你用了 AI，你更快了，但你更 " 便宜 " 了。

最近到客户公司驻场服务，发现一个现象：经理级别以上的，基本不怎么使用 AI，也多数不懂怎么使用，而执行层，尤其是那些文案、设计、做短视频剪辑的 " 牛马们 "，反而用得最多。

这让我想起之前看的谷歌一份报告中写到，有高达 90% 的软件工程师已在工作中使用 AI，OpenAI 的数据也表明，近 40% 的工作对话与写作辅助相关。

自 AI 爆发以来，这个工具好像以前所未有的速度渗透进执行层工作的每一个缝隙。

但一个悖论也随之浮现：当 AI 这把 " 利器 " 宣称要解放生产力时，为何手握它的 " 牛马 " 们没有变得更轻松，反而显得更忙碌了？

微软对此也有过研究，指出 AI 对翻译、销售等职业的覆盖率和成功率已高达 80% 以上 ……

我甚至一度有些疑虑，为何没有看到相应的幸福感飙升？

表面是效率工具的应用有所差异。

实际上，我们根本没法将 AI 视作一个中性的工具，它正在敏锐地放大职场固有的矛盾与结构——效率提升的红利，未必导向执行者的阶层升迁，反而可能通过更精细化的任务分派、更快的节奏期望，无形中加固了他们 " 牛马 " 的岗位命运。

如何让 " 牛马 " 更卷？

你肯定见过这种场景，或者你自己就是亲历者：以前写代码，一天吭哧吭哧产出几十行，现在有了 AI 辅助，老板的期望值立刻水涨船高，一天 100 行成了新基准。

谷歌 CEO 桑达尔 · 皮查伊沾沾自喜地宣布，AI 工具让自家工程团队的开发效率提升了 10%。

这 10% 的效率提升，你以为真的可以提前下班？

在老板们眼里，不过是意味着你应该在同样的时间里，多产出 10% 的代码、10% 的文案、10% 的设计稿。

非常现实，且契合人性。

那么，所谓的 AI 引发的效率红利，到底被谁吃掉了？

我认为，只能是资本和企业，而非具体执行的个人。AI 就像一台动力更强劲的水泵，而基层员工就是那口被抽得更猛的水井。你出的水多了，但井本身的境遇并没有改变，甚至因为透支而更显疲态。

讽刺的是，你对这台 " 水泵 " 还不敢完全信任。

谷歌自己的报告就显示，只有 20% 的工程师对 AI 生成的代码 " 非常信任 "，将近一半的人（46%）只是 " 有点信任 "。

OpenAI 的用户数据也印证了这一点：当你让 AI 帮你查资料、给思路（" 询问 " 类任务）时，体验很好，满意度高；但一旦你放手让 AI 去 " 执行 " 一个复杂任务，失望往往随之而来。

所以，基层员工的真实工作状态变成了什么？

是 " 人肉质检员 "+"AI 加速器 " 的合体。

谷歌的 Ryan J. Salva 说得还算中肯，当前 AI 水平大概在 3 到 4 之间（满分 5），它能帮忙排错，但离不开人工审核和 " 多重安全网 "。

那意思，就是 AI 帮你写完代码，你不仅没省事，反而要打起十二分精神去审查这些海量产出，生怕一个隐蔽的 bug 导致线上事故。以前是亲手造轮子，心里有底；现在是流水线给你喷涌而出无数个半成品轮子，你得一行行地筛选、调试、修改。

工作量真的减少了吗？恐怕未必。

但工作的节奏和神经的紧绷程度，绝对是几何级数上升了。

这是一种典型的 " 隐性剥削 " ——你的劳动强度从体力转向了脑力，焦虑感从 " 干不完 " 转向了 " 怕出错 "，本质上，你被卷进了一场更精致、更耗神的内耗之中。

如果说这种 " 隐性剥削 " 是 AI 带来的一种冲击，那么还有另外一种较为痛苦而必须面对的危机，则是技能分化与权力的转移。

尤其是在职场之上。

你更快，也更便宜了

微软研究了 20 万条 AI 对话，发现了一个关键区别：高学历、高段位的专业人士，把 AI 当 " 顾问 "，他们提出精准、具体的问题，寻求的是策略、框架和高级灵感；而很多基层员工，则习惯性地把 AI 当 " 代笔 "，输入 " 帮我写份报告 " 这种模糊指令，得到的只能是平庸、需要大改的垃圾稿。

背后的差距，除了工具使用的熟练度影响之外，还有认知层次和提问能力的实际区别。

管理层因为工作需要，长期进行战略思考、框架规划，这些能力暂时难以被 AI 替代（Salva 也承认软件开发的关键环节无法自动化），所以他们能驾驭 AI。而执行层如果只会用 AI 来打杂代劳，久而久之，那些基础的执行能力会退化，但高阶的思考能力又没建立起来，就会彻底被困在 " 工具人 " 的陷阱里，技能反而变得单一化。

于是，一个可怕的 " 认知鸿沟 " 就出现了：管理层因为掌控战略，依然手握权力；而执行层尽管工具玩得溜，却可能因为可替代性强而话语权下降。

员工享受不到红利。

你用了 AI，你更快了，但你更 " 便宜 " 了。

AI 现在已经创造了巨大的财富池，这没有错，技术本是中性的。

做 AI 的企业，用 AI 的企业或个人，都可以在这个池子里期望 " 掘金 "。

你每个月可能只需花几十块钱去订阅一个 AI 工具，但对你公司老板而言，已经算是一本万利的买卖了。谷歌的 AI 工具价格从免费到每月 45 美元不等，这点成本，相比于一个动辄月薪数万的程序员或设计师，几乎可以忽略不计。

只是，我们通过微软的研究，看到一个扎心的现象，即 AI 对职业的影响，和这个职业的平均工资高低关联极弱。

也就是说，AI 正在系统性地、无差别地提升各行各业的效率，但这种效率提升带来的利润，并没有相应地反馈到员工的薪资单上。

而当我们现有的职场结构和绩效考评方式，遇到以 " 提升效率 " 为名的 AI 时，很容易就异化成一台更高效的 " 牛马 " 生产器。

它放大了原有的矛盾，执行者期待解放，管理者追求压榨；工具在进化，生产关系却停滞不前。结果就是，AI 在手，牛马们跑得更快，身上的犁具也更沉。

如果我们意识不到这场 " 效率游戏 " 背后的权力规则变化，可能连抱怨 " 卷 " 的资格，都会在未来某一天悄然失去。

企业如何避免 AI 反噬？

有报告说，高收入、高学历人群更善于利用 AI，并能从中获得更大价值。

从微软或者 OPenAi 的一些对话数据中看，确实似乎是这样。

但现实中，尤其是中国的企业里，我们却看到大量管理层成了 "AI 盲区 "。

是，他们的确热衷于在战略会上谈论 AI 的宏大叙事，可连最基础的 AI 工具其实都未曾亲手操作过。

一个 BUG 就这样出现了，制定工作流程和考核标准的人，根本不了解执行工具的实际能力与局限。他们可能以为 AI 是万能的，于是下达不切实际的任务指标；或者他们根本低估了 AI 的潜力，无法为团队整合出真正高效的 " 人机协作 " 新模式。

决策层与工具层的割裂，比员工不会用 AI 实际上是更危险的。

它会让企业的 AI 投资事倍功半，甚至加剧内部矛盾。看看谷歌是怎么做的？其内部 " 绝大多数团队 " 已将 AI 嵌入从编写文档到代码编辑器的所有环节。企业必须强制管理层下沉学习，让他们像当年学习用 PPT 和 Excel 一样去亲手使用 AI。否则，就会重蹈许多传统企业数字化转型失败的覆辙——钱花了，系统建了，但思维没变，最终一地鸡毛。

那么，正确的出路在哪里？

放眼短期（未来 1-3 年），趋势已经非常清晰，AI 对执行层，尤其是脑力劳动者的渗透会更深。微软的一些数据已经给各类职业贴上了 "AI 适用性 " 标签，像翻译、销售、编程这些岗位，AI 的覆盖率和成功率都已很高。所以，"AI 熟练度 " 将迅速成为简历上的硬通货，是入职的基本门槛。

而那些暂时无法被自动化的体力岗位（如洗碗工、护理员），反而获得了一个短暂的 " 安全期 "。

但脑力劳动的竞争会空前激烈，因为 AI 拉平了初级任务的能力差距。

而从长期（5 年或更远）来看，企业会面临一个十字路口。如果继续当前这种简单粗暴的 " 压榨式 " 应用模式，只知道用 AI 给员工堆任务，而不重构组织架构，那么很可能引发大规模的 " 牛马 " 倦怠潮，最终损害的是企业的创新根基和稳定运营。

聪明的企业，应该从现在开始就思考如何建立真正的人机协作流程。

我的意思，不是让 AI 完全外包任务，而是让它扮演灵感激发器和超级辅助的角色。例如，利用 AI 进行头脑风暴、生成初步方案、处理海量信息，而让人工专注于最核心的战略判断、情感沟通、创意整合和最终决策。

同时，企业的考核指标必须改变，不能只盯着效率提升百分比，更要量化 AI 对员工工作幸福感、创造性和职业成长的影响。例如，是让员工从重复劳动中解放出来去做更有价值的事，还是仅仅让他们在 AI 的驱动下变得更忙、更焦虑？

归根结底，技术从来不是决定命运的终极因素，如何使用技术的理念才是。

那些只把 AI 视为成本削减工具、企图用 " 更少的牛马拉更重的车 " 的企业，最终可能会被 AI 的反噬力所伤——员工流失、创新枯竭。

而那些能将 AI 与人才价值提升相结合，愿意投资于管理层认知、并精心设计人机协作模式的企业，才能真正驾驭这股浪潮，走向一个更智能、也更人性化的未来。

这种改变的权利，首先掌握在企业的决策者手中。他们的选择，将决定 AI 是成为一个加剧内卷的帮凶，还是一个释放人类创造潜能的伟大工具。

如何能不做 " 牛马 "？

AI 是可敬的，也是危险的。

它不是像科幻片里那样直接取代人类。

要更精妙，也更隐蔽。

它让我们在追求效率的狂奔中，越来越深地绑定在由算法驱动的工具链上，却可能逐渐忘记了我们工作的初衷——是为了创造，为了解决问题，为了实现价值，而不仅仅是为了更快地产出代码、文案和 PPT。

我们的注意力全部被 " 审核 AI 产出 "、" 追赶 AI 提速后的 Deadline" 所占据时，实际便已丧失了思考 " 为何而工作 " 的宝贵空间。

既如此，那在这个 AI 轰鸣的时代，我们每个人，究竟要如何避免沦为更高效、更疲惫的 " 牛马 "？

对于个体而言，我们必须从 " 代劳思维 " 转向 " 提问式协作 "。

这恰恰是 OpenAI 报告中高学历、高收入者善用 AI 的秘诀，他们不把 AI 当作替你干活的 " 外包工 "，而是将其视为一个能够激发灵感、提供备选方案、进行快速头脑风暴的 " 顾问 "。

在这个时候，核心竞争力，就从掌握某种技能，向提出好问题的能力、进行批判性思考的能力，以及将 AI 的产出进行整合、升华的能力发生转变。

我们需要的是驾驭工具，而不是被工具定义。

对于企业而言，则必须超越将 AI 视为简单 " 增效降本工具 " 的短视思维。

例如，如何重新设计工作流程，平衡效率与人性？这个真的太重要了。这意味着，考核指标不能只有 " 工作量提升了多少 "，更要有 " 员工创造力与满意度变化了多少 "。

企业需要投资于管理层的 AI 素养，让他们能制定出激发人机协作潜力的战略，而不是简单地把 AI 任务压给基层。

如果继续只把员工当作 AI 系统的 " 人肉延伸 "，那么当 " 牛马 " 们的倦怠感累积到临界点，最终反噬的将是企业自身的创新力和稳定性。

AI，会放大我们已有的选择和倾向，一个追求压榨的企业，会用 AI 来更精细地压榨；一个追求创新与员工成长的企业，则会用 AI 来释放人的创造力。

所以，最后这个问题的答案，并不在 AI 本身，关键在于我们每个人和每个组织的选择。

与其焦虑地问 "AI 会不会抢走我的饭碗 "，我们更应该扪心自问一句：我们是否甘心，永远只做那个在系统末端，喂养和校验 AI 产出的 " 喂饭人 "？

是满足于成为高效齿轮，还是立志成为驾驭机器的工程师，这个选择权，依然牢牢握在我们自己手中。