夜雨聆风上周有个朋友跟我吃饭，说他们公司最近在搞一个"数字化转型项目"，名字挺好听，但做的事有点怪——让大家把每天的工作流程录屏存档。
他问我，你说这是要干嘛？我说，大概是在蒸馏你吧。他愣了一下，没接话。
说实话，我本来也不想这么阴谋论。但最近两条新闻放在一起看，你很难不往这个方向想。
一条是Meta。先记录员工怎么干活，再用这些数据训练AI智能体，然后开始大裁员。
另一条是Klarna。先让AI客服顶掉700个真人，后来客户满意度掉了，又悄悄把人请回来。
这两件事刚好像一枚硬币的两面。一面是：AI真的开始学人了，而且学得越来越细。另一面是：它学会了流程，不一定学会了人。
最狠的不是裁员，是你被复制了
四月份，Meta在内部推出了一个项目，叫"模型能力倡议"，英文简称MCI。按照公开报道，它会在员工的工作电脑上采集鼠标轨迹、键盘输入、应用上下文，甚至还会偶尔截屏。
这些东西去哪？拿去训练AI智能体。
你想想这个画面，其实有点冷。以前公司想替代一个岗位，最多是梳理SOP，写流程文档，找外包，搞自动化。现在不一样了，它可以直接看你怎么点鼠标、怎么切窗口、怎么复制粘贴，遇到异常时怎么绕过去。这个事我听完以后，心里其实是不太舒服的。
有员工问能不能退出这个项目。Meta CTO安德鲁·博斯沃思的回答是：在公司提供的工作电脑上，没有退出选项。
就，挺直白的对吧。不是征求你意见，是通知你一声。
然后到了5月20日，Meta开始发裁员通知。据媒体报道，这一轮预计削减8000个岗位，同时又有大约7000人被调入新成立的AI组织。
图片来源视频截图
你把这两件事连起来看，顺序就很微妙了：先把员工的工作方式录下来，喂给AI学。学完之后，一部分人就被系统性地挪走，或者直接消失。
蒸馏这个词最近被说得很多，但我觉得很多人可能没真正意识到它的残酷。蒸馏不是简单替代你。蒸馏是先把你"怎么干活"这件事提取出来，变成可以复制、可以部署、可以更新的模型能力。
你的经验，原来长在你身上，现在它被转成数据了。
你点哪个菜单，你用哪个模板，你看到一个异常提醒先查哪张表，客户问一个模糊问题你怎么判断优先级——这些以前都是你的工作手感。现在，公司会觉得，这些也是可以被记录、被训练、被复用的。这就是我觉得最吓人的地方。
不是AI突然变聪明了，而是公司终于找到一种方法，把人的隐性经验拆开，变成机器可以学习的材料。
人被拆成数据以后，人的那部分，好像就被挤小了。
但Klarna又给了AI一记耳光
如果只看Meta，你可能会觉得，完了，人真的要被复制没了。但Klarna的故事，又把这件事往回拉了一点。
Klarna是瑞典一家做"先买后付"的金融科技公司。2024年初，它非常高调地宣布：公司的AI客服已经接管了三分之二以上的客户对话，相当于顶了700个全职员工。
这个数字当时很漂亮。一个月处理230万次对话，平均解决时间从11分钟降到不到2分钟。公司还说，用户满意度和人工客服差不多。听起来是不是很完美？
然后现实来了。到了2025年，Klarna在北欧市场的客户满意度直接下滑22%。复杂投诉场景里，AI处理准确率只有35%。有媒体提到一个例子，一个用户确诊癌症，想申请延期还款，AI客服给出的回复是一段标准流程话术，让他提交材料编号。
没有停顿，没有共情，也没有"我帮你转人工"。这就是问题。
AI客服很擅长处理标准问题。查账单、改地址、退货流程、订单状态，它跑得飞快，成本也低。但一旦问题里有情绪、有例外、有灰度、有责任判断，它就开始像一个高级版FAQ。它不是不会回答，它是不会承担。
用户真正崩溃的地方，很多时候不是你没给答案，而是他感觉对面没有一个人。那种"我已经很着急了，你还在给我念说明书"的感觉，真的很烦。我自己遇到这种客服，也会想把手机扔一边，哪怕它语气再礼貌。
这时候你会发现，效率不是没有用，但效率它不能包打天下。
后来Klarna开始重新雇真人客服，用零工合同的方式把人请回来。CEO也承认，之前那次评估被成本主导了，最后得到的是更低的质量。
注意，这不是说Klarna放弃AI了。它更像是认清了一件事：AI可以处理大量标准问题，但不能把人完全拿掉。标准流程给AI，复杂问题给人。量给AI，质给人。便宜的部分给AI，容易出事的地方，还是得有人兜底。
这个结论听起来不酷，但挺真实。
所以，AI到底会不会取代你
我觉得这个问题，不能再用一句"会用AI的人取代不会用AI的人"糊弄过去了。那句话当然对，但有点太顺口了，顺口到像一句安慰剂。
真正的问题其实就两个：
第一个是：你身上有没有AI现在还学不了的东西？
第二个是：它未来会不会学会？
Meta的故事告诉我们，AI正在学的不是知识，而是工作动作。它不只是在学怎么回答问题，它在学一个人怎么完成任务。过去我们觉得安全的东西，比如经验、流程感、业务熟练度，现在都可能被记录下来。
你会做报表，它可以学。你会整理会议纪要，它可以学。你会根据固定规则判断工单优先级，它也可以学。只要你的工作可以被拆成稳定步骤，只要你的判断长期依赖固定规则，那说实话，危险程度会越来越高。
但Klarna又提醒我们，AI现在最难学的，不是某个动作，而是"在不确定里负责"。
它可以模仿共情，但不一定真的理解你的处境。它可以给建议，但它不用为建议承担后果。它可以生成一个漂亮方案，但如果这个方案出了问题，最后还是要人来拍板、解释、背锅。
说白了，AI擅长把确定的东西做得更快。人还剩下的价值，往往在那些不那么确定的地方。
比如，你能不能判断这件事该不该做，而不是只会把它做完。或者，当客户情绪很差的时候，你能不能听出来，他真正想要的不是流程，而是一个态度。再或者，大家都在问A，但你能不能意识到，真正的问题其实是B。
这些东西AI未来会不会学会？我不敢说不会。老实讲，按现在这个速度，很多我们以为它学不会的东西，可能过几年它就会一点了。
但至少现在，我更愿意这样判断：越是只靠流程吃饭的岗位，越容易被复制。越是需要判断、责任、关系和真实场景理解的工作，AI学起来越慢，替代成本也越高。
所以别再把自己训练成一个特别贵的流程按钮。因为按钮这种东西，早晚会被自动化。
真正值得保留的，可能是你为什么按这个按钮，以及你在不该按的时候，敢不敢停下来。
