AI 如何改变人的劳动？

讨论 AI 对工作的影响，需要先把一个问题拆开：AI 到底能做什么，做不了什么，人和 AI 之间的分工线应该画在哪里，以及两者一起工作时，日常的协作长什么样。

AI 能做什么

AI 擅长的事有一个共同特征：这件事人类已经做过无数遍，留下了大量范例。

写一封商务邮件、写一段常见的代码、把会议记录整理成待办事项、在两种语言之间翻译——这些任务的共性是，世界上已经有几百万份类似的样本。AI 在这类任务上的表现已经接近甚至超过普通从业者。

进一步说，只要你能把任务描述清楚、给出明确的输入和期望的输出格式，AI 就能把一系列这样的任务串起来自动执行。

这类劳动在大多数职业里占比很高。一个程序员每天花大量时间写样板代码和查文档，一个分析师花大量时间拉数据做表格，一个律师花大量时间翻模板改条款。这些工作现在 AI 都能做，而且做得很快。哪怕 AI 的能力停在今天不再进步，这部分影响也已经足够大了。

AI 做不了什么

把反面的问题问清楚更有价值。

第一，AI 处理不好没见过的情况。一个全新的业务场景、一种从未出现过的故障、一个法律上还没有先例的纠纷——遇到这些情况，AI 给出的往往是文字流畅但内容空洞的回答。它能把话说得像那么回事，但真正有用的判断来自那些在这个领域摸爬滚打过的人。

第二，AI 在需要长期保持一致的工作上会出错。当一件事涉及几十个相互关联的决策——比如设计一套跨团队的系统、推进一笔持续半年的交易、维护一个大型项目——AI 经常会在某个环节忘掉前面定下的约束，或者局部改好了但破坏了整体。

第三，AI 没法承担责任。它可以建议、可以起草、可以执行，但没有任何机构会让 AI 签字。法律意见、医疗诊断、财务审批、产品上线决策，最终都要落到一个具体的人头上。这条线短期内不会动。

第四，AI 替代不了需要人在现场的工作。理发师、护工、谈判代表、心理咨询师，他们的工作核心要么在物理动作里，要么在人和人的关系里。

分工线画在哪里

把"能做"和"做不了"放在一起看，真正划分边界的是一个简单的标准：产出能不能被快速检验。

代码写完能跑通就是能跑通，翻译可以对照原文校对，数据分析有执行结果可以核实。这类工作里 AI 出了错能很快发现、很快修正，放心交给它。

但战略方向对不对可能几年后才知道，文章写得好不好读者各有看法，研究路线有没有前途要等结果出来。这类工作里 AI 的输出看起来很合理，但你没办法马上判断它对不对。在这种地方过度依赖 AI，相当于把最重要的判断交给了一个不承担后果的角色。

所以一个比较实用的准则是：产出越容易被快速、客观地验证，AI 介入的价值越高；产出越需要靠时间和后果来检验，人的判断越不能让出去。

这条线本身也在移动。模型能力在提升，工具在丰富，能交给 AI 的范围在扩大。但它有一个天花板：只要最终评判标准在未来、在别人的主观感受里、在尚未发生的市场反应里，AI 就替不了那个拍板的人。

一起工作的三种方式

知道了各自的能和不能，下一步是怎么配合。目前能看到三种正在成型的协作方式。

第一种，人出题、AI 做题、人验收。这是最常见的形态。人提出清晰的任务，AI 给出初稿，人来审核和修改。这种方式下，专业能力依然重要，但体现的方式变了：从"我能从零写出来"变成"我知道哪里容易出错"和"我知道好的东西长什么样"。问题问得越准确，给的背景信息越充分，AI 的产出越接近可用。

第二种，人设计流程、AI 执行流程、人在关键节点把关。一个人把一项复杂工作拆成几个步骤，每个步骤交给 AI 处理，自己只在几个关键环节介入审核。比如"调研—分析—写初稿—审核"这条线，前三步可以让 AI 跑，人在最后一步把关。这种方式让一个人能同时推动好几件事，前提是这个人能把任务拆得合理，知道哪些环节容易出问题。

第三种，多个 AI 互相检查、人来仲裁。让一个 AI 出方案，另一个 AI 来找问题，人来做最终决定。这种做法在代码审查、合同审阅这类场景里已经很有效。人的工作变成了"判断谁说得更有道理"和"双方都有理的时候怎么取舍"。

这三种方式的共同点是：人的角色从执行者变成了出题人、验收人、仲裁人。劳动没有减少，但重心挪了。

接下来会发生什么

沿着上面的逻辑往前看，有几件事大概率会发生。

大量处于"熟练但不需要太多创造性"的岗位会被压缩。律师助理、初级分析师、流程性文案、执行层的产品经理，这些岗位的工作内容恰好落在 AI 最擅长的区间。结果是行业金字塔被拍扁——少数定方向的人加上 AI，就能完成原来一整层人的工作。

同一岗位内，人和人之间的产出差距会急剧拉大。会用 AI 的人和不会用的人，做同样一件事可能差出十倍。这种差距以前被工时和流程掩盖了，现在直接暴露在产出里。

靠记忆和熟练度建立起来的优势会贬值得更快。过去一个工程师靠精通某个框架的细节能吃很多年，一个律师靠熟悉某个领域的判例能稳坐很久。这些优势正在被 AI 快速填平。留下来的优势更难建立但也更持久：对真实业务的理解、在信息不充分时做决策的能力、把人和工具组织起来完成复杂目标的能力。

一个每天可以问自己的问题

如果要把以上内容压缩成一句话，它是一个问题：

我现在做的这件事，哪些部分 AI 能做，哪些部分只有我能做，我应该怎么分配时间？

这个问题本身就是一种新的工作能力。它要求你对自己的工作有足够清晰的拆解，对 AI 的边界有足够准确的认知，对"什么算好"有自己的标准。

劳动的总量没有变少，但劳动的重心挪了。从前靠花时间就能立足，现在靠判断力立足；从前一个人就是一个人的产能，现在一个人加上他能调度的工具，才构成真正的产能单位。看清这件事并且据此调整自己的位置，是接下来每个人都要做的事。