← 返回

清晰

被取代还是被增强?这个问题没有一般性答案 —— 而这就是答案

AI 会取代你的岗位还是增强它,并不是技术的属性。同一个工具、同样的能力,在一家组织里增强了一个岗位,在另一家组织里则消灭了它 —— 因为取代和增强是关于「如何界定部署范围」这个决策的结果,而做这个决策的是掌握预算和激励的人。这就是为什么无论你读多少资料,这个问题都显得无法回答:你在寻找一个关于技术的判决,而真正的变量是组织性的。这也是为什么焦虑在被安抚之后依然存在。安抚处理的是感受;而不确定性是结构性的,并且它通常在追踪某种真实的东西。

要点

  • 取代和增强是关于范围界定的决策,不是工具的能力。
  • 同一套系统在一家公司增强、在另一家公司取代,原因与模型本身毫无关系。
  • 在安抚之后依然存在的焦虑,通常在准确地追踪某样东西。任务是找出那是什么。
  • 通用建议之所以失效,是因为它回答的是一个一般性问题。而你的处境是具体的。
  • 说清楚是哪个因素在制造不安,比安抚更管用 —— 包括当结论并不好听的时候。

为什么这个问题显得无法回答

会为此担忧的人,通常信息很充分。他们读过研究、追过能力发布、看过互相矛盾的预测。这些阅读没有消解焦虑,于是一个合理的结论是:他们还没找到对的信源。

他们没找到,是因为它并不以他们寻找的形式存在。关于某个职业会被取代还是被增强,不存在一般性事实,因为结果并不在职业这个层级上被决定。

设想两家组织为同一个职能引入同一套系统。在第一家,它被界定为吸收工作中高频次、低歧义的那部分,原本做这些的人被转向需要判断、关系和责任承担的部分。人数保住了,岗位内容发生了实质变化。在第二家,同一套系统被界定为削减人数,因为当初正是这个商业论证拿到了预算。

同样的技术,同样的能力,相反的结果。差别在于一个决策 —— 关于范围、关于这次部署是为了什么、以及在写下规格的时候谁在房间里。

增强不是取代的温和版本

这里值得精确一点,因为这两个词常被当作同一条光谱上的两端来用,仿佛增强是温柔的那一头。

它们描述的是不同的决策。增强意味着这次部署被界定为改变一个岗位的构成 —— 拿掉一些任务,扩展另一些。取代意味着它被界定为拿掉这个岗位。哪一种发生,取决于当初拿到预算的那份商业论证,而商业论证是由有着具体激励的人写的。

这在实践上很重要,因为它告诉你该往哪里看。如果你想知道哪一种正在到来,有信息量的问题不是关于模型的。它们是:这笔采购当初是以解决什么问题为理由的、谁在背书、以及这个背书人是被什么指标考核的。一次以降本为理由、由一个按人数考核的人背书的部署,和一次以产能瓶颈为理由、由一个按产出考核的人背书的部署,界定方式完全不同。

这些信息往往是拿得到的。它们很少出现在公告里。

焦虑实际在追踪什么

有一种常见且无益的框架,把对 AI 的担忧当作心态问题 —— 适应力不足、过度悲观、一个靠态度来管理的问题。

实际上,在安抚之后依然存在的焦虑,通常在追踪某种真实的东西。最常见的几种:

  • 一个真实的信息缺口。你不知道自己所在职能被规划成什么样,而且你注意到了自己不知道。
  • 对组织信号的准确解读。管理层对别的职能讲得很具体,对你的职能却语焉不详,你在能把它说清楚之前就已经登记了这种不对称。
  • 被排除在决策之外。你观察到影响你工作的选择,是在你不在场的房间里做出的。
  • 领域确实发生了位移。你所在的细分领域里确实有东西变了,而关于你这个行业的笼统评论捕捉不到它。

这些都是结构性状况,不是情绪。每一种对应不同的应对方式。没有一种能靠「AI 创造的岗位会多于它消灭的」来解决 —— 这句话在总量上或许成立,对任何一个具体的人都不相关。

为什么通用建议帮不上忙

「去学编程。」「保持适应力。」「专注于人类独有的技能。」「成为那个善用 AI 的人。」

这些建议的问题不在于它们是错的。而在于它们回答的是一个一般性问题,而制造焦虑的东西是具体的。按人群校准的建议,无法告诉你:你的处境属于「适应力就够了」的那一类,还是属于「不够」的那一类。

它们还倾向于把问题挪到个人身上。如果结果取决于你的适应力,那么坏结果就反映了适应力不足。但相当大一部分差异存在于个人适应完全触及不到的组织因素里 —— 你的雇主能不能执行、你在不在房间里、你的管理层有没有做出任何决定。忽略这些因素的建议,等于悄悄把你无法控制的条件的责任分配给了你。

把焦虑转换成信息的三个问题

真正可靠地起作用的不是安抚,而是具体化 —— 把一团弥散的担忧转换成一个被命名的状况,而那是可以着手处理的东西。

三个问题完成了大部分工作:

  • 具体来说,要让我的岗位在两年内被取消,需要哪些条件成立?把整条链条写出来:会做这件事的系统、会为它掏钱的预算、会为它背书的人、组织需要具备的能力。写不完的链条是有信息量的,轻易就能写完的链条同样有信息量。
  • 我的管理层就我所在的职能具体说过什么 —— 而不是关于 AI 泛泛说过什么?如果答案是没有,那是在多长的时间跨度里,以及与别处的哪种具体形成对照?
  • 谁在决策,我离他们有多远?把人名说出来。如果说不出来,那就是结论。

这些问题都不能可靠地带来安慰。但它们都能带来信息,而信息更耐用。

当诚实的答案是「你确实处境不利」

有时候诊断做完,处境确实困难:一个高度规范化的岗位、一个真有部署能力的雇主、零决策距离,以及没有任何要求人类问责的监管。

无论在工具里还是在建议里,都有一种强烈的冲动想把这个结论说得柔和些。这并不是善意。对身处这种位置的人说「大概没事的」,恰恰拿走了他最需要的东西:时间。

结论不好听时,真正改变的是「有用的行动」是什么。它们从笼统变得具体:向工作中承担责任的那部分移动、如果决策距离还够得着就去够、建立一项具体且可被证明的能力而不是一项宽泛的能力,以及 —— 有时候 —— 在还有工作的位置上开始找,而不是在被裁掉的位置上开始找。

这比安抚更难听,也比安抚有用得多。

关于这个框架在哪里失效

以上全部内容,都把这份不安当作对真实结构性不确定性的反应来处理,因为通常确实如此,也因为清晰确实能减轻它。

这个框架有其边界。如果担忧已经不再追踪你的实际处境 —— 如果无论你了解到什么它都维持同样的强度、如果它扰乱睡眠、或者已经泛化到工作之外 —— 那么它就不再主要是一个信息问题,更好的信息也解决不了它。那值得按它本来的性质被认真对待、被适当地支持,而不是被当成一次还没奏效的诊断练习。

常见问题

这取决于你所在组织如何界定部署范围的决策,而不取决于技术能做什么。同一套系统在一个雇主那里增强岗位,在另一个雇主那里消灭它。有信息量的问题是:什么商业论证为这笔采购拿到了钱、谁背书、以及那个背书人被什么指标考核。

通常不是。在安抚之后依然存在的焦虑,一般在追踪某种真实的东西 —— 信息缺口、管理层沟通中的不对称、被排除在决策之外,或者你所在细分领域的实际位移。说清楚是哪一种,比安抚更管用。

因为它回答的是人群层面的问题,而焦虑针对的是一个具体处境。它还倾向于把责任转移到个人适应力上,而很大一部分差异存在于个人适应触及不到的组织因素中。

具体化。把弥散的担忧转换成一个被命名的结构性状况 —— 是这个维度、这个落差、这个我被排除在外的决策 —— 就有了可以着手的东西。即使结论并不好听它也奏效,而且比安抚更耐用。

找出是哪个因素在制造不安

想了解更多关于本工具的运作方式和局限性: 阅读完整方法论 →