职业不会消失，“任务”会消失：代理型AI改变的工作方式内容

职业不会消失，“任务”会消失：代理型AI改变的工作方式内容

1) “AI是否会夺走工作？”答案分歧的原因

随着生成AI的普及，我们几乎每周都会看到“AI破坏就业”或“AI提升生产力”这样的截然相反的标题。混乱的本质很简单。AI“能力”增长的速度与社会“接受度”变化的速度不一致。因此，讨论往往容易偏向于支持或反对的二选一。


世界经济论坛（WEF）发布的白皮书之所以有趣，是因为它没有断言未来，而是以地图的形式展示了“哪些前提崩溃会导致哪些未来”。AI的进化是快还是慢。人才和制度的准备是强还是弱。根据这些组合，2030年的工作将分为四种情景——这是一个整理。

2) 四种情景：即使是同样的AI，“结果”也会不同

白皮书描绘的四种未来，大致来说是“技术增长”和“人类准备”的乘积。这里重要的是，与其说某一种情景会席卷全球，不如说在产业、地区、企业之间“混合”发生的可能性更高。也就是说，你的工作场所可能是“副驾驶经济”，而隔壁行业可能是“替代时代”，这种情况很常见。


情景A：Supercharged Progress（超加速进步）

AI急剧高度化，劳动力市场也相对较好地适应的世界。企业通过“代理型AI”的力量重新设计以AI为中心的业务，生产力和创新力激增。新的职业也会诞生，但现有的工作会以快速的节奏变得陈旧。最大风险是变化过快，以至于社会保障、伦理和治理无法跟上。在增长的背后，必然会有被落下的群体。


情景B：The Age of Displacement（替代时代）

AI的进化超加速，但教育、再培训和制度无法跟上的世界。企业容易以人力不足或成本压力为理由选择“自动化而非培养”。结果是失业和不稳定就业增加，社会分裂加深。此外，随着代理型AI承担重要流程，监督不力会加剧事故、欺诈和认知操控等“新风险”。


情景C：Co-Pilot Economy（副驾驶经济）

AI的进化相对逐步，掌握AI技能广泛普及的世界。与其说是全面自动化，更注重根据现场问题进行“任务特化的引入”。人和AI的团队重组价值链，工作“消失”不如“内容改变”的比例更高。虽然有转职和调岗的痛苦（工作流动），但AI更容易被视为机会而非威胁。


情景D：Stalled Progress（停滞进步）

AI的进化和引入都“缓慢”进行，但人力准备薄弱的世界。在短期利益的压力下，企业往往保守地进行部分引入，无法带来改变整个社会的变革。生产力的增长不均，AI强的企业和地区的利益偏向。结果是差距固定化，积累了“没有预期的那么好”的失望。

3) 数据揭示的“不安核心”：利润可见但工资难见

这份白皮书引发的讨论中心，其实不仅仅是“就业减少还是增加”。更深层次的是“生产力的果实如何分配给谁”。


报道中引用的调查显示，超过一半的管理层预计AI会取代现有工作。而认为新工作会增加的比例较小。此外，虽然对利润率改善的期望相对较大，但对工资上涨的期望却相当小——这就是呈现的格局。


这就是SNS上不安容易爆发的点。人们害怕的不是AI本身，而是“利润增加但自己的份额不增加的未来”。

4) SNS的反应：欢迎和疑虑“同时正确”

此次话题在SNS上广泛传播，反应大致分为四个系统（基于可公开范围内确认的帖子）。


反应①“作为框架很方便”

在LinkedIn上，许多人将四种情景视为2×2地图，认为可以作为讨论公司现状的材料。由于没有断言未来，因此作为管理会议和人才战略的“共同语言”很容易使用，这是一种评价。


反应②“最终是人才投资的胜负”

同样在LinkedIn上，许多论调强调AI素养、学习敏捷性、批判性思维、决策和沟通等“人类优势”。这是一种“与其说是技术竞争，不如说是适应竞争”的重新解读。


反应③“如果工资不上涨，焦虑不会消失”

最尖锐的反应是对利润率改善与工资上涨之间差距的疑虑。“是否会再次在分配上失败”的记忆与过去的自动化和信息化重叠并被唤起。AI的引入常被讲述为“效率化的故事”，但生活者将其视为“份额的故事”。如果这两者无法契合，社会共识就难以达成。


反应④“反正无法阻止。那么就做好准备”

在Hacker News等论坛上，也出现了以就业替代为前提的接近于无奈的讨论，“如果不可避免，就需要社会保障或其他机制”。虽然表现为悲观，但反过来也传达了“需要使其可管理的设计”的信息。

5) 改写的不是“职业”而是“任务”：现实的自我关怀

如果将AI的影响描述为“职业整体消失/保留”，就容易出错。实际上发生的是工作任务的分解和重新组合。
例如，在销售中，可以分解为潜在客户调查、提案书制作、会议记录、报价、跟进等。AI擅长的信息收集、文本生成和整理容易被替代，而信任构建、情况判断、谈判和责任承担则更容易留给人类。后台办公室也是如此，输入、核对和分类容易自动化，而异常处理、审计应对和组织间协调的重要性相对提高。


因此，重要的是在“减少人手”之前，

  • 设计出哪些任务交给AI

  • 哪些任务由人继续承担

  • 如何提高剩余任务的价值
    进行设计。

6) 在任何未来都有效的“无悔”策略：不容易后悔的措施

WEF强调的不是依赖未来，而是在任何情景中都不容易亏损的准备。如果落实到实际操作，以下将成为骨架。


企业要做的事情（最小集合）

  • 小规模引入，创建效果测定和风险管理的模式（不止于PoC）

  • 连接人才战略和技术战略（不要将引入计划和培养计划分开）

  • 整备数据、权限、日志和监督责任，巩固代理型AI的运营前提


个人要做的事情（最短路径）

  • 将自己的工作分解为任务，先放置可以用AI替代的部分（腾出时间）

  • 利用腾出的时间增加“判断”、“设计”、“关系”和“责任”（提高价值）

  • 将“成果产生的过程”语言化，能够向他人解释（提高可移动性）

7) 结论：决定未来的不是AI，而是准备和分配

四种情景不是为了煽动恐惧的预言。相反，它们是可视化的工具，通过“准备的差异”、“分配的设计”和“治理”来改变结果。

2030年看似遥远却很近。随着AI能力的提升，问题从技术转向社会。利润属于谁。再学习的成本由谁承担。引入的解释责任由谁承担。

“替代还是扩展”的竞争已经开始。因此，现在需要的不是恐惧AI，也不是盲目信AI。“通过任务重组工作”、“优先进行人才投资”、“语言化果实的分配”——这些不起眼的准备将最大程度地改变未来。


出处URL

相关文章