关于 AI 与就业，过去两年的讨论大多停在「替代还是不替代」这个二元判断上。从产业一线的反馈看，更接近事实的图景是：整体岗位被抹掉的情形少，岗位内部的任务被重新切分的情形多。判断一家企业会不会因为 AI 调整人员，看的不是它买了多少算力，而是它的岗位说明书有没有被重写过。

第一，最先被拆解的是任务颗粒度

一个岗位由几十项任务组成，其中重复度高、判断依据明确、结果可以校验的部分最先被自动化：基础客服应答、常规文案改写、报表核对、模板化代码补全，都属于这一类。剩下的部分通常需要承担责任、需要跨部门协商、需要在信息不完整时做取舍。

企业实际做的动作，是把岗位拆成任务清单，逐项判断哪些交给机器、哪些留给人、哪些人机协同，再重新拼成新的岗位描述。这套动作在人力资源领域叫工作分析，在 AI 项目里叫流程梳理，本质上是同一件事。

由此可以得出一个可检验的判断：未来两三年，岗位名称的变化会明显慢于岗位内容的变化。看招聘启事里新增的 AI 相关职责，比看裁员新闻更能判断一家企业的真实方向。

第二，能力的定价在重排

当生成能力变得便宜且唾手可得，稀缺性会转移到三个位置：定义问题的能力，也就是知道该让 AI 做什么、不做什么；验证结果的能力，也就是能判断输出对不对、能不能用；承担后果的能力，也就是出了问题谁负责、依据什么负责。三者之中，第三条最难被替代，也最容易被忽略。

这也是「人工智能训练师」这个职业的演化路径值得注意的原因。它 2020 年被纳入国家职业分类目录时，工作内容以数据标注为主；几年下来，岗位重心已明显转向数据规范设计、评测集建设与效果验收。同一个名称之下，能力结构换了一轮。

反过来看培训市场，最大的误区是只教工具操作。工具半年一换，能力结构五年一变。只学操作的人，换一次工具就要重新学一遍；掌握了任务拆解与效果验收的人，换工具只是换手感。

第三，真正的账在组织成本

AI 落地省下的往往不是工资，而是协调成本与等待时间。一份材料从多人接力到一次成型，一个审批从三天压到三小时，改变的不是某个人的工作量，而是组织的节奏。

反过来说，如果流程本身没理顺，AI 只会把混乱加速。大量项目在试点阶段效果不错、推广阶段停滞，原因常常不是技术不可用，而是流程不可用、责任界面没有重新划定。技术可以采购，流程必须自己改。

所以要评估 AI 的效益，先数流程里有多少等待环节，再数人头。这个顺序颠倒了，投入产出比一定算不清楚。

写在最后

所以，「AI 会不会让人失业」这个问题问得太粗。更值得问的是三件更小的事：这个岗位里，哪几项任务本来就该交给机器；这个团队，验证与担责的能力够不够；这条流程，能不能承受提速。

三个问题答清楚，AI 带来的是岗位升级；答不清楚，才会变成岗位消失。

——文/吴佳文，广东省人工智能与机器人学会副秘书长，长期关注AI产业落地与人工智能人才培养。