刚进公司的人，通常不会立刻负责最重要的决定。
他先整理会议记录，做一张表格，查十份资料，再给主管写一版不太成熟的方案。工资不高，工作也不耀眼，但这些小事有一个隐藏作用：让新人慢慢知道，什么信息可信，什么话不能随便说，什么决定看起来简单，背后却牵着一串麻烦。
现在，ChatGPT可以在几分钟内完成其中不少步骤。
于是很多人开始问：脑力劳动是不是也要像流水线一样被机器接管？
这个问题真正值得担心的地方，不是某个职业明天会不会消失，而是另一件更安静的事：如果入门工作都被AI做了，新人靠什么变成老手？
职业不是一个动作，而是一捆任务
“会计”“程序员”“编辑”只是职业名称。落到每天，一个岗位其实是一捆大小不同的任务。
编辑要找选题、查资料、采访、写稿、核实事实，还要判断一句话发出去会不会误导别人。程序员既要写代码，也要理解需求、排查问题、和同事讨论取舍。会计不只是填表，还要识别异常、解释规则、为数字负责。
AI不会按着职业名称整齐地替代一个人。它更像一把剪刀，先把任务包拆开，把规则清楚、材料齐全、结果容易检查的部分剪走。
国际劳工组织在2025年的研究中估计，全球约四分之一的就业岗位对生成式AI存在某种程度的暴露，但处在最高暴露等级的只占3.3%。报告给出的判断不是“岗位末日”，而是多数职业更可能被改造，因为工作中仍然有许多部分需要人参与。国际劳工组织报告
到了2026年，国际劳工组织又特意提醒：AI暴露度只能说明技术“可能做什么”，不能直接当成失业预测。商业、金融、计算机、教育等脑力工作确实暴露较高，但实际结果还受到成本、组织流程、法律责任和市场需求影响。国际劳工组织研究简报
换句话说，工作会先变形，然后才可能决定需要多少人。
AI最先压低的，是“标准步骤”的价格
过去，一份普通报告可能要花半天：先找资料，再列结构，然后写初稿。现在，资料、结构和初稿都能交给AI。人当然还要检查，可原来需要四小时的工作，可能只剩下一小时。
这并不代表剩下的一小时不重要。恰恰相反，那一小时可能集中了最难的部分：判断资料是否过时，发现数据口径不一致，决定应该删掉哪句话，以及有人质疑时解释为什么这样写。
OpenAI现在也把相关产品描述为能够处理较长的多步骤任务，并生成可用交付物，而不只是回答一个问题或写一小段文字。OpenAI关于ChatGPT Work的介绍
工具越能完成完整流程，人的价值越不会停留在“会不会写第一稿”。它会向两个方向移动：一头是提出正确的问题，另一头是为最终结果负责。
中间那批容易描述、容易模仿、容易验收的工作，价格会越来越低。
一个看起来矛盾的事实
AI可能同时帮助新人，也让企业减少招新人。
一项针对五千多名客服人员的研究发现，使用生成式AI助手后，员工平均每小时解决的问题数量提高约15%，而经验较少的员工受益更明显。AI把优秀员工过去没有写进手册的表达方式和处理经验，快速交给了新人。NBER《Generative AI at Work》
站在一个新员工面前，这当然是好消息。他可以少走弯路，更快完成工作。
可站在企业面前，问题会变成：既然一名新人配上AI能完成过去更多人的工作，还要不要维持原来的招聘数量？
这就是AI对脑力劳动真正尖锐的影响。它未必立刻赶走坐在办公室里的熟手，却可能让门口等待入行的人变多。
新人原来靠整理资料、写初稿、修小错误来积累判断力。如果这些事情全部交给AI，公司又没有重新设计训练方式，新人得到的可能不是“成长更快”，而是“没有机会犯那些本来成本很低的错误”。
现实没有宣传片那么快
也不用把每次产品更新都理解成一次大裁员。
2026年一项覆盖美国、英国、德国和澳大利亚近六千名企业高管的调查发现，69%的企业已经在使用AI，但约九成受访者表示，过去三年里AI还没有对本企业的就业或生产率产生明显影响。与此同时，他们又预计未来三年生产率平均提高1.4%，就业减少0.7%。NBER《Firm Data on AI》
这组数字有意思的地方，不在于预测一定会实现，而在于它暴露了现实与想象之间的距离。
买到工具很快，改变工作很慢。企业还要处理数据权限、错误责任、员工培训、客户是否接受等问题。一个演示视频里能跑通的流程，放进真实公司，可能会卡在十个不起眼的地方。
所以，“AI什么都能做”和“AI根本没有影响”都说得太满。
它已经能拿走一些任务，但还没有整齐地拿走整个职业。
以后值钱的不是一句漂亮提示词
如果一个人只是把主管的话复制给AI，再把AI的回答复制回去，他并没有真正拥有这份工作。他只是站在两台机器中间传话。
更可靠的能力，是知道任务为什么存在，能够指出答案哪里不对，并且在信息不完整时做出可以解释的选择。
一份由AI生成的市场报告摆在桌上，真正拉开差距的问题不是“提示词用了几行”，而是：
这份数据从哪里来？为什么选择这个口径？有没有把相关性写成因果？如果结论错了，下一步会让谁付出代价？
能回答这些问题的人，使用AI之后会更快。不能回答的人，只是更快地产生了一份看起来像答案的东西。
晚上十一点，新人不用再对着空白文档发呆。屏幕上的报告已经写完，表格也整理好了。主管走过来，没有问他用了什么模型，只指着其中一行问：
“你为什么相信这个结论？”
脑力劳动真正的分界线，大概就从这里重新开始。
