身边越来越多团队已经把“会用 AI”从倡议改成硬要求，甚至直接给出 30%-50% 的提效目标。与此同时，工资未必上涨，但交付速度、任务密度和响应频率明显上升。
并非个别公司的管理问题，某种角度看，AI 正在改变劳动关系中的任务定义、绩效衡量、收益分配和责任追索方式。
一
ILO 在 2025 年关于 GenAI 与就业的更新里给出的核心判断是：全球约四分之一劳动者所在职业会受到某种程度的 GenAI 影响，但大多数工作更可能被重构，而不是被立即取消。这意味着 AI 的第一波冲击首先表现为任务重组，而不是岗位总量的瞬间塌缩。
OECD 关于 workplace AI 的调查和 2025 年关于 algorithmic management 的研究都指向同一个方向：AI 不仅提高了自动化和标准化程度，而且正在把管理权更深地嵌入软件系统。它带来的不只是效率改善，还有评分逻辑不透明、责任界面模糊、劳动过程更细粒度监控等问题。
OECD 同时指出，培训和员工协商通常与更好的工作结果相关。这说明 AI 对劳动者的影响并不是技术决定的。相同工具进入不同组织环境，可能表现为赋能，也可能表现为压强。
IMF 关于 AI 与不平等的研究提醒了一个容易被忽略的问题：生产率提升并不自动意味着劳动收入上升。AI 可能提升总体效率，但新增收益如何在工资、利润和资本回报之间分配，取决于组织权力、采用方式和资产占有结构。
JFF 在 2026 年关于工人态度的调查里给出了一组很具体的数据：只有 36% 的劳动者认为自己得到足够的 AI 培训和资源，56% 表示雇主没有征求他们对 AI 使用方式的意见，47% 认为自己需要因为 AI 获得新技能。这说明适应要求已经提出，但支持条件并未同步到位。
这些研究合起来支持一个起点判断：AI 当前最直接的影响，不是简单替代劳动，而是重写任务结构、强化管理能力、改变收益分配，并把适应成本部分转移给劳动者个人。
二
很多行业的第一变化不是裁员公告，而是原来需要多人配合、较长周期完成的工作，被拆成更细的流程，再由更少的人在更短时间内完成。
现实里的典型表现包括：
- 初稿先由 AI 生成，人只做筛选和修订；
- 初级分析、整理、搜索、摘要类任务被压缩；
- 同样的团队被要求承接更多并行项目；
- 原本需要“做出来”的东西，变成“更快做出来，而且做更多版”。
从组织视角看，这叫流程优化；从劳动者视角看，这更接近岗位压缩。工作没有消失，但任务密度上升了，缓冲空间下降了，很多原本用于试错、学习和沉淀经验的环节被抽掉了。
只要团队中已经有人借助 AI 把一项任务压到原来一半时间完成，管理层就会自然倾向于把这种“可能性”理解成“新的正常水平”。这一步非常关键，因为它决定了 AI 是被当作减负工具，还是被当作提标工具。
一旦组织把 AI 视为基础设施，很多考核逻辑就会悄悄变化：
- 原来合理的周期会被判断为偏慢；
- 原来额外完成的任务会被并入岗位职责；
- 原来属于经验优势的东西会被当成可复制能力；
- 原来用来休整和思考的时间会被重新吸收为产能。
这也是为什么很多人会感到“AI 明明帮我省了时间，但我没有变轻松”。节省下来的时间没有留给劳动者，而是被组织回收成了新的工作量。
过去很多岗位主要按在岗时间和稳定执行来评价；现在越来越多岗位开始按“你能否借助工具稳定地交付更高强度结果”来评价。这会使雇佣关系发生一个微妙但重要的变化：企业购买的不再只是劳动时间，而是劳动者作为工作流节点的综合能力。
这个综合能力通常包括：
- 领域知识；
- 任务拆解能力；
- 工具调用能力；
- 结果复核能力；
- 在错误发生时承担责任的能力。
问题在于，能力要求上升了，并不必然伴随劳动者议价能力同步上升。很多组织会把它解释为“岗位应该进化”，而不是“岗位价值应该重估”。于是就出现了一个常见局面：责任提高了，报酬没有同比例调整。
当排班、派单、绩效追踪、质量打分、响应时长、产出节奏越来越多地交给系统处理时，管理不再只是“有人盯着你”，而是“系统持续定义什么算正常”。
这会导致两个后果：
- 劳动过程更可量化，因此更容易被持续加压；
- 决策逻辑更不透明，因此劳动者更难就具体标准提出异议。
从这个角度看，AI 的一个现实后果并不是“管理者消失”，而是管理被嵌进流程和软件，因而更连续，也更难被协商。
三
AI 在当下首先改变的，并不是“人还要不要工作”，而是“工作以什么方式被组织、衡量和分配”。
更具体地说，至少有四个变化已经比较清楚：
- 劳动从直接产出转向产出编排、复核和兜底；
- 雇主从购买劳动时间转向购买可调用的综合能力；
- 管理从人与人的监督转向系统化、连续化的流程控制；
- AI 产生的新增效率，先进入组织绩效，而不是先进入劳动者收入。
这也是为什么当前最普遍的体验不是“失业”，而是“更忙、更快、更难解释自己为什么值得原来的工资”。
四
这个问题不需要先诉诸道德批评，单从激励结构就能解释。
第一，生产率提升不等于工资提升。AI 增加的是单位时间内的潜在产出，但工资增长取决于劳动者是否能把这部分新增产出转化成议价能力。如果劳动者既不拥有资本，也不掌握关键客户、流程控制权或不可替代的领域知识，那么新增价值更容易沉淀为企业利润、成本节约或管理冗余空间，而不是工资增长。
第二，AI 极易被用来抬高绩效基线。个别人的高效率一旦被组织观察到，就会迅速外推成团队的新标准。技术扩散在组织内部最常见的路径，不是先分享收益，而是先重写标准。
第三，AI 压缩了许多任务的表面成本，却没有压缩责任。模型可以生成文本、方案、代码或分析，但最终错误成本通常仍然由人承担。于是劳动者在很多场景下并没有真正退出流程，而是从“执行者”变成了“以更快节奏承担责任的人”。
第四，AI 还会削弱部分岗位的稀缺性。凡是可以被拆分、模板化、标准化、快速验证的工作，都更容易被纳入新的成本比较体系。一旦岗位的替代性上升，劳动者更难以要求分享技术红利。
因此，“必须用 AI 提效 30%-50%，但工资不涨”并不是一个偶然管理现象，而是现阶段很符合组织理性的结果。组织先拿走可见收益，劳动者先承担适应成本，这才是现实中的默认分配顺序。
五、AI 对市场、产品和服务的影响
如果把视角从公司内部转到市场，结论会更清楚。AI 降低了许多产品和服务的首版生产成本，也缩短了试错周期，所以市场首先看到的是供给增多和响应加快。
第一，很多中等复杂度、标准化程度较高的服务会更快同质化。因为 AI 降低了入门成本，使“能做出来”本身不再稀缺。
第二，真正能保持溢价的，不是单纯会调用模型，而是能把模型嵌入真实工作流、拥有私有数据、理解行业上下文并承担最终责任的一方。换句话说，价值会从“生成内容”转向“组织内容、校验内容并对结果负责”。
第三，AI 带来的全球收益不会平均分配。OECD 关于 AI 与贸易的研究已经指出，落后地区可以通过更廉价的 AI 密集型产品获得部分收益，但竞争力最终仍取决于本地采用能力、产业位置和技术扩散条件。这个逻辑对国家成立，对企业也成立。能掌握模型、平台、数据和关键场景的一方，会拿走更大份额的收益。
所以，AI 对市场的根本影响不是单纯“更智能”，而是更低边际成本、更快供给扩张和更强头部集中并存。
六
AI 对劳动者心理的影响，本质上来自不确定性和低控制权。当任务标准、技能价值和岗位边界都在快速变化时，劳动者面对的不是单一压力，而是多重不确定性叠加。
第一，是职业价值的不确定。很多人真正焦虑的不是立刻失业，而是不知道自己的技能还能保持多久的含金量。
第二，是适应责任的单边转移。组织要求员工快速学习和适应，但未必提供相应训练、解释和协商机制。于是责任落在个人，控制权却留在组织。
第三，是身份认同的削弱。过去很多知识工作者会把自己的价值理解为“我能做出这个结果”，现在则越来越容易变成“我负责在机器生成的大量备选方案里做筛选和兜底”。这种变化未必降低工作重要性，但会改变人对自身专业性的感受。
因此，AI 是否恶化工作体验，并不只取决于工具本身，而取决于三个中介变量：
- 是否有足够培训；
- 是否有解释和参与机制；
- 是否有收益回流。
如果这些条件缺失，AI 更像管理强化器；如果这些条件存在，AI 才有可能成为真实的减负工具。
七
如果沿着现在的趋势继续推演，接下来几年大概率会出现四个方向。
第一，AI 会从竞争优势变成默认要求。会不会使用 AI 很快不再构成显著区分，真正稀缺的是能否在 AI 参与后仍然掌握关键判断、复杂上下文和最终责任。
第二，初级岗位不会简单消失，但其培养功能会减弱。大量原本作为入门训练的基础性工作被压缩后，年轻劳动者进入复杂工作的台阶会变少，门槛会更高。
第三，围绕 AI 的劳动争议会越来越多地集中在绩效标准、数据监控、模型决策解释权、错误责任和收益分配上。未来的劳动问题不会只是“工时长不长”，还会变成“谁有权定义系统标准”。
第四，真正有价值的劳动者不会只是“会写提示词的人”，而是能把 AI 当作杠杆，同时又能承担后果、协调组织、识别风险并做出判断的人。随着生成成本持续下降，判断、责任和信任会变得更贵。
八
如果把全文压缩成一句话，我的判断是：AI 当前最深的作用，不是替代劳动，而是重新分配劳动中的控制权、评价权和收益权。
因此，今天真正值得分析的问题，不是“AI 会不会把人全部替掉”，而是三件更具体的事：
- 哪些任务被重写了；
- 谁有权把技术能力转化为新的绩效标准；
- 技术红利最终落到了谁手里。
一旦这三个问题想清楚，“提效了但不涨薪，反而更忙”就不再是一个难以解释的情绪判断，而是当前技术扩散和组织激励共同作用下的正常结果。
参考
- ILO, Generative AI and jobs: A 2025 update: https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
- OECD, The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers: https://www.oecd.org/en/publications/the-impact-of-ai-on-the-workplace-main-findings-from-the-oecd-ai-surveys-of-employers-and-workers_ea0a0fe1-en.html
- OECD, Algorithmic management in the workplace: https://www.oecd.org/en/publications/algorithmic-management-in-the-workplace_287c13c4-en.html
- OECD, AI meets trade: Global linkages and the cross-country distribution of the gains from AI: https://www.oecd.org/en/publications/ai-meets-trade_13081644-en.html
- IMF, AI Adoption and Inequality: https://www.imf.org/en/publications/wp/issues/2025/04/04/ai-adoption-and-inequality-565729
- Microsoft Work Trend Index: https://www.microsoft.com/en-us/worklab/work-trend-index
- JFF, Worker Anxiety Over AI Is Growing, and Employers Aren’t Preparing Employees for What’s Next: https://www.jff.org/newsroom/press-releases/worker-anxiety-over-ai-is-growing-and-employers-arent-preparing-employees-for-whats-next-new-survey-finds/