夜雨聆风
（图/《人工智能）
1936年，查理·卓别林在经典影片《摩登时代》中扮演的那个被卷入巨大齿轮的工人，成为了工业文明早期最深刻的隐喻。机器轰鸣，人被异化成流水线上一个机械的零件，为了跟上机器的节奏而疲于奔命。
近一个世纪后的今天，当人工智能以惊人的速度迭代，一种相似的焦虑感再次弥漫在社会上空。只不过，这一次被卷入齿轮的，似乎不再是肉体，而是我们的头脑与认知。
从科幻作家阿西莫夫笔下的「机器人三定律」，到凯文·凯利对「奇点」的预言，人类对于技术替代自身的恐惧从未停止。
社交媒体上充斥着「AI将取代大部分工作岗位」的预言，人们一边被失业的焦虑所填满，一边对技术工具盲目地追逐：花费大量的时间去学习提示词技巧、囤积各类新潮的AI工具，仿佛只有掌握这些，才能在未来的职场竞争中占据一丝先机。
在这样喧嚣的舆论场中，一种焦虑与狂热并存的情绪在集体中蔓延。但是当我们回归技术演进的历史规律，以及劳动力市场的现实逻辑，就会发现：我们也许高估了单纯追逐工具的价值，误判了技术对劳动时间的改造，也错看了AI冲击的真实人群。
当下社会弥漫着一种「不会用AI就会被淘汰」的紧迫感。各类教程鼓吹「每天一小时掌握AI办公」，职场培训课程将「精通提示词」列为标配。然而，这种对工具本身的过度关注，往往掩盖了一个基本前提：技术存在的意义，是服务于具体问题的解决，而不是反过来让人去适配技术。
历史的经验表明，真正具有跨时代意义的技术革新，从来不是靠少数人「抢先掌握」而普及，而是通过降低使用门槛，让大多数人不需要深究原理就可以从中受益。电力如此、互联网如此、智能手机也是如此。
正如计算机科学家艾伦·凯（Alan Kay）所言：「真正深刻的科技，最终会变得看不见。」当一项技术需要用户花费大量时间去学习其复杂操作逻辑，恰恰说明了它尚未成熟到足以无缝融入日常。
现实中，很多「为了用AI而用AI」的行为，不过是给旧范式套上一个新外壳。本来可以几句话解释清楚的数据分析，非得强行加上动态可视化；本来十个字可以说清楚卖点的文案，非得用AI润色成一大段。
这些操作能让结果「看起来更炫」，但并没有提升实质性的价值。
效率是把事情做对，效能是做对的事情。——彼得·德鲁克
在注意力尤为稀缺的时代，个体不应该把精力耗费在无休止的工具迭代上，而应该回归到自身要解决的问题本身：你手里的锤子再先进，也得先确认墙上有没有钉子。
况且，AI技术遵循着超指数迭代规律。根据METR研究所等机构的追踪数据，大模型的核心能力翻倍周期已经压缩到了几个月，应用层工具更是按月甚至按周更新。
这个月熟练掌握的操作技巧，下月就可能被新功能覆盖；刚刚摸索出来的使用范式，很快会被更便捷的交互所替代。因此，对于普通人而言，投入大量时间去钻研短期有效的操作细节，性价比极低。
关于AI的未来，最乐观的叙事莫过于：它将把人类从繁重的劳动中解放出来，让我们每周只需要工作4天，甚至更短。这种期待无疑是对技术史的一种浪漫化解读，仿佛每一次生产力的飞跃，都会自动转化为劳动者的福祉。
回顾历次工业革命，技术的突破确实极大地提高了生产效率，但并未直接带来普通劳动者工作时长的显著减少。
在农耕时代，受自然规律影响，人们日出而作、日落而息。然而，随着蒸汽机和电力的引入，工厂机器一旦启动便可以昼夜运转，于是「白班」和「夜班」应运而生，工作时间反而被拉长。
经济学家罗伯特·戈登（Robert J. Gordon）在《美国增长的起落》中指出，19世纪末至20世纪初，尽管生产率大幅提升，但普通工人的实际工作时长并没有因此减少，直到后来工会运动和立法干预，工时才逐步得到改善。更不用提移动互联网和智能手机的普及，把多少人24小时拴在了工作上。
技术的进步，往往被资本转化为对更高产出的追求，而不是对劳动者闲暇时间的让渡。
当前的AI浪潮似乎正在重新上演这一历史逻辑。生成式AI的出现，理论上可以大幅降低内容生产、写代码、数据分析等工作的门槛和时间成本。但在实际的职场中，这种效率的提升并没有让员工更轻松，反而导致了工作边界的无限制扩张。
比如做一张海报，过去需要市场和设计两个部门协同完成，现在好了，直接让市场自己去用AI生图。原本一周才能做出来的数据分析报告，现在可能被要求一天交付。资本逐利的本性决定了，当效率提升时，预期的产出量也会同步甚至超比例增加。
就像马克思在《资本论》中分析的那样，技术进步在资本主义体系下，首要功能是「相对剩余价值」的榨取：即通过缩短必要劳动时间，延长剩余劳动时间。AI并不会改变这一机制，只会将其推向新的高度。因此，幻想技术自动带来「轻松的生活」，无异于期待狼群主动为羊群留出生路。
认清这一现实，或许比盲目乐观更能帮助普通人调整心态，做好长期应对高强度竞争的准备。
在AI冲击的版图中，受影响最深的群体可能并不是传统意义上的低端体力劳动者，而是那些拥有光鲜学历、刚刚迈入职场的年轻人，尤其是985/211重点高校的毕业生。
这一现象的背后，是人才培养逻辑与市场需求之间的错位。长期以来，高学历人才的优势在于扎实的理论基础和较强的学习能力。然而，大多数初级知识型岗位的核心价值，并不是创造力，而是执行力和信息处理能力，而这恰恰是当前AI最擅长的领域。
文案撰写、基础数据分析、市场调研、会议纪要整理……这些工作虽然需要一定的专业训练，但流程标准化程度极高，评判标准明确，很容易被大模型模仿。
除此之外，AI不需要情绪价值、不会跳槽、不需要社保，还能7×24小时响应。
这就导致了一个尴尬的局面：企业对于「可被标准化、流程化」的基础执行岗位的需求正在急剧萎缩。
很多大型企业开始倾向于用AI+实习生组合替正职。因为只要有规范的SOP，这些工作并没有太高的壁垒，几个月轮换一批人一样可以维持运转。虽然资深员工和新手（或者AI）在解决复杂、非标问题时仍有质的差距，但社保缴纳、裁员赔偿、管理精力，这些招正职的隐性成本，使用AI+实习生则可以合理、合法地规避。
当下对于年轻人而言，学历和努力，不足以构建核心竞争力。知识获取和基础技能生成的门槛已经被AI踏平，单纯的信息储备和重复性脑力劳动在迅速贬值。
企业不愿意为「潜力」支付高昂的薪酬溢价，他们更需要的是能够立刻解决复杂问题、具备洞察力的成熟型人才。这对于缺乏经验积累且想通过精英学历变现的年轻人来说，AI 正在加速这倒窄门的收紧。
在我看来，面对汹涌而来的技术浪潮，普通人自处的方式其实并不复杂。
首先，不必过度焦虑。历史证明，任何具有跨时代意义的技术革新，最终都会适应大多数人的使用习惯，而不是强迫所有人成为技术专家。作为普通人，真的无需追逐每一个风口，也不必苛求自己成为提示词大师。技术的终局一定是隐形的存在，是像电力一样成为基础设施，而不是时时刻刻挂在嘴边的谈资。
其次，保持平常心，认清工作的本质。技术革新不会自动带来乌托邦式的轻松，劳动的形态会变，但劳动的强度与压力可能在很长一段时间内依然存在。接受这一现实，调整心理预期，在变化中寻找确定性。
最后，也是最重要的一点，警惕自身的「工具化」。在AI时代，努力、博学、记忆力好，这些曾经被推崇的品质，不过是机器的标配。而人之所以为人，核心价值在于那些机器难以模拟的特质：独特的审美判断、对他人深刻的同理心、在模糊情境下的道德抉择、以及对业务方向的主动思考与战略洞察。
未来的竞争力，不在于你比AI算得更快、记得更多，而在于你能否提出正确的问题，能否在冰冷的数据中看到温度，能否在效率至上的逻辑中坚守人的价值。
毕竟，机器可以生成千万种答案，但只有人类，才能定义问题的意义。
