Havenlon | 杂谈：AI革命真正的拐点：岗位压缩开始跑赢岗位创造

AI时代岗位消失的速度第一次快过岗位创造的速度每一轮技术浪潮人类都会问同一个问题机器会不会抢走工作。蒸汽机时代问过流水线时代问过计算机与互联网时代也问过。答案总是让人安心马车夫少了汽车工人、维修技师和物流司机多了银行柜员少了程序员、产品经理和支付行业起来了。于是我们形成了一种极其稳固的技术乐观主义——技术不消灭工作它只是改变工作。今天讨论人工智能这句话仍在被反复引用。但这一轮有一个变量可能已经悄悄改变。真正值得盯住的不是AI最终能否超越人类也不是AGI哪一天到来而是一条更不起眼、却已经开始影响现实的曲线AI压缩劳动需求的速度会不会开始超过AI创造劳动需求的速度。如果这两条曲线长期交叉AI革命真正的社会拐点可能已经发生而且发生得悄无声息。一、历史乐观主义有一个隐藏前提工业革命从来不温柔。机器进厂旧工种消失旧技能贬值生产组织被彻底重写。但过去几轮技术革命有一个共同特征常常被忽略新技术在提高生产力的同时也需要大量新增劳动者来承接这份生产力。汽车工业要建制造厂制造厂要工程师、工人、采购、仓储与销售汽车多了又要公路、加油站、维修店、保险与物流网络。互联网同样如此网站多了要程序员软件复杂了要产品经理、设计师、测试与运维电商起来了又要运营、主播、数字营销与配送体系。所以过去两百年存在一个几乎被视为常识的经济关系产业规模扩张通常意味着组织规模扩张。一家公司收入从1亿做到10亿往往需要更多人一个产业扩大十倍往往能容纳更多劳动者。旧岗位消失之后新经济始终留着一个巨大的就业吸收池。这才是历次技术革命虽有剧痛、却未让工作本身消失的真正原因。AI正在挑战的恰恰是这个隐藏前提。二、这一次新产业以少用人为设计目标这是本轮技术革命最特殊的地方之一。过去一家互联网公司业务增长十倍通常意味着服务器更多、产品更多、客户更多研发、运营、销售、客服随之扩张。但一家AI原生企业可能从第一天起就在追求另一种组织形态更少的人调度更多的机器智能。一条过去需要20人的业务流程未来可能是5个人加一组Agent。一个过去需要10名开发、3名测试、2名产品经理的项目未来也许是少数几位能力极强的人加上编码、测试、文档与部署工具链。这意味着一个此前罕见的现象企业规模第一次可能大幅增长而人员规模几乎不增长。AI当然也在创造新职业。AI研究员、模型工程师、数据工程师、AI安全工程师、AI产品经理、算力基础设施工程师都在增加。世界经济论坛《Future of Jobs Report 2025》也将AI与机器学习专家、大数据专家、软件开发者列为增长最快的职业并预计到2030年在多重宏观趋势共同作用下全球可能新增约1.7亿个岗位同时约9200万个岗位被替代净增约7800万个。但这里有一个容易被跳过的细节这1.7亿并非AI单独创造。其中包含人口结构变化、绿色转型、经济发展与数字化等多重因素从绝对数量看增长最大的岗位集中在农业、配送、建筑、护理、销售和教育。换句话说未来仍会有新工作并不等于AI创造的工作多于AI压缩的工作。这是两个完全不同的命题却常常被当成同一个来使用。三、最先消失的是本该出现的岗位我们习惯用裁员来理解技术冲击。某公司裁员一千人于是新闻标题写AI冲击就业。但AI最值得关注的影响可能大量发生在新闻镜头之外。设想一家100人的公司明年业务增长30%。按过去的生产率它应该扩张到130人。用上AI之后现有100人就能支撑新的业务量。于是公司没有裁掉任何人财报甚至相当漂亮生产率提升利润改善增长继续。统计意义上没有100个人失去工作。但事实上有30个原本会出现的岗位没有出现。这可以称为隐形岗位消失。它没有解雇通知没有失业补偿没有人在社交媒体上宣布自己被AI取代。它只表现为一句极其平静的管理决策今年暂不扩编。OECD对5000多家中小企业的调查已经捕捉到早期信号83%的受访企业表示生成式AI尚未改变总体人员需求表示人员需求下降的占9%高于表示需求增加的6%同时14%的企业表示生成式AI降低了它们对外部承包商的依赖。这些数字远谈不上就业崩塌但它指出了一个方向AI冲击就业的第一阶段可能不是大规模裁员而是悄悄减少未来招聘。对一个已经工作十年的人来说没有裁员意味着安全。对一个刚毕业、准备入行的年轻人来说那个没有被创造出来的岗位就是他的失业。四、被抽走的是职业阶梯的第一级这也解释了为什么青年就业可能最先感到压力。几乎所有专业职业都有一条隐形培养链初级员工做基础工作中级员工承担复杂任务高级员工负责判断与决策最终成长为专家。问题在于今天AI最擅长承担的恰恰是初级岗位过去负责的那部分工作——资料整理、会议纪要、基础代码、简单设计、初稿撰写、数据清洗、报表生成、客服问答、信息检索。这些工作单看价值不高却承担着一个关键的社会功能它们是年轻人进入复杂职业体系的入口。2025年斯坦福数字经济实验室基于ADP高频就业数据的研究发现在AI高度暴露的职业中22至25岁的早期职业劳动者出现了明显的相对就业下降在控制企业层面冲击后这一群体的相对就业降幅约为16%而同类职业中的资深劳动者相对稳定。降幅尤其集中在AI更偏自动化而非增强人类的岗位。ILO于2026年8月发布的全球青年就业报告也指出15至29岁青年目前从事的岗位中约6.1%属于AI高度暴露类别而这些岗位与近年持续萎缩的中等技能文职、行政类工作存在明显重叠。这带来一个比年轻人不好找工作更深一层的问题如果企业越来越少招初级员工未来的资深专家从哪里来一个行业不可能只剩下专家。一个高级程序员之所以存在是因为十年前有人容许他写过并不完美的代码一个资深律师能判断复杂案件是因为年轻时整理过大量卷宗一位成熟设计师拥有审美判断是因为他做过无数枯燥的基础稿。削掉阶梯的下几级企业在短期获得了效率但整个社会可能同时损耗了专业能力的培养机制。这比机器会不会替代人复杂得多也难解得多。五、值得盯住的是一条就业剪刀差因此判断AI是否进入真正的就业拐点不能只看失业率而应同时观察两条曲线AI每年压缩掉多少人类劳动需求与AI经济每年新创造多少劳动需求。只要第二条曲线持续高于第一条历史规律依然成立旧岗位消失新岗位出现社会在阵痛后重新找到平衡。但如果有一天岗位压缩速度持续高于岗位创造速度且差距不断扩大事情的性质就变了。这就是所谓的就业剪刀差。AI越强单个人能完成的任务越多企业需要的人越少人均产出越高资本回报越高——而整个经济对劳动力的边际需求却可能下行。届时我们将第一次面对一种在工业社会中并不常见的形态财富持续增长与就业增长逐渐脱钩。必须说明目前还不能断言世界已经跨过这条线。ILO的研究仍认为全球约四分之一劳动者所在的职业对生成式AI存在一定程度暴露但多数职业更可能先经历任务重构而非整体消失。NBER的研究同样发现AI暴露确实压低了部分任务与职业的劳动需求但生产率提升也可能推动企业扩张、在别处重新创造需求总体就业效应目前仍相对温和。所以AI马上让所有人失业是草率的。但另一个方向的乐观同样草率历次技术革命最终都创造了更多工作所以AI也一定如此——历史经验不是经济定律。AI改变的可能恰恰是让这条历史经验成立的那些条件。六、微观理性未必自动加总为宏观平衡商业世界正在越来越推崇一个指标人均收入Revenue per Employee。过去一家百亿美元收入的企业需要数万甚至数十万员工。未来一家估值数百亿美元的AI原生公司也许只需要几千人。当Agent真正成熟我们甚至可能看到数百人运营庞大业务体系的公司。从企业经营角度这是无可指摘的进步成本下降决策链缩短组织摩擦减少利润率上升。企业家没有理由为了创造岗位而刻意保留已不再需要的工作。这不是道德问题。真正的难点在于微观层面的完全理性叠加起来未必构成宏观层面的平衡。对单个企业而言少招5个人是效率少招50个人是效率少招500个人还是效率。但当一百万家公司同时这样决策社会面对的就不再是企业效率问题而是另一个更根本的问题整个经济体系究竟还需要多少人参与生产。七、被挑战的可能是工作换取收入这套默认制度现代社会有一个极深的默认设定多数人通过劳动参与生产通过工作获得收入再用收入参与消费企业从消费中获得收入继续雇佣劳动者。工作 → 收入 → 消费 → 企业收入 → 工作。过去两百年的工业社会基本建立在这个循环之上。如果AI只是提高人的效率这个循环不会动摇。但如果出现另一种状态——机器与少数人创造越来越多财富而创造这些财富所需的人越来越少——问题就会变成当生产不再需要那么多人收入应当通过什么机制进入社会到那一步讨论的就不再只是就业而是收入分配、教育体系、社会保障、税收结构、工作时长乃至个人的价值感。这也是为什么AI最深刻的影响最终一定会从技术议题走向制度议题。八、拐点也许只是一份普通的招聘预算人们一直在等待一个宏大时刻机器何时拥有通用智能何时超越最聪明的人类何时出现真正意义上的AGI。这些问题当然重要。但历史真正转向的时刻往往并不戏剧化。它可能只是某个普通季度的预算会议。公司业务增长20%利润增长30%AI使用量增长200%然后管理层平静地决定明年不增加Headcount。没有机器人走上街头没有机器宣布自己拥有意识没有所谓奇点。一切照常运行。只是越来越多公司发现——原来增长可以不再对应更多就业。如果这件事从例外逐渐变成常态AI革命真正的社会拐点或许就已经悄然发生。它不是机器什么时候超过人而是人类社会第一次发现技术压缩岗位的速度开始长期快过技术创造岗位的速度。到那一天我们要回答的问题也不再是人类还能做什么工作而是一个更困难的问题当创造越来越多财富不再需要越来越多人我们该如何重新定义工作、收入以及一个人在经济体系中的位置AI革命最终改变的也许从来不只是生产工具。它可能会迫使我们重新审视一个延续了两百年的命题一个人的价值是否必须由一份工作来证明。