寻找一篇笔记

↑ ↓ 移动 · Esc 关闭查看全部文章
生活与思考

当 AI 不再需要那么多员工,人类靠什么生活?

从客服、运营、工厂到未来的人类劳动,借工业革命、工资分配与工时史回答三个问题:哪些岗位会改变,生产率的收益去了哪里,以及普通人能否不再为生存而工作。

作者:黄撑 更新于 2026-10-25
本文目录 9 节 · 展开收起
AI × 劳动 × 经济史
当机器能够生产更多,
人还需要工作多久?

机器能完成工作,不等于人就有钱生活。技术改变的是生产方式;决定谁能分享财富的,还有所有权、市场与制度。

01 / 哪些工作会改变02 / 人类还能做什么03 / 历史暗示哪种未来

假设一家电商企业原来需要几十名员工做客服、报表、上架、运营分析和订单跟进。几年后,AI Agent 可以持续处理这些流程,只在关键环节请人确认。

公司也许因此赚得更多、商品卖得更便宜。但离开岗位的人会发生什么?他们可以换工作,还是整个行业都在减少相似的岗位?如果他们找不到工作,是否还能分享 AI 创造的财富?

这些问题的答案,不能只靠一句“AI 会创造新职业”或“所有人都会失业”概括。要看清楚,必须把 任务、岗位、劳动收入、社会总财富 四件事分开。

AI 首先替代任务,不是瞬间消灭整个职业

第一层任务被自动化

某项工作从两小时缩短为十分钟,员工仍在岗位上。

第二层岗位需求减少

原来十个人完成的工作,现在可能只需要更少的人;企业也可能先停止招聘。

第三层职业持续萎缩

只有当大部分工作环节都被可靠且经济地替代,职业规模才可能长期下降。

三者之间不是自动发生的因果链。企业也可能因为成本下降、需求扩大而增加业务,最终保留甚至新增岗位。

斯坦福大学《2026 AI Index》汇总的调查显示,2025 年已有 88% 的受访组织在至少一个业务场景中使用 AI,但 AI Agent 在多数具体业务职能中的部署比例仍处于个位数。这说明“采用了 AI”和“整套业务都无人运行”之间,还有相当大的距离。

国际劳工组织《Generative AI and Jobs: A 2025 Update》估计,全球约四分之一的劳动者处在具有某种生成式 AI 暴露程度的职业中;其主要判断是:多数岗位更可能被重构,而非直接被完全消灭。这里的“暴露”表示工作任务可能受技术影响,不是失业概率。

从客服、销售到工厂,改变会如何发生?

01 · 客服与售后标准问答 → 处理完整售后流程

AI 不只回答“怎么连接键盘”,还可能识别商品型号、检索订单、排查故障、核对售后政策,并在授权范围内提交申请。复杂投诉、争议与例外仍需要人负责。

02 · 电商运营手工做报表 → 管理自动经营流程

从下载数据、归属订单、核对利润到监控异常,越来越多步骤可能连成自动工作流。人的价值转向定义口径、设置目标、判断异常与批准高风险操作。

03 · 销售机械跟进 → 复杂关系与谈判

产品推荐、报价草案、线索筛选、日常跟进容易自动化;客户信任、重大合作和利益协调则更依赖真实的人际关系与授权。

04 · 工厂与仓储标准化工位 → 更多机器人协作

质检、搬运、分拣和重复装配可加速自动化,但面对不规则物体、复杂维修和变化频繁的现场,设备成本、改造成本及可靠性仍然是门槛。

工业机器人并不只是未来概念。国际机器人联合会 World Robotics 2026 披露,2025 年全球工厂中正在运行的工业机器人存量已达到约 500 万台。但“部署机器人更多”也不能直接推算出“员工减少多少”,因为产能、工序、产品结构和新增需求都可能改变。

这里有一个经常被忽略的差别:办公室任务容易数字化,却不代表涉及人的责任容易自动化;工厂任务看起来重复,却不代表机器人已经比人便宜。 两种自动化的难点不同。

如果 AI 承担了大多数工作,人类还做什么?

未来几年,人类仍可能集中于几类劳动:

劳动类型具体工作人类价值可能来自哪里
目标与责任经营决策、资源分配、公共治理选择目标、接受监督并承担后果
AI 监督与协作规则设计、质量审查、异常处置监督执行边界、处理责任和风险
人与人的服务教育、护理、陪伴、复杂客户关系信任、情感互动和真实关系
复杂现场劳动维修、建筑、应急处理环境不确定、实体操作成本高
文化与创造艺术、体育、手工、社区建设人类经历、参与过程本身有价值
科学与探索实验、研究方向、成果验证提出值得探索的问题及验证证据

这不是“AI 永远做不到这些事”的清单。AI 可能在不少决策与创意任务上超过人类,但社会仍可能选择让人负责、让人参与,或者愿意为“由人完成”付费。

世界经济论坛《2025 年未来就业报告》预测,到 2030 年,护理、教育、建筑、配送等岗位仍有增长空间;与此同时,行政助理、收银等岗位可能持续下降。报告估计,各种经济和技术趋势共同推动约 1.7 亿个岗位新增、9,200 万个岗位被替代。它不是“AI 单独创造与消灭的岗位数量”,也不是确定会发生的结果。

即使按这一预测计算,净增加约 7,800 万个岗位,也不意味着失去工作的人能直接进入新岗位。新增与减少的工作可能分布在不同地区、行业和时间,需要的技能也不相同。岗位总量可能增长,个人仍可能经历漫长的转型期。

但假如再往远处想一步:当 AI 和机器人连上述工作中的多数任务也能完成,人类仍有创作、陪伴、探索和参与公共生活的理由。问题在于——这些事情不一定能换来足够的收入。

生产问题社会是否仍需要很多人劳动?

取决于技术能力、可靠性、能源与机器的经济成本。

分配问题不劳动的人是否仍能维持生活?

取决于谁拥有生产资料、市场如何支付收入、公共制度如何分配收益。

生产不再需要那么多人,不等于每个人自然就有收入。 这是讨论 AI 时代最重要的一条分界线。

历史上的技术革命,给出了什么答案?

把时间拉长,会发现历史并不支持“每次技术革命都立即让普通人过得更好”,也不支持“机器最终会消灭所有工作”。

18 世纪末—19 世纪中叶第一次工业革命:先增产,后涨薪

英国工业化早期,劳动生产率增长,但实际工资长期没有同步增长。Robert Allen 将这一段现象称为“恩格斯停顿”:资本收益份额先上升,工人的分享相对滞后。

牛津大学存档:Engel’s Pause ↗
20 世纪中期工资差距一度明显收窄

美国在 1940 年代出现工资分布收窄的“大压缩”。相关研究指出,战争时期政策、非熟练劳动力需求变化和教育结构共同起了作用。技术发展并不会自动规定收入分配的方向。

Goldin & Margo:The Great Compression ↗
20 世纪末至今计算机普及:新岗位与收入分化并存

自动化替代常规任务,也增加对新能力的需求。David Autor 指出,历史上技术经常同时“替代某些劳动”和“与另一些劳动互补”,因此工作没有整体消失;但不同职业的收益差距可能扩大。

Autor:Why Are There Still So Many Jobs? ↗

从整个长期历史看,技术进步确实让部分国家的人工作得更少。Our World in Data 对早期工业化国家的历史工时整理显示:19 世纪后期每名劳动者年工时大约 2,700—3,500 小时,近代降至大约 1,300—1,800 小时。这组区间反映一组富裕国家的长期变化,并非全球平均,也不能直接等同于 AI 将带来的缩短幅度。查看数据与统计解释。

19 世纪后期2,700—3,500 小时 / 年
近代参考区间1,300—1,800 小时 / 年
示意长度取两组区间的近似中值比例,只说明长期工时约减半,不用于精确比较国家和年份。资料:Our World in Data。

这张对比展示的是工时变化的历史结果,而非“机器使工时减少一半”的因果证明。劳动法规、议价能力、产业结构与生活水平也会影响人们工作多久。

历史给出的更准确结论是:技术可以创造更多财富,劳动者能否及时分享到增长,还取决于制度、议价能力、新就业机会和社会选择。

如果 AI 帮企业节省成本,省下的钱去了哪里?

这只是用于解释机制的假设算例,不是对未来裁员比例的预测。

假设自动化前,企业每年人工成本为 1,000 万元;实施自动化后,人工成本变为 400 万元,新增 AI 与设备的年化成本为 200 万元,其他条件暂时不变。

自动化前:人工成本1,000 万元
自动化后:人工成本400 万元
自动化后:AI / 设备年化成本200 万元
年度总成本净节约400 万元 / 年
计算:1,000 −(400 + 200)= 400 万元。原人工成本减少 600 万元,但新增技术成本抵消了其中 200 万元。

节省下来的 400 万元可能成为利润、降价空间、追加投资、剩余员工奖金,也可能因为竞争激烈而很快被消耗。它不会自动转化为被裁员工的收入。

如果企业把生产力提高了十倍,但工资收入的分配机制不变,问题可能从“社会能生产多少”转为“谁有钱购买这些商品”。

国际货币基金组织在《AI Will Transform the Global Economy》(2024)中估计,全球近 40% 的就业岗位暴露于 AI 影响,并特别提醒 AI 可能扩大收入与财富差距。这里的“受影响”同样不等于“将被裁撤”。

如果不再依靠一份全职工资,还能靠什么生活?

生活所需的购买力不会随着自动化自动产生。可以来自劳动收入(转换岗位、缩短工时但保留工资),也可以来自资产与经营收益(持股分红、利润等),还可以通过公共保障与服务(社会保险、公共医疗教育、转移支付等)减少个人负担或提供收入支持。这些渠道可以并存,但资产分布、工资议价与公共财政能力决定了不同人能分享多少。

商品降价能让同样的收入买到更多东西,却不能保证失去工资的人支付得起基本生活。更普遍的收益分享制度可以讨论,但它需要持续的资金来源与具体规则,不能直接从“AI 提高了生产率”推出。

三种未来,不是同一条必然路线

情景 A · 收益集中社会总体更富,部分人更难生活

AI 创造的大部分新增收益归资本持有者,岗位减少先于新机会产生。经济总量增加,但收入分化扩大。

情景 B · 广泛分享生产率换来更短工时与更高生活水平

新职业继续出现,竞争、工资、公共服务和其他分配方式帮助更多人分享成果,劳动时间进一步下降。

情景 C · 制度重构工作不再是基本生活的唯一收入来源

如果相当一部分人难以仅靠工资维持基本生活,社会可能扩大社会保障、公共服务或采用新的收益分享制度。

历史并没有证明三种情景中哪一种必定发生。历史提醒我们:生产率提高可能先带来分配压力;市场调整和政策回应是否出现、何时出现、是否有效,都没有保证。

未来 5—10 年,较容易观察的仍是工作流程重构、部分岗位招聘减少、技能需求改变。至于更遥远的“多数人不再为生存而工作”,需要 AI 能力、实体自动化和收入分配同时发生深刻变化,不能给出可信的实现年份。

最后一个问题:工作到底意味着什么?

当我们说“未来人类要去创造、陪伴、探索”,谈的是人们可以选择做什么;当我们说“大家可能不再需要上班”,谈的却是人们能否不靠出卖劳动维持生活。

这两者之间,隔着财富如何分配这个现实问题。

以前机器主要替代一部分体力劳动;计算机替代了许多可规则化的信息处理;如今 AI 开始参与更广泛的认知任务。下一轮变化也许会比以往更快,但历史类比不能当作确定预言。

值得留下的问题当社会不再需要每个人都工作才能创造足够的财富时,是否还应该只通过工作,决定一个人能否过上体面的生活?

这不是一个仅凭技术就能回答的问题。它最终关乎人怎样组织生产、怎样分配成果,以及愿意建立什么样的社会。

资料与阅读延伸