文 | wiwi

最可怕的不是 AI 把你裁掉，而是你没被裁，反而更忙了——忙着处理一句又一句 " 你再处理一下 "。

AI 写了初稿，你再润色一下；AI 做了方案，你再拍一下板；AI 写好代码，你再调一下；机器人接完客服，你再安抚一下；老板用 AI 跑出十几个方向，你再挑一下。

但你慢慢发现，自己的位置变了：以前你是负责一件事的人，现在你越来越像那个 " 给 AI 收尾的人 "。

更微妙的是，连你做的那部分，也开始被轻描淡写：你熬了几天写出的稿子，被说成 " 润色一下 "；你硬扛下来的一场投诉，被说成 " 处理一下 "。那个 " 一下 "，就是白领价值被压低的开始。

公司没有立刻不要你，它只是开始重新计算你：不再把你当成一个完整岗位，而是把你看成一组可以随时调用的任务能力。

你还在上班，工位还在，考勤还在，绩效还在，老板还在派活。

这才是 AI 对白领最隐蔽的改造：它不一定抢走你的饭碗，却会先改变你在公司里的位置——让你，越来越像一个外包。

过去两年，我们一直在吵 "AI 会不会取代白领 "。但这个问题，可能从一开始就问偏了。《哈佛商业评论》今年 1 月发布了一项面向全球 1006 名企业高管的调查，给出了一个更冷的答案：很多打着 AI 旗号的裁员，并不是因为 AI 真能顶上这个岗位，而是公司赌它将来能顶上，于是提前就把人减了。

也就是说，当一家公司开始按 "AI 将来能干到什么程度 "、而不是 "AI 现在干成了什么样 " 来安排人手，它改变的就不只是工作本身，而是你和公司之间那层雇佣关系。裁员还能反悔，可 " 这个正式岗位干脆不设了，改用外包和临时的人 " ——这种事一旦发生，就很难再回头。

《哈佛商业评论》

一、岗位没有消失，只是被拆成了一个个订单

真正在发生的，往往不是某个岗位突然没了，而是这个岗位被从内部一刀刀切开。

工业时代的流水线，切的是体力活；AI 时代的流水线，切的是脑力活。外包的前提，是工作能被标准化、拆解和验收。你没法把一个笼统的 " 岗位 " 外包出去，但可以把从它身上拆下来的一件件具体活儿，单独发给别人做。

而 AI，恰恰是一台 **" 能力拆解机 "**。它干的不只是把一个岗位拆成几块活，而是把一个人的整体能力，先拆成一项项可以单独标价的技能，再把每项技能拆成一个个可以单独交付的任务：写作，被拆成写初稿、改标题、润色、核对事实；写程序，被拆成搭框架、接数据、查错改错、做测试、互相检查代码；做运营，被拆成写推文、拉群、做表格、发通知、写复盘；做客服，被拆成回答常见问题、安抚情绪、处理投诉、判断要不要退款。

以前这些能力被一股脑打包在一个岗位里，公司想拆也拆不开，更没法一项项算钱。现在 AI 把它们先跑一遍、一条条列出来、还顺手生成了初稿，公司管理者第一次看得这么清楚：原来一个岗位里头，有这么多块是可以换人做、可以外面买、可以临时叫的。

这才是公司能 " 按外包给你定价 " 的真正原因。 不是老板突然变坏了，而是 AI 第一次让一个人的能力，可以被切得这么细——岗位被切成一项项技能，技能再被切成一个个任务。而一旦切成了任务，链条就自己往下走：能被切出来，就能被派出去；能被派出去，就能让人比着报价；一旦开始比价，这块活儿就不再天然属于你这个岗位了。

这就是 " 外包化 " 最深的那一层。它不一定把人请出公司，而是哪怕你还坐在工位上，也不再被当成公司的一份子，而成了一种 " 需要时调用、不需要时就是成本 " 的任务能力。

公司不是不再需要人，而是不再需要那么多 " 完整的人 "。过去，一个岗位意味着一整套能力的组合：经验、判断、执行、沟通、担责，再加上公司愿意花时间慢慢带你。哪怕你今天还做得磕磕绊绊，公司也默认你是值得磨合、值得留下的人。可一旦 AI 能把大半个初稿都跑出来，公司就会越来越自然地问一句：既然只需要人在最后把个关，我干嘛还要养一个完整的岗位？

这句话一旦问出口，白领的定价就变了。AI 不是先消灭你的岗位，而是先让你的岗位，变得不值得被完整地雇下来。

二、年轻人不是失业，而是根本进不来了

岗位被拆开之后，最先吃亏的，不是写字楼里的老员工，而是那些还没能走进来的年轻人。

斯坦福数字经济实验室的一项研究发现，生成式 AI 普及后，在那些最容易被 AI 顶替的工作里，22 到 25 岁的年轻人，就业人数下降了大约 16%；而同样的活儿，换成年纪更大、经验更多的人，或者换到不太受 AI 影响的行业，就业反而稳得住，甚至还在涨。

耶鲁大学的另一组数据更直观：22 到 25 岁的程序员，找到工作的人数比 2022 年底最多的时候少了近两成；招聘网站上的程序员岗位，也从那时起少了一半还多。

这是美国的情况，不能直接照搬到中国，但它点出了一个更普遍的方向：AI 最先挤掉的，往往不是干了多年的老人，而是刚要进门的新人。 被它优先吃掉的，几乎都是 " 入门级 " 的活儿——客服、给数据打标签、初级中介、整理文档、写简单的程序。而这些，恰恰是过去年轻人挤进一家公司的那道门。研究者有句话说得很准：AI 对就业的冲击，不是哗啦一下大裁员，而是 " 招聘悄悄停了 " ——没人被赶走，只是门在新人面前，慢慢关上了。

更麻烦的是它带来的连锁反应。过去新人都是从整理资料、写初稿、改页面、做表格这些杂活干起的。这些活看着不起眼，却是一个人摸清业务、练出手感、长出判断力的入口：一个编辑，是在一遍遍改烂稿里才知道什么叫好坏；一个程序员，是在一次次线上出错、被同事挑代码里才知道什么叫风险；一个运营，是在一场场没人报名的活动里才明白用户为什么不买账；一个设计师，是在一回回被甲方推翻里才搞懂什么是真需求。

可现在，这些打底的活儿正在被 AI 吃掉。新人看起来上手更快了，入职第一天就能用 AI 出活，但实际上，他跳过了所有该摔的跟头，也就错过了练出判断力的机会。而公司这边，也越来越没耐心慢慢带人：AI 都能写到这个份上了，我凭什么还花这么多钱养你慢慢练？于是年轻人被卡在一个尴尬的位置——判断力还没长出来，却已经没有了慢慢练手的空间。

这对一个人的职业前途意味着什么？过去，" 正式员工 " 这个蓄水池，本来是有源头活水的：你从最底层的岗位干起，几年后熬进核心团队，成为那批有股票、有保障、说话有分量的人。而 AI 抽掉的，正是这条上升通道的第一级台阶。当入门岗位干脆不再设了，这个蓄水池就会从源头开始萎缩。这一代新人不是被 AI 替代了，而是被 AI 挡在了 " 成为老员工 " 之前。

三、活儿会回来，但回来的不是工位，是一张采购单

门越关越窄的另一面，是留在门里的人也越来越少，而门外那些零散的活儿，越堆越多。

这不是简单的 "AI 换掉人 "，而是一种新的搭配正在成形：少数骨干留在核心，负责想清楚要干什么、指挥 AI、检查结果、出了岔子来收拾、最后担责任；大量具体执行的活儿，则被拆成一个个小任务，发到外面去做。将来一个团队，可能不再是 "10 个正式员工各管一摊 "，而是 "3 个核心负责人 + 一套 AI 工具 + 一批在外面接活的人 "：核心的人负责定方向、拆任务、验收；AI 负责生成初稿、程序、方案和客服话术；外面的人负责补漏、修改、交付、兜底。公司看着还在扩张，可内部真正留下来的人，越来越少。

团队结构示意图

经济学家鲍德温（Richard Baldwin）2023 年在世界经济论坛上有一句被反复引用的话："AI 不会抢走你的工作，但会用 AI 的人会。" 这场变化的本质，从来不是 "AI 取代人 "，而是 " 会用 AI 的人，取代不会用 AI 的人 "。但如果只停在这句话上，就把它看小了。因为在 " 会用 AI 的人取代不会用的人 " 之后，还有更狠的一步：那些 AI 还干不利索、还得靠人来收尾的活儿，并不会凭空消失，而是被挪到公司核心之外，变成可以随时去买、随时换人、随时重新组合的 " 外部资源 "。

有人会反问：AI 不是经常掉链子吗？人不还得请回来？没错——而这恰恰是关键。知名咨询公司 Gartner 预测：那些把 " 砍客服 " 说成是 AI 功劳的公司，到 2027 年有一半会把人重新招回来干差不多的活，只不过岗位换了个名字。另一家研究机构 Forrester 也判断，超过一半打着 AI 旗号的裁员，最后会被 " 悄悄地反悔掉 "。欧洲一家金融科技公司 Klarna 就是活例子：它一边还在对外说 AI 客服顶了几百号人、省了几千万美元，一边又悄悄把人工客服请了回来，承认顾客始终应该有机会跟真人说上话。这说明的不是 "AI 不行 "，而是 AI 最擅长干标准、重复的活儿；一旦碰上复杂情况、需要安抚情绪、需要重建信任，人就又被拉回来了。说到底，AI 接得住流程，接不住人。

只是这一次，公司未必会把人请回原来的位置，而可能用新的名头、项目制、外包或临时合作的方式重新接住。活儿是回来了，但雇佣关系可能已经变了。回来的不是岗位，而是一项项任务；回来的不是工位，而是一张张采购单。

而承接这些活儿的池子，在中国早就存在，而且大得超乎想象。据人力资源和社会保障部的报告，我国灵活就业的人已经超过 2 亿；有测算说，到 2024 年这块市场规模能到 1.77 万亿元。只是过去，这个池子里装的，更多是工地、车间、街边这些体力活；而 AI 正在做的，是把更多坐在写字楼里、穿着衬衫的白领，也更系统地推到同一个池子里。换句话说，写字楼里正在出现一条新的流水线：机器负责生成和拆活，人负责检查、补漏和担责。

四、连正式工，也开始被按件计价了

当一份工作被拆成一个个小活儿，最先变的，就是价格。

过去一件成品能卖出价，是因为它背后压着一个人的经验、时间和 " 不确定 " ——客户自己不会做，所以愿意为整个过程买单。可当 AI 几秒钟就生成出一个 " 看着像成品 " 的初稿，客户心里那杆秤就变了：初稿都有了，你不就是改一改；页面都生成了，你不就是调一调；方案都列好了，你不就是看一看；程序都能跑了，你不就是修一修。

" 不就是 "，其实就是开头那句 " 你再处理一下 " 的升级版——只不过这一次，被压下去的，直接是你的报价。AI 真正的杀伤力，不是让活儿变免费，而是让一份工作的前半段，看起来不要钱了。当前半段不值钱了，后半段如果证明不了自己干的是更关键的判断、担的是更大的责任，就会被一起压价。于是很多人发现：自己明明更忙了，报价却更难开了——因为他正在从 " 一个把事做完的人 "，变成 "AI 干完之后来补几下窟窿的人 "。

这事不只发生在外面接活的人身上，公司里的正式员工也一样。过去，你是个正式岗位，公司给你发的是工资、社保、福利、成长空间和一份 " 身份 "。可现在，一旦你的工作越来越能被拆成一项项具体任务，公司就会开始用 " 算账 " 的眼光看你：这件事值多少钱、这个环节能不能更便宜、这段能力能不能临时去买、这个人是不是非得长期留在编制里。于是，正式工和外包之间那条本来清清楚楚的线，开始变得模糊。

对公司来说，把白领的活儿外包化，不只是图个 " 灵活 "，更是一次实打实的省钱：外包的人不占编制、不算正式员工人头，还能省下社保、福利、辞退补偿这些长期养人的开销。在如今人人都喊 " 降本增效 " 的当下，AI 给了管理者一个再正当不过的理由，去干一件他们其实一直想干、过去却 " 拆不动 " 的事——把 " 每月固定要发的工资 "，变成 " 用多少买多少、随时能关掉的开支 "。

于是一个更大的判断浮上来：外包和上班，正在被同一套逻辑重新定价。 这两头是同时被挤到一块的。一头，外包并没有变好，还是工资低、保障少、几乎没有议价的余地，变的只是干这活的人从蓝领换成了白领。另一头，正式工正在丢掉自己最值钱的东西—— " 稳定 "。过去你愿意拿一份不算高的工资，去换一个正式编制，换的就是这份稳定：不会说裁就裁、有保障、看得见未来、公司替你扛住那些不确定。可当 "35 岁危机 "" 说裁就裁 "" 股票缩水 "" 业务说变就变 " 成了常态，这份稳定就越来越不值钱了。说到底，所谓体面工作，很大一部分的价值，来自公司替你扛下了风险；而现在，公司想把这份风险，重新还给你自己。

结果就是，不管你名义上是 " 正式员工 " 还是 " 外包 "，都在朝同一种状态靠拢：一个随叫随到、按件计价的人。当所有工作都能被拆成任务，所有人的头上，都会被贴上一张随时能改写的价签。

五、不想被当外包，就别只守着一件活

这不是一个适合用悲情收尾的故事，因为光是难过，没有出路。

出路，藏在你能不能从 " 接任务的人 "，变成 " 定义任务的人 "。决定你站在哪一边的，不再是 " 你会不会干这件事 " ——因为人人都会用 AI，工具本身很快就成了基本功。真正决定命运的是：你是那个想清楚要干什么、指挥 AI、出了事来担责的核心，还是那个被拆成一件件小活儿、发包出去的零件？如果你只守着一件活，你就只能被按这件活计价；如果你守得住一整个流程，你还有点讨价还价的余地；如果你能说清 " 到底要解决什么问题 "、并为最后的结果负责，你才不容易被当成外包。

客户要的，从来不只是一篇文章，而是一个能说清楚的商业判断；老板要的，不只是一张图，而是用户为什么愿意买单；公司要的，不只是一份方案，而是这件事到底该不该做。这些问题不是 AI 参与不了，而是 AI 没法独自拍板、也没法独自担后果。将来真正稀缺的，不是 " 会用 AI 的人 "，而是能拍板 " 让 AI 干什么、干到什么程度、干错了谁负责 " 的人。

一个人的价值，将不再是比 AI 出活更快，而是能判断什么才算好结果、为什么这个结果还不够好。而这种判断力，恰恰只能从真刀真枪的业务、真实的用户、真实的失败里长出来。这也是为什么：越是 AI 普及，越是能管住整件事的人，越值钱；反过来，越是只守着一道工序、机械交活、做一锤子买卖的人，就越容易被换掉、被压价。

AI 不会抢走你的饭碗。它只是悄悄把你的饭碗，拆成了一笔笔订单、一次次召唤、一回回交付，然后对你说：你看，你还有活干。

只是，那已经不再是原来的工作，也不再是原来的雇佣关系了。