人访谈里记过一个观察，AI 用得顺手的人往往把自己的经验藏着掖着，因为那是他的竞争优势，组织里很难真正流动起来。教的人少了耐心，学的人没了场地，两头一起收。 说到这个，严文华在《踏进这扇门》里写过一批心理咨询师的初阶实习。实习结束，组员交了近百篇手记，近 10 万字。她写，手记见证了他们的每一次微小进步，也记下了那些疑惑。那摞手记本身不产出什么，可它是有人认真看过之后才会留下的东西。 
写到这儿得停一下，先别急着把账全记在 AI 头上。我倒是觉得，这么算未必站得住。 纽约联储给过另一种解释，青年就业这道缺口里，远程办公也占了不少比重，企业不愿意隔着屏幕带新人，跟模型关系不大。斯坦福那份研究自己也做了切分，缩编集中在 AI 直接替代人力的岗位，AI 只当辅助工具的岗位，初级就业稳定甚至上升。 再说个反过来的。有客服中心的研究，给新手配 AI 助手，整体生产率涨 14%，新手那一组涨 34%，工具把熟手的做法部分传了过去。Ramp 和 Revelio Labs 查了两万一千多家美国企业，AI 投入靠前的那批，采用之后两年里入门级员工反而多了 12%。 也还有公司在往回走。被问到 AI 时代还需不需要招初级员工，奈飞那位 Elizabeth 的回答很干脆，需要，而且很重要，实习生项目和应届生项目都还在。几年前那家公司只招有经验的人，后来改了。哈佛那位 Brenner 教授发现模型能秒解自己出的题之后，没去防作弊，换了问法，既然机器能做这些了，课上该让人做什么。 DEV Community 七月底那串讨论里，Lolo 说学徒制可能没消失，只是搬了家，从写 CRUD 挪到接 API、处理鉴权和限流、把系统跑起来。Nazar Boyko 回得更狠，自己端到端做完，你只知道什么成了，不知道自己蒙混过了什么，因为没人替你看那一眼。 这些反过来的一句话，我一条都不想删掉。我承认，它们把前面那套说法撬松了。分水岭也许在别处，有没有别的事把省下来的效率接住，可能比用不用 AI 更要紧。 这类事有过一版慢镜头，正好能看清第一幕为什么容易骗人。1970 年前后美国约 30 万银行柜员，ATM 铺开之后，单个网点用人从 21 人降到 13 人，可开网点变便宜了，全美网点从 1969 年的 2 万个涨到 2017 年的 7.9 万个，到 2007 年前后柜员反而约 60 万。柜员的活也换了，从数钱变成卖理财、办贷款、处理机器接不住的麻烦。这段常被拿来安慰人。 有统计口径显示，2010 年之后人数一路往下，2024 年约 34.7 万，比 2007 年那个高点少了四成多。让柜员少下去的是手机银行，那台取款机只替掉了一项任务，手机银行让人不必再去那个地方。两次冲击中间隔了近二十年。 今天听到的「AI 还没减少岗位」，可能都还在第一幕。我不确定这个说法能站多久，说不准，也并非定论。只是把后半段补上之后，前一版的乐观就没那么严丝合缝了。 报告里还有个容易被漏掉的变化。他们翻了 2024 年以来的面试打分表，技术岗问「会不会用 AI 工具」的比例从约 5% 升到 15%，非技术岗从 7% 升到 28%。同一批表里，「这人有没有主见、能不能自己判断」越来越值钱，「懂不懂某个专业」反倒没那么要紧了。 这两行放一起有点拧巴。招聘时把判断力定得很贵，培养判断力的那几级入口却在收。判断力在面试里能被打分，在排期里却很难立项，因为它的回报要等好几年，比任何一份季报都长。省下来的钱进的是这一季，补人的账落在下一任手上。谁都没有做错，三份各自划算的选择叠在一起，过几年会变成一笔大家都更贵的账。 坐在屏幕前的那个人，位移更安静。以前交出去的是自己做的东西，现在交出去的是一句「可以」。管人和管智能体，表面都是安排任务、检查结果，里子是反的。带一个人，他会长大，会顶嘴，偶尔那句顶嘴还是对的，带一群智能体，它明天还是这样，不会反对你，产出没有上限，你的注意力有。Claude 设计负责人那次访谈里有层意思值得记一下，工具能帮着把东西托得更好看，可拍板、事后担责的那个人，换不成别人。那句「可以」押上的是签名的人。 而会用 AI 这件事，早就不是加分项了。打分表上问到它的岗位越多，它越像入门配置。真正拉开距离的，还是能不能把问题定义清楚，能不能在结果看着很漂亮的时候多问一句哪里不对。 企业想活下去，天经地义，工具好用也是真的。新人靠它把活更快交掉，同样没毛病。老实讲，三本账摊开，找不出一个该被指着的反派。可三份理性叠完，确实有一代人少了地方长大。把这句说破，比找一个负责的人有用，至少能让一个 22 岁的人别把结构问题读成自己的品行问题。 回到 1978 年那间小办公室。两个 22 岁的人那一年大概没交出什么像样的成果，写在纸上的多半是被改过好几遍的东西。严文华那批学员的近百篇手记里，记得也全是疑惑和微小的进步。这些东西当时的产值都很难看。 它们后来变成了一个人能拿出来讲的东西。 我下周想试一件事，把一份本来可以交给模型出初稿的东西，留给人从头做一遍，做错了也不拦。就一件，先别贪多。 刚起步的小号，为这篇翻了好几天资料。若它让你想起自己那一栏空着的简历，留句话，或点个关注，我都记着。 我们不是被工作累垮的，是被「不能停」累垮的 骂红果「降智」的人，可能搞错了敌人 你只有一次人生，该怎么办？掌控人生的5个使用技巧 为什么你都是在讲道理，而别人却不听，问题在这里。几个技巧让你打通沟通障碍 44岁胡歌背AED出差：健康不是信用卡，身体不能倒卡 你不是找不到自己，是太久没人需要 《嫁金钗》最狠的不是逆袭，是她从来没想赢 《兰香如故》最狠的一笔，是让她至死没认回那个名字
