电子邮件可以在几秒钟内草拟。会议内容会自动整理，回复建议也会出现在屏幕上。尽管如此，职场上今天仍然有人在说“人手不够”。

这种情况并不一定意味着AI的失败。能够快速处理部分工作与所需的人才在所需的地方聚集是两个不同的问题。

2026年9月14日，德国金融信息网站Aktiencheck刊登了dts通讯社的文章，传达了劳动市场与职业研究所（IAB）经济学家恩佐·韦伯的观点。根据文章，韦伯在接受德国报纸Rheinische Post采访时表示，仅靠数字化无法消除劳动力短缺。

然而，这并不是否定AI改善可能性的言论。韦伯承认AI有助于提高生产力、业务流程和财富水平。他指出，培养人才和扩大就业机会的政策无法仅靠技术来替代。

从这番言论出发，解读研究和公开评论时可以发现，问题并不是“AI还是人”的二选一，而是谁将利用因省力化而产生的余力，以及用于什么。

“工作减少”和“人才短缺消失”之间的距离

一项工作中混合了性质不同的任务。撰写文章、留下记录、倾听对方的情况、确认现场、应对例外情况。即使只切出AI擅长的部分，整体工作所需的人数也不会固定。

例如，考虑某项设备检查工作。如果报告草稿的速度加快，负责人的负担会减轻。然而，前往现场的时间、实际检查设备的时间、确认异常原因的时间不一定能以相同比例缩短。这不是某个企业的特例，而是为了分开考虑工作和职业的例子。

此外，如果节省的时间是零碎的，就需要重新安排工作制度。一天中多次产生的几分钟余裕可以用于休息或仔细确认，但并不能直接成为另一名员工负责其他现场的理由。

在这里，有效的视角不仅是“哪个职业会消失”，而是“哪个任务会改变”。

国际劳工组织（ILO）等在2025年公布的研究中估计，全球约四分之一的劳动者从事的职业可能受到生成AI的某种程度影响。然而，这并不是预测四分之一的人会失业。由于构成工作的任务仍需人类参与，研究表明，工作的变化可能比全面替代更为中心。

“有些任务可以由AI处理”这一信息不应轻易推导出“负责该工作的人员不再需要”这一结论，这是讨论的出发点。

生产力提高的证据存在，但并非万能

有研究表明AI可以提高现场能力。

埃里克·布林约尔松等人撰写的论文“Generative AI at Work”2025年版分析了5,172名客户支持人员的数据。研究发现，能够使用生成AI的支持后，以每小时解决问题数量衡量的生产力平均提高了15%。

效果因人而异，经验不足或技能水平较低的人员改善较大。另一方面，经验丰富且高技能的人员并未出现同等程度的效果。

这一结果对考虑人手短缺具有启示意义。AI除了可以完全替代人之外，还可以支持学习工作的过程，使更多的人能够承担工作。

然而，研究对象是单一企业的客户服务，并不能保证所有职场都会有15%的改善。作者也解释说，这不是揭示经济整体就业或工资影响的研究。

在衡量AI成果时，仅仅查看使用次数或文章生成速度是不够的。需要查看包括确认和修正在内的所需时间、解决的问题数量以及应对质量。这是将研究结果应用于职场时的建议。

即使草稿速度快，但修正耗时长，余力也会减少。相反，如果在新人遇到困难时能获得适当建议，可以帮助本人和指导者。问题在于如何利用，而不是仅仅引入。

通过效率化，工作的总量可能增加

人手不足的原因还包括需求的变化。

假设某企业通过AI在相同时间内处理的工作量增加。该企业可能会利用多余的时间来减少人员或缩短工作时间。然而，也可以选择获得新客户、接受以前拒绝的请求或开始其他服务。

如果提供成本下降，以前无法使用的人也可能获得服务。这样一来，即使每件工作的负担减轻，处理的数量也会增加。

这并不是必然的结果，但解释了“生产力提高后，人手就会多余”的计算在整个社会中可能不成立。

IAB等在2025年11月公布的德国AI情景分析中，雇用的总量和内容被分开看待。在一定前提下，AI应用的推进可能在未来15年内以新设或消失的形式影响约160万个就业岗位，而就业总数与基准未来路径相比大致相同。

约160万这个数字并不意味着人数的净减少。这也不是实际发生的结果，而是基于AI引入等假设的估算。

从这项研究中可以看出，即使总数没有大变化，工作的地点和内容也可能发生变化。在某个领域人员过剩与另一个领域招聘困难可能同时发生。

多余的人并不能直接转移到缺人的岗位

通过简单的加减法解决人手不足是困难的。

例如，通过提高事务工作的效率而有了空闲时间的人，并不能从第二天起就负责设备维修。新工作需要知识和经验，工作地点和时间以及个人意愿也有关。

因此，如果AI引入和人才培养分别进行，可能会在效率化的部门和需要人手的部门之间留下鸿沟。

本稿的考察中重视的是，除了“是否有可转移的工作”，还要问“是否能支持转移过程”。是否能确保培训时间。如何对待熟练前的评价。是否能与育儿和家庭事务兼顾。如果这些条件不具备，即使有招聘和求职者，双方也无法结合。

元文章中韦伯提到的也是人能发挥能力的条件。他认为需要更好地利用女性和移民的职业发展机会，并为老年员工创造一个能持续工作而不是增加负担的环境。

如果将这些指摘转化为实际操作，那么在AI引入预算的同时，还需要考虑培训时间和指导体制以及灵活的工作机制。在引入技术后才发现“没有可用的人”就为时已晚。

SNS上显现的期待和疑问——“委托什么，留下什么工作”

SNS的反应如何。在此次确认的公开信息范围内，未能充分确认对9月14日相关文章的直接评论。因此，以下将提及韦伯约两年前在LinkedIn上发布的关于AI和工作的节目介绍中收到的相关评论。这不是对本次报道的反应，而是关于同一主题的过去讨论。内容以日语总结。

Christian Mueller认为AI特别是在研究和教育中扩展了人类的可能性。Nicole Koeck-Maier也表示期待AI能承担枯燥的重复性工作，从而更好地发挥人类的创造力。

另一方面，Antoinette Weibel提出的问题是AI将如何改变工作。人是否只会照顾机器，还是能从事更有意义、更适合人类的活动。决定这一选择的不是AI本身，而是企业和负责必要监管的国家。

这些是对有限帖子中的个别意见，并不代表整个SNS的舆论或赞成反对的比例。即便如此，可以看出人们的关注点不仅在于“是否会被AI夺走工作”，还在于AI引入后将留下什么工作。

将这一论点应用于现场，可以看到同样的省力化有不同的用途。如果将空闲时间用于客户的细致应对或培训，可能提高工作的质量。另一方面，如果只提高处理件数的目标，劳动者的忙碌程度可能不会改变。这是基于帖子进行的本稿考察。

即使通过AI变得富裕，休息时间也不会自动增加

关于人手不足的讨论也与劳动时间问题相关。

根据元文章，韦伯对AI普及后人们工作时间自动减少的看法持谨慎态度。生产力提高可能带来富裕，在此基础上接受收入减少以缩短工作时间是可能的选择。然而，他并不认为这种变化必然会降临到每个人身上。

他指出，随着富裕的增加，期望、生活水平和要求也会改变。

从这里需要考虑的是技术产生的余力及其分配机制的差异。即使AI节省了一小时，这一小时是用于休假还是额外工作，并不是软件能决定的。

例如，生产力提高的企业有多个选择：提高工资、降低价格、充实服务、增加投资、缩短劳动时间。优先考虑哪个涉及到管理决策和职场的共识。

因此，“AI引入成功”的评价也需要说明目标是什么。销售额增加和员工负担减少需要分别确认。

需要问的不仅是“能减少多少人”

在将这一讨论引入日本职场时，不能直接套用德国的估算。因为职业构成和雇用惯例不同。然而，分开考虑工作效率化和人才确保的视角是无论企业规模或国家都可以探讨的。

本稿提出的建议是，在AI引入前后持有三个问题。

首先，真正的障碍是什么。是撰写文章耗时，还是确认等待时间长，或者是能负责现场的人少。如果不明确障碍就增加工具，可能不会改善整体工作流程。

其次，谁的能力会扩展。是熟练者能更快工作，还是新人能更快掌握业务，或者是以前因时间限制无法参与的人能承担工作。根据期望的效果，所需支持会有所不同。

第三，如何利用节省的时间。补充招聘难、减少加班、改善客户服务、培养下一代人才。只有决定用途，效率化才能成为具体成果。

AI可以助力解决人手不足的问题。然而，它不会承担培养谁、在何种条件下工作以及如何分配获得的余力的判断。

只有同时完善屏幕上的工作速度和现场人员持续工作的条件，AI的进步才能带来职场的改善。

出处URL

1. Aktiencheck／dts Nachrichtenagentur「Ökonom: KI löst Fachkräftemangel nicht」（2026年9月14日）。确认了韦伯关于人手不足、劳动时间、女性、移民和老年员工就业机会的发言。
   https://www.aktiencheck.de/news/Artikel-Oekonom_KI_loest_Fachkraeftemangel_nicht-20090389

2. ILO「Generative AI and Jobs: A Refined Global Index of Occupational Exposure」（2025年5月20日）。估计全球约四分之一的劳动者从事可能受生成AI影响的职业，以及区分职业整体消失与任务变化的讨论依据。
   https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

3. Erik Brynjolfsson、Danielle Li、Lindsey Raymond「Generative AI at Work」（The Quarterly Journal of Economics、2025年刊行版）。分析了5,172名客户支持人员，平均生产力提高15%，经验等导致效果差异，单一企业结果不能推广到经济整体就业的限制依据。参阅作者公开PDF。
   https://danielle.li/assets/docs/GenerativeAIatWork.pdf

4. IAB「Künstliche Intelligenz könnte das BIP-Wachstum in den nächsten 15 Jahren um jährlich 0,8 Prozentpunkte erhöhen」（2025年11月19日）。约160万个就业岗位的设立或消失，以及与基准情景相比就业总数大致稳定的条件性未来分析依据。
   https://iab.de/presseinfo/kuenstliche-intelligenz-koennte-das-bip-wachstum-in-den-naechsten-15-jahren-um-jaehrlich-08-prozentpunkte-erhoehen/

5. Enzo Weber氏的LinkedIn帖子「Nimmt uns KI die Arbeit weg?」。AI和工作相关节目的介绍，以及Christian Mueller氏、Nicole Koeck-Maier氏、Antoinette Weibel氏的公开评论确认来源。页面显示为“2年前”。并非2026年9月14日元文章的直接反应，而是作为相关主题的过去讨论使用。
   https://de.linkedin.com/posts/enzo-weber_ki-arbeit-k%C3%BCnstlicheintelligenz-activity-7208388393196515328-VzFO