AI 鎖死的不是工作，是 “從 0 到 1” 的人生可能性

凌晨三點的北京便利店，22 歲的林曉雨正盯著 AI 自助收銀機發呆。她攥著剛領的 1800 塊工資 —— 這是她這個月的全部收入，本來打算攢夠 3000 塊就去報個 Excel 進階班，明年換個行政助理的工作。但今天店長說：“下月開始，自助收銀機再升級，晚班只留 1 個人。”

她摸了摸口袋里的成人自考準考證，突然想起上周刷到的新聞：哈佛大學最新論文顯示，2022 年底 ChatGPT 發布后， 美國初級崗位的就業增長停滯，AI 集成公司的初級招聘量下降了 24% 。而她不知道的是，在中國，2023 屆畢業生的零售、行政、基礎數據分析崗位 offer 率，比 2021 年下降了 37%。

一、AI 不是 “替代勞動”，是 “鎖死上升通道”

論文里的結論很冷靜：“AI 對初級崗位的沖擊主要通過減少招聘而非裁員實現。” 但翻譯成人間真實，就是 —— 你連 “被替代” 的資格都沒有，因為企業根本不招你了 。

原來的職場邏輯是：先做 3 年初級工作（積累經驗）→ 升中級（掌握技能）→ 拼高級（創造價值）。就像打游戲，你得先過新手村，才能進副本。但 AI 直接把新手村給炸了 ——

• 某電商公司原來招 10 個運營助理，負責寫商品標題、統計銷量；現在用 ChatGPT 生成標題，用 BI 工具自動統計銷量，只招 2 個 “運營策略專員”，要求 “3 年以上經驗，能獨立制定品類計劃”。

• 某連鎖酒店原來招 8 個前臺接待，負責登記、排房；現在用 AI 自助 check-in 機，只留 2 個前臺，要求 “會處理投訴、懂會員運營”。

• 某制造業工廠原來招 15 個數據錄入員，負責錄入生產數據；現在用 OCR+AI 自動識別，只招 3 個 “數據分析師”，要求 “能建模預測產能”。

這些 “要求 3 年經驗” 的崗位，本來是給那些 “做過初級工作” 的人準備的。但現在，初級崗位沒了， “3 年經驗” 變成了 “空中樓閣” —— 你沒做過運營助理，怎么會制定品類計劃？你沒做過前臺接待，怎么會處理投訴？你沒做過數據錄入，怎么會建模預測產能？

就像林曉雨，她本來想先做便利店店員，攢錢學 Excel，再找行政助理的工作；但現在便利店不需要那么多店員了，她連學 Excel 的錢都攢不夠，更別說 “3 年經驗” 了。

哈佛大學的論文說：“AI 導致就業市場對年輕人關閉。” 但更準確的說法是： AI 關閉了 “從 0 到 1” 的通道 —— 你連 “入門” 的機會都沒有，談什么 “提升”？談什么 “不可替代性”？

二、中上等學歷的悲劇：你比 AI 貴，卻沒 AI 好用

論文里還有個扎心的發現： 中上等大學的畢業生受沖擊最大 。原因很直白：“他們的薪資要求比專科生高，但做的工作（比如基礎文案、簡單數據處理）比 AI 容易替代。”

我有個朋友是 211 高校的漢語言文學專業畢業生，去年投了 50 家公司的 “文案助理” 崗位，只收到 2 個面試邀請。其中一家廣告公司的 HR 直截了當地說：“我們用 ChatGPT 寫公眾號推文，一篇只要 0.5 元，比你要的 3500 元月薪便宜多了。而且 AI 不會請假，不會出錯，不會要求漲工資。”

另一個朋友是普通一本的統計學專業畢業生，去年想進某互聯網公司做 “數據運營”，HR 說：“我們用 Python 寫了個腳本，能自動統計用戶留存率、轉化率，比你用 Excel 快 10 倍。你要的 4000 元月薪，夠我們買 3 個腳本了。”

這些 “中上等學歷” 的畢業生，本來是 “職場的中堅力量”—— 他們有一定的學習能力，能快速上手初級工作，然后成長為中級人才。但現在， 他們的 “優勢” 變成了 “劣勢” ：

• 比專科生貴：企業招一個 211 畢業生要 4000 元，招一個專科生只要 3000 元，招 AI 只要 “0 成本”（一次性投入工具費，長期使用）。

• 比 AI 笨：AI 能在 1 秒內生成 10 篇文案，能在 1 分鐘內處理 1000 條數據，能 24 小時不休息 —— 這些 “初級工作”，人根本比不過 AI。

更殘酷的是， 他們的 “學歷濾鏡” 碎了 。原來家長說：“考個好大學，就能找個好工作。” 但現在，“好大學” 反而成了 “負擔”—— 你花了 4 年時間、10 萬塊學費，學的東西卻不如 AI 好用，你說冤不冤？

我那個 211 的朋友后來去做了房產中介，她跟我說：“我原來以為，至少能找個坐辦公室的工作；但現在才發現，連坐辦公室的資格都沒有 —— 因為 AI 比我更適合坐辦公室。”

這不是 “學歷無用論”，而是 **“學歷錯配論”**：當 “初級工作” 被 AI 壟斷，“中上等學歷” 剛好卡在 “高不成低不就” 的位置 —— 你想做高級工作，沒經驗；你想做初級工作，企業覺得 “太貴”。

三、“不可替代性” 是句正確的廢話：你連 “可替代” 的機會都沒有

論文最后給了個 “解決方案”：“要迅速擺脫初級狀態，承擔復雜任務，提升不可替代性；要發掘‘暗知識’和元技能。”

這句話對嗎？對。有用么？沒用。因為 **“不可替代性” 的前提是 “你有可替代的機會”**—— 你得先做過 “可替代的工作”，才能積累 “不可替代的能力”。

什么是 “暗知識”？是銷售能從客戶的語氣里聽出真實需求，是運營能從數據波動里發現品類趨勢，是設計師能從用戶反饋里調整產品形態。這些 “暗知識” 不是天生的，是你在初級崗位上 “摸爬滾打” 練出來的 ——

• 你做過 100 次電話銷售，才能聽懂客戶的 “弦外之音”；

• 你統計過 1000 條銷量數據，才能發現 “周末的飲料銷量比平時高 30%”；

• 你改了 100 遍文案，才能知道 “用‘限時折扣’比‘滿減’更能打動用戶”。

但如果連 “電話銷售”“統計數據”“改文案” 的初級崗位都被 AI 搶了，你怎么獲得這些 “暗知識”？

就像我那個做房產中介的朋友，她本來想先做 “電話拓客”（初級），積累客戶資源，再做 “房源匹配”（中級），最后做 “豪宅顧問”（高級）。但現在，房產中介用 AI 機器人打拓客電話，她連 “跟客戶說話” 的機會都沒有，更別說 “聽懂弦外之音” 了。

論文里說：“要利用興趣和獨特能力提升競爭力。” 但問題是， “興趣” 需要 “實踐” 來驗證，“獨特能力” 需要 “場景” 來打磨 —— 你連 “實踐場景” 都沒有，談什么 “興趣”？談什么 “獨特能力”？

四、當金字塔的底座被拆了，未來的職場人從哪里來？

我們原來的職場是 “金字塔” 結構：

• 底座：初級崗位（收銀、錄入、助理）—— 占 60%；

• 中間：中級崗位（主管、專員、分析師）—— 占 30%；

• 頂部：高級崗位（經理、總監、CEO）—— 占 10%。

這個結構的核心邏輯是： 從底座到頂部，一步步往上爬 —— 你做過初級崗位，才能升到中級；做過中級，才能升到高級。

但 AI 直接把 “底座” 給拆了 ——

• 某連鎖超市原來有 10 個收銀員（初級）、3 個店長助理（中級）、1 個店長（高級）；

• 現在用 AI 自助收銀，裁掉 8 個收銀員，把店長助理合并成 1 個，店長還是 1 個；

• 結果：底座從 10 個變成 2 個，中間從 3 個變成 1 個，頂部還是 1 個。

更可怕的是， 這個 “倒金字塔” 結構會自我強化 ——

• 因為初級崗位少了，能升到中級的人也少了；

• 因為中級崗位少了，能升到高級的人也少了；

• 最后，頂部的高級崗位會變成 “世襲制”—— 只有那些 “本來就有資源” 的人，才能進去。

比如某互聯網公司的 “運營總監”，本來是從 “運營助理” 一步步升上來的；但現在，運營助理崗位沒了，總監只能從 “有資源的關系戶” 或者 “海外留學回來的人” 里招 —— 因為這些人不需要 “初級經驗”，直接能做 “高級工作”。

但問題是， “關系戶” 和 “海歸” 畢竟是少數 ，大部分人都是 “普通人”—— 比如林曉雨，比如我那個 211 的朋友，比如你我。

當 “金字塔的底座” 被 AI 拆了， 未來的職場會變成 “兩極分化” ：

• 一邊是 “掌握 AI 的人”：他們能用上 AI，做高級工作，拿高工資；

• 一邊是 “被 AI 替代的人”：他們連初級崗位都找不到，只能做 “零工”（比如外賣、快遞），拿最低工資。

更恐怖的是， “零工” 是沒有 “上升通道” 的 —— 你做外賣員，能升到 “外賣站長”，但升不到 “區域經理”；你做快遞員，能升到 “快遞網點主管”，但升不到 “快遞公司總監”。因為這些 “管理崗位” 需要的 “運營能力”“戰略能力”，是你在 “送外賣”“送快遞” 的工作里學不到的。

五、我們需要的不是 “對抗 AI”，而是 “重建職場生態”

我們總說 “AI 是工具，人要學會用工具”，但這句話的前提是 “你有使用工具的機會”。對于那些連 “初級崗位” 都沒有的人來說，這句話太殘忍了 ——

• 你沒做過數據錄入，怎么會用 BI 工具？

• 你沒寫過文案，怎么會用 ChatGPT？

• 你沒做過銷售，怎么會用 CRM 系統？

就像一個從來沒摸過電腦的人，你跟他說 “要學會用 Excel”，他連 “開機” 都不會，怎么學？

那我們該怎么辦？不是 “對抗 AI”，而是 **“重建職場生態”**—— 讓 AI 做初級工作，把節省下來的成本用來 “培養人”，而不是 “裁員”。

比如：

• 某公司用 AI 做數據錄入，節省了 10 萬元成本，然后用這 10 萬元招 5 個實習生，讓資深分析師帶他們做 “數據可視化” 項目 —— 這樣，實習生既能學到技能，又能積累經驗。

• 某連鎖酒店用 AI 做自助 check-in，節省了 8 萬元成本，然后用這 8 萬元招 4 個 “客戶體驗專員”，負責跟客人聊天，收集反饋 —— 這樣，專員既能學到 “客戶溝通” 的技能，又能積累 “會員運營” 的經驗。

• 某電商公司用 AI 寫商品標題，節省了 6 萬元成本，然后用這 6 萬元招 3 個 “內容運營實習生”，讓他們修改 AI 生成的標題，優化用戶點擊率 —— 這樣，實習生既能學到 “文案技巧”，又能積累 “用戶洞察” 的經驗。

但問題是， 企業愿意這么做嗎？

資本的邏輯是 “效率優先”—— 用 AI 能節省成本，為什么要招實習生？為什么要培養人？

這才是問題的核心： AI 帶來的 “效率提升”，到底該歸誰所有？

是歸企業老板，還是歸員工？是歸 “掌握 AI 的人”，還是歸 “被 AI 替代的人”？

當 AI 鎖死了 “從 0 到 1”，我們該重新定義 “工作”

林曉雨最近換了份工作，做外賣員。她跟我說：“我每天跑 12 個小時，能賺 200 塊。但我不想一直做這個 —— 我想攢錢學剪輯，以后做短視頻運營。”

我問她：“你為什么想學剪輯？”

她笑著說：“我看網上說，短視頻運營需要‘創意’，AI 做不了。”

我沒告訴她，現在已經有 AI 能自動剪輯視頻了 —— 輸入 “美食”“搞笑”“治愈” 的關鍵詞，就能生成 15 秒的短視頻。我不想打碎她的希望。

因為對于普通人來說， “希望” 比 “真相” 更重要 。

但我們不能一直活在 “希望” 里。我們得面對一個殘酷的真相： AI 不是 “替代勞動”，而是 “重構勞動” —— 它不僅改變了 “工作的內容”，更改變了 “工作的邏輯”。

原來的邏輯是 “努力就能上升”，現在的邏輯是 “你得先有‘不可替代性’，才能有工作”；

原來的邏輯是 “從初級到高級”，現在的邏輯是 “要么做高級，要么被替代”；

原來的邏輯是 “學歷是敲門磚”，現在的邏輯是 “學歷是絆腳石”。

當這些邏輯都崩了，我們是不是該問一句： “這個由 AI 主導的職場，到底是誰的職場？”

是 “掌握 AI 的人” 的職場？是 “有資源的人” 的職場？還是 “普通人” 的職場？

我不知道答案。但我知道， 如果我們不重新定義 “工作”，不重新分配 “AI 帶來的收益”，不重新建立 “讓普通人有上升通道” 的生態，那么 “AI 時代” 只會變成 “少數人的時代” 。

就像林曉雨說的：“我不怕累，我怕的是，我累了一輩子，還是站在原地。”

這才是 AI 最可怕的地方 —— 它不是搶了你的工作，而是搶了你的 “希望”。

最后想說的話

我寫這篇文章，不是要 “反 AI”—— 我知道 AI 能提高效率，能降低成本，能創造新的價值。我只是想提醒大家： 當我們在歌頌 AI 的 “偉大” 時，不要忘了那些 “被 AI 遺忘的人” 。

他們是凌晨三點的便利店店員，是投了 50 份簡歷沒收到面試的畢業生，是做外賣員想攢錢學剪輯的年輕人。他們不是 “不努力”，不是 “沒能力”，而是 “被 AI 鎖死了上升通道”。

哈佛大學的論文說：“AI 可能帶來‘激進富裕’的時代。” 但我希望，這個 “激進富裕” 的時代，不是 “少數人的富裕”，而是 “所有人的富裕”——

• 讓 AI 做初級工作，讓普通人做 “有創意”“有溫度”“有情感” 的工作；

• 讓 AI 節省的成本，用來培養普通人的 “暗知識” 和 “元技能”；

• 讓 “從 0 到 1” 的通道，重新向普通人打開。

因為， 一個沒有 “普通人上升通道” 的時代，再 “富裕”，也是冰冷的 。

就像林曉雨說的：“我想做的不是‘不被 AI 替代的工作’，而是‘能讓我慢慢變好的工作’。”

這才是我們對 “AI 時代” 最樸素的期待。