AI不是来抢工作的,它是在悄悄改写工作的定义前几天在一个投资群里，一群人为AI到底会不会动了程序员的岗位“吵”了起来。有人甩出招聘平台的数据：到今天为止，软件工程师的活跃职位同比还在涨，国内涨了百分之十几，美国那边也涨了百分之九。结论看上去很清楚——AI对就业的冲击，被高估了。我没太同意这个结论。数据本身没问题，问题出在大家用了一把错的尺子量这件事。招聘人数是个滞后到不能再滞后的指标。等它开始转向，故事早就发生完了。更该看的，是AI这项技术本身在以什么节奏、按什么顺序，重新定义"一份工作里到底包含哪些活"。这才是一个搞AI的人应该回答的问题。先把一个最基础的事实说清楚：AI替代的从来不是岗位，是任务
任何一份工作，拆开看都是一筐任务的集合。一个程序员的工作，不只是写代码——还包括理解需求、设计架构、调试、跟产品和测试扯皮、判断哪个方案在这家公司的实际约束下能跑通。写代码只是这一筐里的一部分。AI今天能做到什么程度？它能把这一筐里"可以被清晰描述、有大量样本可学"的那部分任务，做得又快又便宜。写模板代码、补测试、查文档、整理数据——这些任务正在被快速接管。但理解需求背后的真实意图、在信息不全时做判断、为一个跨部门的扯皮拍板，这些任务，现在的AI碰都还没碰到边。所以发生的不是"程序员这个岗位消失了"，而是"程序员这筐任务里，被AI拿走的那部分越来越多，剩给人的那部分在变"。岗位的名字没变，里头的含金量已经被重新分配了。这就解释了招聘数据为什么稳。企业不会因为AI能写代码了就立刻动人手，它们先是让现有的人配上AI，把人效拉上去。一个会用Claude Code或者GPT Codex的工程师，现在能顶过去三到五个人的产出。这个阶段，人数不变，但每个人筐里的任务结构已经变了。变化从任务层悄悄开始，还没走到人头数上。为什么这个过程注定不是线性的
群里有位做投资的朋友说了句我很认同的话：这不是一个线性过程，前面影响不大，但会有一个临界点，过了那个点替代速度陡然上升。AI接管任务的能力，不是匀速爬升的，它被一个叫"自主度"的台阶卡着。今天的AI Agent，在"任务级"上已经相当能打——你给它一个边界清晰的活，它能独立完成。但在"工作流级"上，它还远不可靠：让它端到端地跑完一整套涉及多个环节、需要判断和容错的流程，它会出错、会幻觉、会在中间卡死。所以现在所有严肃的落地，都还得在关键节点上放一个人来兜底。这意味着什么？意味着AI替代工作的节奏，是被"它什么时候能可靠地跨过一整个工作流"这件事卡着的。在跨过去之前，它一直是个需要人盯着的效率工具，对人数的影响是温和的；一旦某类工作流的可靠性和成本同时越过一条线，AI能在没人盯的情况下端到端跑完，那一类岗位的需求才会断崖式地往下走。这就是那个临界点的技术含义。它不是渐变，是相变——水温从九十九度到一百度，看着只差一度，但状态完全不同。这种形状，在历史上反复出现过。2007年iPhone就发布了，但一直到2012、2013年，还有大把传统互联网公司看不懂移动互联网，因为那几年它们的流量和财报看着都还好。等它们反应过来，入口已经整个搬进了App里。当时也是先有很长的缓坡，然后才是陡坡。把缓坡的平静当成安全，是每一次技术变革里最贵的误判。被改写的工种，远不止程序员
程序员只是因为这个群体爱发声、又最懂技术，讨论度才最高，显得首当其冲。但按"任务被接管"这个尺子去量，被改写的面要宽得多。客服、文案、初级设计、数据整理、报表、基础翻译——凡是任务可被清晰描述、样本充足的工作，都在同一条曲线上。海外有个调查听着有点刺：七成的招聘经理认为AI已经能干实习生的活了，超过一半的人对AI产出的信任度高过对应届生。更值得一个搞技术的人警觉的，是它改写的方向和过去反着来。过去的自动化，先吃掉的是体力的、重复的、在物理世界里的活——流水线、装配、搬运。这一次，AI先吃掉的恰恰是坐办公室、处理信息和文字的脑力活。斯坦福一项用薪资数据做的研究发现，22到25岁的年轻程序员，就业人数从2022年底的高点掉了将近两成；而30岁以上、同样在高暴露行业里的人，就业反而涨了百分之六到十二。同一个行业、同一波技术，年轻人的入口在收窄，资深的人反而更稳。原因还是回到任务。初级岗位的任务，恰恰是最"可被清晰描述、可被快速学会"的那一类，所以最先被接管。而资深的人手里那些任务——在信息不全时拍板、把模糊需求翻译成方案、对结果的好坏有判断——正好是AI现在最碰不到的。AI拿走的，是那部分"可以靠刷题快速复制"的能力，而不是"技术含量"本身。历史上每一次这样的担忧，最后都被同一个事实证伪
讲到这儿，听上去像个让人不太踏实的故事。但如果只看到这一层，恰恰说明没看懂技术变革的规律。经济学里有个被反复验证的概念，叫"劳动总量谬误"——它指的是一种错觉：以为一个经济体里的工作量是固定的，机器多干一点，人就少干一点。这个直觉很顽固，但它一次次被历史推翻。1900年，美国百分之四十一的劳动力在种地；到2000年，这个数字是百分之二。中间并没有出现百分之三十九的人永久没活干，因为退场的农活背后，长出了农机制造、食品加工、物流、零售一整条新产业链。织布机取代了手工织工，却催生了规模大得多的工厂、运输和零售业。汽车替下了马车夫，却养活了制造、维修、加油站、公路这一整套体系。个人电脑让打字员和接线员退出了历史，却凭空造出了整个软件和IT行业。MIT的经济学家把这个规律讲得很透：技术一边把劳动从旧任务里替换出来，一边又把劳动重新安置进它自己创造的新任务里。净下来，人始终是生产里的关键角色。决定未来的，不在于技术替掉了多少旧任务，而在于它创造了多少新任务、以及人能不能迁移过去。放到这一轮，方向是一样的。世界经济论坛去年的报告给了一组数：到2030年，预计有9200万个岗位被替代，但同时会新增1.7亿个，净增约7800万。数字未必精确，方向大概率是对的——因为每一次都是这样。所以长期看，我对就业不悲观。AI会把人从一大堆又琐碎又重复的任务里解放出来，去做更上层、更需要判断的事。这话听着像安慰，其实是技术变革三百年来反复兑现过的事实。真正的难题，从来不在岗位够不够，而在人迁不迁得过去
劳动总量谬误推翻了"会大规模、永久地没活干"这个判断，但它没有承诺这个过程是平滑的、对每个人都温柔的。报告里有句话很冷静：岗位退场和被创造的速度，比劳动力能现实迁移的速度快得多。一个做了十年报表的会计，没法在一个季度里变成AI解决方案架构师。账面上的新机会再多，接不接得住，取决于你之前有没有相关的积累。新增量从来不会均匀地撒给所有人，它会向"能往任务链上游走"的那批人集中。往上游走，具体是往哪走？
往上游走，不等于去卷算法、卷大模型——那是极少数人的赛道。对绝大多数人来说，更现实的方向，是去抢那些AI暂时够不着的任务：需要判断的、需要理解具体业务的、需要在AI和现实之间做翻译的活。我观察这两年涨薪最猛的新岗位，发现一件反常识的事：最值钱的那批人，往往技术并不是最强的，而是既懂这门生意怎么转、又能把AI接进业务流程的那种。一个清楚自家公司授信逻辑、又能把AI调得听懂这套逻辑的人，比一个纯算法高手有用得多。因为"把AI翻译进生意里"这件事，现在会的人太少了，而这恰恰是AI自己做不了的——它不懂你这家公司七年里沉淀下来的那些规则和默契。所以落到行动上，对个人，我会说三件事
第一，搞清楚你这份工作里，哪些任务是"可被清晰描述、可被快速学会"的，那部分迟早被接管，别把它当成你的核心价值。第二，把时间往"判断"和"理解"上挪——理解业务、理解人、在信息不全时做决定，这些是AI最难替代的。第三，现在就把AI变成你的日常工具，赶在它接管更多任务之前，先成为那个会指挥AI的人——也就是我之前说的Builder，一个懂业务的人借助AI能顶过去一整个团队。用AI是2026年的职场基本门槛，不是加分项，就像2010年会用Excel一样。对企业，这道题更难，也更要紧
群里聊到最后，我说了个可能不合时宜的判断：这一次，传统行业和企业的转型，比上一轮互联网难得多。上一轮移动互联网，企业要做的无非是把生意搬到线上——开网店、做App、投流量。难，但路径清楚、工具现成，照着抄就行。这一轮不一样。AI对企业的改造，要的不只是换个渠道，而是重新组织它的人、流程和决策方式。而最大的障碍，恰恰藏在前面那个"AI不懂你这家公司"里。一个跑了七八年的老系统，沉淀了这家公司所有的业务规则、组织习惯，甚至很多离职的人留下的逻辑。要让AI真正用起来，你得先把这些捋清楚、数据打通、口径统一。这件事卡住的地方，往往不在选哪个模型，而在第三次跨部门会上，没人愿意为一个数据口径的统一拍板。AI落地难，从来难在这里，不难在技术。还有一层障碍我上一篇专门写过，这里只点一句：让AI在企业里跑起来，靠的是底层那批编程和智能体工具，而这块中国还差得远。我说过中国能追上GPT、却一直做不出Claude Code那样的工具，差的不是技术，是市场愿不愿意为一把好工具付钱。地基没补上，上面盖什么都晃。这就是中国企业眼下最微妙的处境：一边是海外公司已经靠这批工具把人效拉到三五倍，悄悄拉开差距；一边是大部分公司连入场的工具都还没摸熟，却因为招聘数据还稳，以为自己还在安全区里。说句实在的，到今天为止吃到AI红利的企业还是凤毛麟角。绝大部分公司要么把AI当个更聪明的搜索框，要么买一堆工具发下去然后发现没人用。它们以为自己在拥抱AI，其实只是把AI摆在了桌上。而那少数已经跑通的公司，数据在积累、流程在被AI重新咬合、人被腾出来去做更值钱的判断——这种差距今天在招聘表和财报上都看不见，但它在以复利累积。等它显形那天，就是前面说的临界点。回到群里最初那个问题：AI对就业的影响，到底来没来？
它早就来了。先动的不是岗位的数量，而是岗位里任务的构成，是企业与企业之间的差距。等它走到人头数上的那天，已经是结果，不是预警。长期看，更多的岗位会被创造出来，这点我不担心；我唯一担心的是，太多人和太多公司，把缓坡上的平静，当成了可以不动的理由。作者：黎科峰博士，数势科技创始人兼CEO。本文为个人观点。
夜雨聆风
