AI为什么还没有替代你的工作？

这两年，AI带给普通人最大的情绪可能不是震撼，而是焦虑。

ChatGPT火了之后，AI圈的炸裂之声就没有听过。AI的快速进化——从流畅对话到编程、从绘画到视频生成，不仅刷新大众认知，也催生了一种普遍的职业焦虑：我们的工作，还能保多久？

一时间，“AI颠覆论”与“AI失业论”甚嚣尘上，各种裁员的消息也不绝于耳，一场由算法驱动的就业大洗牌似乎势在必行，迫在眉睫。

不过，来自现实经济的宏观数据和微观案例，却呈现出一幅更为复杂的图景。《经济学人》最近发了两篇文章，和人们的印象大相径庭，AI不仅没有明显地替代人们的工作，也让那些配置了AI想降本提效的公司老板感到失望，“我花了钱，为什么这么久了，什么都没有发生？”

人工智能，是不是吹过头了？是不是泡沫？炸裂还要多久？

一、AI为什么还没有替代你的工作？

根据经济学人的观察，尽管一些学者指出了自动化与特定行业（如翻译）需求下降之间的关联，但美国官方数据却显示，从事口译、翻译等相关职业的人数，在过去一年中反而实现了7%的增长。这表明，至少在某些领域，AI的出现不仅没有造成岗位的净流失，反而可能因为提升了行业效率或拓展了服务边界，间接刺激了新的需求。

另一个值得关注的现象来自企业层面。曾高调宣布采用AI自动化客户服务的金融科技公司Klarna，其首席执行官塞巴斯蒂安·西米亚特科夫斯基最近的表态耐人寻味：“如果你愿意，总会有真人为你服务。”这种态度的转变，暗示了在实际运营中，AI的独立工作能力与用户体验之间，或许尚未达到完美平衡，人工的介入与保障依然不可或缺。

在前两天的文章中我们提到，领英的高管认为，职业阶梯的底层正在崩溃，因为年轻大学生的第一份工作正在被AI替代。

然而，数据显示，应届毕业生相对整体失业率的上升趋势，早在生成式AI兴起之前的2009年便已开始。并且，他们当前的实际失业率（约4%）仍处于历史较低水平。若将此归咎于AI，显然缺乏足够依据。

更广泛的就业数据显示，即便在那些被认为最易受AI影响的白领岗位（如办公室文员、财务操作、销售支持等），也未出现因AI应用而导致岗位显著减少的迹象。事实上，过去一年，美国白领职业的就业占比甚至略有上升。

从整体失业率来看，美国依然维持在4.2%左右的低位，薪资增长保持稳健。其他主要经济体如英国、欧元区和日本，收入增长也呈现积极态势。经济合作与发展组织（OECD）成员国的整体就业率在2024年更是创下历史新高。

这些现象背后，可能存在两种主要解释：

其一，尽管企业对AI的战略普遍热情高涨，但真正在核心业务流程中规模化、深度化应用AI的案例，或许仍属少数。一项数据显示，目前仅有不足10%的美国企业将AI用于实际的产品生产或服务提供。

其二，即便企业引入了AI，其主要作用也更多体现在提升现有员工的工作效率，而非直接取代。AI可能接管了大量重复性、事务性的工作，使得员工能将精力投入到更具创造性、战略性或需要复杂人际互动的任务中。

因此，目前来看，“AI就业末日”的景象尚未成为现实。AI对劳动力市场的影响，更像是一场初步的试探，而不是一场急剧的颠覆与替代。

二、资本的幻灭：AI的投资回报还要多久？

相较于就业市场的相对平稳，资本市场与企业应用端对AI的态度，则经历了一轮从狂热到审慎的显著转变。许多早期对生成式AI寄予厚望的企业，在投入大量资源后，正因未能迅速获得预期回报而倍感压力。

经济学人的报道敏锐地捕捉到了这种情绪，称投资者进入了AI的“幻灭期低谷”。这个概念源自知名咨询公司Gartner提出的“技术成熟度曲线”（hype cycle），指的是新技术在经历初期的过度期望和炒作后，因其实际应用效果、商业化进程不及预期，而普遍经历的一个信心下挫、预期回调的阶段。

数据佐证了这一趋势。据标普全球的统计，在过去一年中，放弃大部分生成式AI试点项目的公司比例，从17%急剧上升至42%。这反映出企业在将AI技术有效融入现有业务、并转化为实际经济效益的过程中，面临着诸多现实挑战。

这些挑战具体表现为：

• 数据整合与系统兼容难题： AI的效能高度依赖于高质量、大规模的数据喂养。然而，许多企业内部数据往往分散在不同系统，形成“数据孤岛”，且既有的IT架构陈旧，难以与新兴AI平台高效对接。

• 专业人才的结构性短缺： 市场上既懂AI技术、又深刻理解特定业务场景的复合型人才依然匮乏，成为制约AI落地应用的关键瓶颈。

• 高昂的实施成本与不确定的投资回报： 除了技术本身的采购成本，AI的成功部署还涉及流程再造、员工培训、持续维护等多方面的投入，而其最终能否带来清晰、可观的投资回报，对许多企业而言仍存在较大不确定性。

• 潜在风险与合规性考量： AI在带来机遇的同时，也伴随着数据隐私泄露、算法偏见、知识产权侵权以及“AI幻觉”（生成错误信息）等风险。企业在积极探索AI应用的同时，必须审慎评估并有效管控这些风险，以维护品牌声誉和商业安全。

这种“幻灭期低谷”的出现，给那些在AI基础设施领域投入巨资的科技巨头（如谷歌、微软、亚马逊等）带来了严峻考验。据New Street Research的分析，这些公司的总资本支出占收入的比例，已从十年前的约12%攀升至当前的28%。

如此规模的投入，迫切需要找到可持续的商业模式来支撑。目前，它们从AI中获得的云收入，虽在增长，但与巨额投入相比仍显不足，且相当一部分收入来源于AI实验室及初创企业——其中不乏由这些巨头自身孵化或投资的实体。

尽管如此，科技巨头们并未放缓在AI领域的战略推进。它们在持续优化自身AI模型与平台能力的同时，也在积极将AI技术深度整合到自身的核心产品与服务中，如搜索引擎、办公软件、电子商务、广告系统等。这些内部应用的成功，不仅能直接提升其运营效率和竞争力，也有望为整个行业树立标杆，引领AI走出当前的“幻灭期”，迈向更成熟的“启蒙的光明期（slope of enlightenment）”。

Gartner的约翰·洛夫洛克预测，当前的幻灭期可能持续至明年年底。在此期间，克服技术瓶颈（如提升AI模型的记忆与推理能力、建立更完善的数据交互协议）以及探索更实用的应用场景，将是整个行业面临的核心任务。

三、技术影响的“J曲线”与“悖论”：AI冲击虽迟必到？

就业市场的波澜不惊与资本市场的阶段性“幻灭”，是否意味着AI的革命性潜力被高估了？要回答这个问题，我们需要引入更长远的经济学视角，特别是关于通用目的技术如何影响生产力的理论。

麻省理工学院的经济学家埃里克·布林约尔松（Erik Brynjolfsson）及其合作者的研究，为此提供了重要的理论框架。他们提出了“生产力J曲线（The Productivity J-Curve）”的概念。该理论认为，像AI这样的重大通用技术在引入初期，其对整体生产力的积极影响往往不会立即显现，甚至可能因为企业需要投入大量资源进行调整、学习和试验，而导致生产力暂时停滞或下降。

这些投入包括购置新设备、重塑业务流程、培养员工新技能、积累新的组织资本等——这些都是必不可少的“补足性无形资产”。只有当这些无形资产积累到一定程度，AI技术与企业的运营体系深度融合之后，生产力的显著提升才会真正到来，形成一个先抑后扬的“J”形曲线。

与此相关的是“现代生产力悖论（Modern Productivity Paradox）”的现象。正如当年计算机技术普及后，诺贝尔经济学奖得主罗伯特·索洛所言：“我们到处都能看见计算机时代，就是看不见它在生产力统计数据中出现。”如今的AI似乎也面临着相似的困境：一方面是AI技术日新月异的突破和无所不在的讨论，另一方面却是宏观生产力统计数据增长的持续乏力。

布林约尔松等人认为，造成这种悖论的原因，除了“J曲线”效应导致的滞后期外，还可能包括：对技术短期影响的过度期望、现有生产力衡量指标难以完全捕捉AI带来的价值提升（如质量改进、个性化增强、创新加速等）、以及技术进步带来的收益分配不均等问题。

因此，当前AI对生产力贡献尚不显著的局面，并不足以否定其长期潜力。历史经验表明，电力、互联网等颠覆性技术，都曾经历过类似的从期望、到失望、再到深刻改变经济结构和社会面貌的漫长过程。对AI的评判，同样需要历史的耐心与战略的穿透力。低估一项技术的长期影响，往往比高估其短期影响更为危险。

四、AI对人的替代，并不是重点所在

如果说AI短期内并未引发大规模失业潮，而资本市场的回调也符合技术发展的一般规律，那么，我们关于AI的讨论，是否应该超越对“工作岗位”的执念，转向更深层次、更具决定性的议题？

重点是，公众和政策制定者过于聚焦“AI是否会取代人类工作”，可能从一开始就偏离了问题的核心。 事实上，如果AI能够通过替代部分人工来实现生产力的显著提升，进而增加社会总财富，这本身或许并非坏事。

要知道，人类中的聪明分子，孜孜以求的，就是要用机器替代人。问题在于，能否做大蛋糕，并普惠众生。

回顾工业革命，机器的出现无疑取代了大量手工业岗位，并引发了剧烈的社会结构调整。然而，正是这种以机器替代人工所带来的生产力飞跃，最终促成了人类历史上空前的物质财富积累和生活水平改善。其根本原因在于，社会整体的产出能力得到了极大增强，“经济蛋糕”本身变大了。

相比之下，过去二十余年互联网和移动技术的普及，虽然深刻改变了信息传播和商业模式，但在提升整体生产力方面的表现却不尽如人意。正如相关研究所指出的，美国在2004年至2022年间的年均生产力增长仅为1.5%，为二战结束以来最低迷的时期之一。

这意味着，尽管我们经历了数字技术的巨大冲击，但并未实现与之匹配的宏观生产力跃升。在很多情况下，数字技术带来的更多是财富分配格局的改变——少数科技巨头凭借平台和网络效应，从一个增长缓慢甚至停滞的“蛋糕”中切走了更大的份额，这可能加剧了社会不平等。

由此，我们面对AI时真正应该提出的核心问题是：AI究竟会像工业革命时期的机器那样，通过赋能各行各业，显著提升全社会的生产力，从而做大共同的“经济蛋糕”？抑或，它会重蹈某些数字技术的覆辙，主要作用于财富的再分配，使少数先行者和掌控者受益，而多数人则面临更大的竞争压力和不安全感？

这不仅是一个技术问题，更是一个深刻的经济与社会问题。当社会总财富持续增长时，利益协调与社会组织的成本相对较低，结构性调整的阵痛也更容易被吸收。反之，若“蛋糕”不再变大，而AI的应用又进一步加剧了分配失衡，那么大多数人的福祉改善将面临严峻挑战。

问题在于，当前关于AI的公共讨论和政策议程，似乎更多地集中在就业冲击、技术安全、伦理规范等相对具体或短期的层面。这些固然重要，但可能忽略了更具根本性的战略思考：

我们应如何构建一个有效的制度框架与激励机制，以确保AI的发展方向与社会整体利益相一致，使其成为推动普惠性生产力增长和共同繁荣的引擎，而非加剧分化与固化的工具？

五、AI的未来，考验人类的智能总和

综上所述，人工智能当前的处境，既非此前一些末日预言所描绘的那般危急，也非部分投资者一度幻想的“一点就爆”的黄金盛宴。它更像是一项具有划时代潜力的通用技术，在经历了初期的概念验证与市场预热后，正步入一个充满挑战与不确定性，但也孕育着巨大机遇的深度发展与应用阶段。

就业市场的相对稳定，提示我们AI与人类劳动力的关系更可能是协同进化而非简单替代。资本市场的阶段性“幻灭”，则反映了新技术商业化道路的曲折与长期性。而生产力提升的暂时迟滞，更需要我们以历史的眼光，理解技术扩散与社会经济系统相互作用的复杂过程。

此刻，比预测AI何时全面爆发更重要的，是开始认真思考并着手塑造一个我们期望的AI未来。这需要企业、科研机构、政策制定者以及社会公众的共同努力，不仅要关注技术本身的突破，更要致力于构建与之相适应的教育体系、法律法规、伦理准则和分配机制。

马斯克不久前说，很快，人工智能的聪明程度，将超过人类智力的总和。那么，人类如何驾驭这股力量呢？

人工智能的浪潮并未消退，它只是从喧嚣的表层，潜入了更深邃的河床。在审慎的乐观与积极的行动之间，我们有机会引导这股力量，使其最终服务于人类社会的整体进步与福祉。这不仅是对技术智慧的考验，更是对人类集体智慧与价值抉择的深刻叩问。

本文来自微信公众号：不懂经，作者：也叔