精华热点 
作者：郑末
有些词，听过一次便很难放下。戴锦华老师提出过“弃民”这个概念——不同于难民，也不同于游民，它指向一群被时代告知“不再被需要”的人。
二十年前初次听闻，总觉得这只是知识分子略带夸张的警示。可如今翻看招聘平台，看着年轻人投出的简历石沉大海，目睹一份份曾经光鲜体面的岗位不断收缩，才发觉这个词早已不再是文学化的比喻。
谈及AI带来的改变，大众最先想到的词永远是“失业”。但这个表述，已经很难完整概括当下的现实。传统意义的失业，是原有岗位消失，但劳动者仍拥有转向其他岗位的可能性。而如今更普遍的困境是：不是完全找不到工作，而是大量可获取的工作属于没有上升通道的“死胡同”，工作的稳定性变差；不是完全没有事情可做，而是手上的工作，无法支撑个人完成能力跃迁与阶层向上流动。
这并非主观臆断，多项前沿研究数据，已经印证了这一趋势。
一、最先受冲击的，是写字楼里的知识型岗位
AI的冲击对象，和大众固有认知截然不同。受影响最大的不完全是工厂流水线工人、外卖骑手这类体力劳动者，而是写字楼中那些看上去光鲜的知识岗位。
Anthropic在2025年基于Claude真实使用数据发布研究，提出“实际暴露度”指标，用来衡量AI对不同职业任务的渗透程度，部分岗位数据如下：
• 程序员：74.5%的任务可被AI覆盖
• 客服：70.1%
• 数据录入：67.1%
• 医疗记录整理：66.7%
• 市场分析：64.8%
• 金融分析：57.2%
这些数字，不代表这些职业会彻底消亡，而是岗位中大量标准化、重复性的日常任务，已经可以由AI独立完成。
斯坦福数字经济实验室Brynjolfsson团队依托美国ADP薪资行政数据，做了更进一步追踪，观测ChatGPT问世之后劳动力市场的变化，发现一个值得警惕的现象：在AI高暴露行业，22‑25岁年轻群体就业率下滑13%‑16%；其中初级软件开发岗位，岗位规模从峰值回落接近20%。反观拥有多年实战经验的资深从业者，就业状态反而相对稳固。
为什么初级岗位首当其冲？新人的成长路径，本就建立在大量基础实操之上：刚踏入职场，通过处理重复的基础任务打磨基本功，积累足够经验之后，才能够接手复杂核心项目。但现在，用来练手、积累经验的基础工作被AI接管。新人失去实操载体，经验的积累链条直接断裂。
学界将该现象称作学徒制断层。初级岗位不只是完成业务的单元，更是行业培育后继人才的苗圃。当苗圃逐步萎缩，新一代从业者的成长路径就会出现巨大缺口。
二、国内AI对就业的重构，正在快速发生
很多人抱有一种错觉：技术浪潮传到国内总会慢半拍，AI对就业的冲击会滞后很久。这套逻辑或许适用于部分消费端产品，却并不适配产业端。
IDC数据显示，国内工业企业落地大模型与智能系统的速度正在激增：2024年企业渗透率尚处于个位数，2025年已经接近半数。
这意味着AI不只是办公软件里的对话窗口，而是深度嵌入业务全流程：
• 月报、周报等常规业务报告可由AI直接生成；
• 生产线出现异常，系统自动完成初步归因研判；
• 采购比价开展前，AI先行输出多套备选方案；
• 客服知识库实现自动化迭代更新；
• 质检环节先由机器视觉模型完成首轮筛查；
• 翻译、校对、合同初审等工作转变为“人监督AI”的模式。
新华网2024‑2025年的AI就业影响实地调研记录了大量真实案例：部分企业数据分析师因智能分析系统上线被优化；字幕组工作流从全人工转为AI翻译+人工校对，后续校对人力也大幅缩减；报表专员、运营助理这类通用性基础岗位，不少企业直接停止新增招聘，依靠人员自然流失消化编制。
企业极少会公开宣告“岗位被AI取代”，更多是冻结新增招聘，原有编制随人员离职自然消耗。这也是最隐蔽也最残酷的现实：不是突如其来的裁员失业，而是个体慢慢被整个用工系统边缘化、遗忘。
三、仅仅学会使用AI工具，不足以守住饭碗
打开各类知识付费平台，铺天盖地都是AI技能课程：提示词工程、AI助手操作、智能Agent开发……仿佛掌握工具，就握住了未来职场的入场券。
学习AI工具当然有价值，但不能高估单一工具的作用。
传统职场成长链条十分清晰：优质学历进入平台，从初级岗位起步，跟随前辈历练，逐步成长为资深从业者，继而带团队培养新人。其中初级岗位，是整个行业人才循环的入口。
AI改写了这套逻辑：资深从业者掌握AI工具，可以成倍放大个人产出，独立完成方案撰写、数据分析等多项工作。但当他需要人手协作时，需要的是可以承接整块业务、独立解决问题的合作者，而不是另一个只会借助AI完成基础文案报表的执行者。
这里存在一个现实悖论：仅仅熟练使用AI工具，反而容易把自己限定在“执行者”的定位里，而标准化的执行任务，恰恰是AI最擅长的领域。
我们不反对学习AI，但是工具只是放大器，不是护身符。比会用工具更重要的，是沉淀AI难以复刻的核心能力。
四、AI真正无法替代的，是和“责任与在场”绑定的能力
经济学的任务型分析框架，把一份职业拆解成多项细分任务：一部分任务AI已经可以高效完成，另一部分，至今仍是人类的主场。
对照O*NET职业数据库可以看到：AI擅长处理目标明确、答案标准化、流程可复刻的任务；难以替代的，则是需要临场判断、需要承担现实后果、需要构建真实人际信任的工作。
举一些很具体的例子：
• AI可以生成护理方案，但老人深夜突发意外，AI无法抵达现场处置；
• AI可以输出完整教案，但面对学生的心理危机，AI不能做现实层面的干预；
• AI能够完成合同初审，但合同签署之后出现法律风险，AI不会承担法律责任；
• AI可以编写施工规范，但工地出现异常气味隐患，AI没有感知现场的能力；
• AI可以输出完整投资调研报告，但投资发生亏损，不会有客户向一个模型追责。
二者最本质的分野在于：AI不存在属于自己的“主体身份”。它可以模仿人类的语气、模拟共情、复刻过往的判断逻辑，但它无法承接现实世界的代价与后果。签字担责的是人，解决危机的是人，承受成败结果的，永远是人。这是人类在职场里的核心护城河。
五、不同群体，该如何找准自身定位
抛开“超级个体”“认知跃迁”这类悬浮的概念，结合不同人群的处境，给出更落地的方向。
如果你是中层白领
如果你日常工作大量包含内容摘要、翻译、基础数据分析、文案撰写、话术整理、报表核对、合同初审这类内容。岗位不会瞬间消失，但会持续贬值：从完整全职岗位，拆解成碎片化任务，再进一步流向外包零工市场。
想要破局，可以朝着三个方向转型，每一个方向，核心都要回答同一个问题：我可以交付什么样别人拿不走的实际结果？
向现场能力迁移：重点不在于形式上到场，而在于抵达现场之后解决复杂现实问题的能力。例如妥善处理客户的重大投诉、排查工厂突发质量故障、协助完成高难度医患沟通。这些隔着屏幕的AI无法实现。
向责任主体迁移：重点不是加班时长，而是敢于为结果兜底。独立完成项目验收签字，代表组织对外做出承诺，故障发生时站出来承担问题。能够扛住后果的人，永远优于单纯完成交差的执行者。
向人际信任迁移：不只是积累通讯录人脉，而是建立属于个人的信任标签。客户遇到难题第一时间想到你，同事棘手困境愿意找你商议，管理者敢于把重要事项全权托付。长期沉淀下来的个人信任，是极难复制的壁垒。
如果你是在校学生或者刚步入社会
对于年轻人，最大的风险往往不是专业不对口，而是长期只完成作业、实习、美化简历，却没有真正处理过带有现实后果的事情。
什么叫带有后果的事？
• 和情绪激烈的客户博弈，最终促成合作落地；
• 陪护亲历过病患家属真实的焦虑与压力；
• 和供应商对接履约，切身体会账期、供应链带来的现实压力；
• 落地社区项目，明白再完美的书面方案，如果得不到群众参与就毫无价值。
这些经历很难写进简历，却是AI教不会的东西。AI可以生成代码，可以润色方案，却教不了你面对冲突时如何稳住心态。
未来稀缺的，不是会调用大模型的人，而是见过真实场面、扛过实际压力、在没有标准答案的处境下依然可以做出决断的人。
如果你身处小城，或是感觉自身已经被边缘化
这个群体反而拥有独特机会。大城市知识岗位内卷加剧，但县城、乡镇、老工业地区，有一套不一样的生存逻辑。老人陪诊、社区养老协调、小微商家数字化改造、农机智能设备维修、民宿短视频运营、校园心理疏导、兼顾法理与人情的本地调解……
这些工作未必光鲜体面，但共同特质是：需要真人在场，需要以个人名义承担责任，出了问题，必须能够找到具体的人。AI可以写出完美的方案，却不能代替你敲开居民家的门，处理面对面的矛盾。
六、收入与价值的底层逻辑已经改写
过去个人收入的通用公式大致为：收入 = 投入时间 × 个人技能 × 雇主溢价。
而当下，技能本身正在快速贬值：你掌握的技能，借助AI别人也可以实现，这项技能就不再具备稀缺性；同时大量企业收缩编制，来自雇主的薪资溢价空间也在压缩。
新的价值逻辑可以概括为：价值 = 信任 × 现场 × 责任 × 可调动的系统资源
• 信任：他人愿意把事务托付给你，而不是直接交给机器系统；
• 现场：能够处理AI无法触达的现实场景；
• 责任：愿意为决策签字，愿意为出错的结果兜底；
• 系统资源：懂得调度AI工具、兼职人力、小型团队协同产出成果。
核心不是利用AI提高产出效率，而是成为一个价值节点：上游对接AI模型能力，下游对接真实的人和现实需求，中间输出确定结果，发生问题时，有你作为责任主体。
七、重新看待AI浪潮：破除误区，认清真相
当下流传三种很普遍的观点，但都存在片面性：
1. “拥抱AI就能赢得未来”——过于轻巧，回避了转型周期内一部分人被结构性淘汰的现实；
2. “不必焦虑，新技术一定会创造更多新机会”——部分群体可以抓住新机会，但不是所有人都能顺利完成切换；
3. “人类工作终将被AI全部取代”——过于悲观，历史上技术变革从未造成人类劳动的整体性消亡。
更客观的事实是：AI正在加速一部分工作的贬值，同时抬升另一部分工作的价值。
持续贬值的，是标准化、可编码、可量化的认知类工作；持续升值的，是需要临场判断、承担现实后果、构建深度人际信任的工作。
这一轮AI变革，和过往工业革命有着本质区别：电气化、计算机革命主要冲击体力劳动，而AI大规模冲击认知脑力劳动，迭代速度空前。过去的技术变革留给社会数十年的缓冲时间，而这一次，留给个体调整的窗口期非常有限。
风险本质上属于结构性风险，而非就业总量风险。从宏观总量看，就业市场长期或许会重新平衡；但落到个体身上，从原有岗位被冲击，到找到新的生存位置，中间可能隔着数年的空窗期，这段时间的生存成本，是每一个人必须直面的现实。
回到开篇的命题：在AI时代，什么样才算“一个仍然有用的人”？可以反复叩问自己三个问题：
1. 如果不再有企业给我发放薪水，还有谁真实地需要我的存在？
2. 倘若AI接管了我目前全部的业务工作，我余下的精力，是否在做只有“人”才能完成的事？
3. 十年之后，会不会有具体的个体，因为我的存在，生活获得切实的改善？
如果这三个问题可以给出清晰答案，无论AI如何迭代，你都拥有属于自己的立足之地。
倘若无法作答，哪怕当下薪资优厚，这份工作也可能只是一段等待过期的任务代码。
AI不怕人懒惰，也不怕人不够聪慧。AI真正会冲刷淘汰的，是除了依附雇佣关系之外，再也找不到自我存在价值的人。
想明白这一点，才算真正站在新时代的土地上。
八、企业家要承担起社会责任
面对AI重构就业结构、青年成长断层、基础岗位持续替代的时代变局，单纯依赖个体自救已难以抵御结构性冲击，更需要具备格局与担当的企业家主动承接时代责任、重塑社会价值体系。AI替代的是标准化劳动，但无法替代人的禀赋价值、成长潜力与社会协作价值。依托心智认知、禀赋定位、环境约束、行为模式、反馈迭代的人力资本价值模型，可重新激活普通人的价值增量空间，为大众搭建全新的财富创造通道。
新时代的企业使命，不再是单纯追求利润增长，而是为社会创造就业机会、为个体重塑价值路径、为人才搭建成长迭代的生态。通过系统化人力资本赋能，让被AI挤压的普通劳动者摆脱工具化困境，让每个人都能依托自身禀赋实现能力升级、价值增值、财富增收。
诚邀所有认知同频者共同参与价值共建，跳出传统就业内卷赛道，依托新型人力资本价值体系，开启人人可成长、人人可创造、人人可获益的全新时代机遇。
