夜雨聆风
在4月6日到4月9日举办的HumanX大会上，入口处贴放着一条非常直白的广告：
“停止雇佣人类”。
它不是主旨演讲，也不是哪位CEO的发言，但它比台上的所有表达都更直接。
因为在会场里，人们正在讨论另一套说法：要提升批判性思维、加强沟通能力，要发挥人类独有的价值。
可实际情况是，越来越多的公司在裁员时直接提到AI。
Salesforce裁掉4000名客服员工，称AI已经接管了50%的工作；
Block CEO杰克·多西宣布，公司计划裁掉近一半员工，理由是“智能工具”彻底改变了企业运作方式。
就在3月2日，来自宾夕法尼亚大学和波士顿大学的两名研究人员发表了一篇论文，用数学推演了一个非常可怕的趋势：
AI裁员将摧毁经济。
每家用AI取代工人的公司，也在解雇自己的客户；每位被裁的员工，都是曾经会花钱的人。
当足够多的人失业时，购买力会被持续侵蚀，而那些裁员的公司，在一个没有购买力的经济中销售产品，也会最终走向破产。
01
那篇论文的题目非常简单，就叫《AI裁员陷阱》。
论文没有去讨论技术本身，也没有预测具体会失去多少岗位。它讨论了一个非常极端的情况：如果所有公司都用AI替代人，会发生什么？
它假设每家公司都面临着一个简单的选择，用人，还是用AI。
用AI的好处是成本更低，每替代一个岗位，公司都能节省一部分开支。
可是问题在于，被替代的员工，从公司的角度来讲可能是“成本”，但在市场上，他们同样也是消费者。
从宏观上看，当他们的收入减少时，对商品和服务的消费也会随之减少，而这些消费，原本也是企业收入的一部分。
论文把这件事写成了一个很清晰的结构：每裁掉一个人，会带来一部分需求损失。
注意了，这部分损失并不会完全由裁员的公司承担，而是被整个市场分摊，每家公司（不管是否裁员）都承担其中的一小部分。
好处是私有的，代价变成了公摊，从单个公司的角度来讲，继续自动化似乎是最佳选择。
而且光自动化还不够，还要比竞争对手更快地自动化——不然不就落后于人了吗？
按照这个逻辑去推演，当竞争进一步加剧，公司之间会争相加速自动化，以获得暂时的优势。
但由于每家公司都在自动化，这些优势会相互抵消，可是需求的流失不会抵消。
论文用了一个很形象的概念来描述这种状态：“红皇后效应”。
所有人都被逼着奔跑，但没有人真正前进。
用中国的古话讲，就是“逆水行舟，不进则退”；或者更通俗点，被迫内卷。
更极端一点，当自动化几乎没有成本时，这个系统甚至会演化为一个典型的囚徒困境：
每家公司都会选择完全自动化，因为这是对自己最优的策略；但当所有公司都这么做时，最终的结果反而比不自动化更差。
问题是，即使每家公司都知道裁员会削弱市场，它们依然会继续。
继续跑好歹是一损俱损，停下来，只会被更快淘汰
02
那么就有人要问了：这个情况该怎么办呢？
论文给出的解法是发挥一下“有形之手”的作用，为了大环境，向公司征收自动化税（Pigouvian Tax）。
既然问题出在企业没有为“需求被削弱”承担全部成本，那就通过税收，让裁员变得没那么“划算”。
从模型内部来看，这个结论是自洽的：理想的税率应该尽量对齐公司没有承担的那部分损失，这部分的税收还能用于再培训和提高再就业率，简直是一个非常理想的解法。
但正因为它过于理想，它的问题也开始显现。
这篇论文把现实世界压缩成了一个简单的模型，只剩下成本、需求和竞争这几个简单变量。
在这个框架下，“过度自动化”几乎是一个必然结果。
但现实世界并不是这样运作的：
需求并不会简单地随着收入减少而消失，它会迁移、重组，会被新的产品和服务重新激发；
岗位也不会只被替代，它们同样会被创造，只是分布方式发生变化；
企业的决策，也不仅仅取决于成本，还受到战略、品牌、政策等多重因素的影响。
现实世界是动态的、发展的、多元的，而这个模型是静态的。
这并不意味着模型毫无价值，只是它刻意忽略了现实中的其他变量。
换句话说，这个模型并不是在还原现实，只是在放大其中的一条路径。它更像是一个极端情景的放大镜，警示我们：如果某些条件同时成立，市场机制本身，可能会把自动化推到一个未必理想的方向。
03
HumanX大会上的讨论，其实提供了一种“现实版本”。
这是一个为期四天的大会，吸引了大约6500名投资人、创业者和科技高管。几乎所有发言者都在重复同一套建议：要学会与AI协作，要提升判断力，要更有人类特质。
DeepLearning.AI创始人吴恩达表示：编程并不会消失，AI只是让更多人能够参与其中；真正拉开差距的是如何理解问题、如何使用工具。
Greg Hart（培训平台Coursera CEO）则把重点放在了“人类能力”上，例如批判性思维、沟通能力、团队协作。他提到，Coursera上的批判性思维课程，注册人数在过去一年增长了三倍。
Florian Douetteau（法国人工智能公司Dataiku CEO）给出的描述更为具体：在未来的工作中，AI负责执行，人类负责判断；机器整夜运行，人类在白天进行审核和决策。
这些说法听起来像是升级版的职业建议，把人从执行者变成决策者，从生产者变成协调者。
但与此同时，入门级岗位正在消失。
根据投资机构SignalFire的数据，2019年到2024年，美国大型科技公司中，经验不足一年的岗位招聘减少了50%。
那些原本用于培养经验的工作，被自动化直接跳过；新人还没来得及进入体系，体系本身就已经被改写。
这些变化，还远没有达到论文所描述的那种极端状态。需求没有消失，新的岗位也在出现。
但它们至少说明了一点：现实，正朝着那个方向缓慢移动。
要知道，2025年HumanX大会的关键词可是“human connections”（人类交流），会议大谈社交和合作，到了今年台上的话题就变成了自动化、效率、AI改变一切。
在HumanX大会上很少有人否认AI会改变工作，他们默认了“AI负责执行，人类负责决策”的美好未来，更多讨论人的价值，讨论人应该如何适应。
他们说，要学会使用AI工具而不是抗拒它，要把时间从执行转移到判断，要强化沟通、理解和协作这些“难以自动化”的能力……
甚至有一些声音开始提出，人文学科可能成为未来技术职业的重要准备。因为当AI可以完成技术细节时，真正区分人的，是对人的理解。
这些建议值得听取，但对个人而言，这一切都有一个前提：你本人，仍然在这个系统里。
你留下了，才有机会从执行者转向决策者，从“被AI替代的一方”转向“使用AI工具的一方”。
他们在教你如何适应未来，但很少有人讨论，有多少人已经被排除在未来之外。
而从论文的角度来看，当所有公司都在做同样的选择时，系统的变化，可能并不会等人。
HumanX大会入口的那句“停止雇佣人类”并不是一个共识，但它之所以被记住，或许正是因为它足够直接。
不过，当技术提升效率时，企业其实还有另一种选择。如果他们能够把这部分效率转化为更低的价格、更快的服务，或者更丰富的产品供给，那么需求反而可能被放大。
这在经济学中并不是新现象。早在蒸汽机时代就有人发现，效率的提升并不会减少资源使用，反而可能因为成本下降，带来更大的需求。这个理论被称为“杰文斯悖论”，由威廉·斯坦利·杰文斯于1865年提出。
而在AI领域，也存在类似的可能路径：一些企业并没有用AI去代替人，而是用它去扩大业务边界。
像Aaron Levie（企业软件公司Box CEO）就提出过一个不同的判断：当AI降低知识工作的成本后，很多原本“做不起”的项目，会变得可行。
但这并不是一个自动发生的过程，它与企业如何使用AI有关，效率的提升可能转化为利润，也可能有一部分被释放到需求当中。
论文中的推导或许过于简单，现实中的调整也远没有结束。但至少有一件事已经越来越清楚：AI不会均匀地改变所有工作，它会先改变结构，再决定谁被留下。
而结构最终走向哪一边，要看企业如何使用这项技术。
欢迎在评论区留言~如需开白请加小编微信：dongfangmark
