会议室的空调开得有点冷。
那天是上海郊区一个产业园的行业峰会，台下坐了三百多家电商公司的创始人、HRD和技术负责人。茶歇刚过，主持人请出某电商高管分享"AI落地实践"。
屏幕亮起来，一页PPT打在脸上，他兴奋的念着数字："去年这个时候，我们客服团队是1100人，今天，37个人。技术团队从620人，压缩到21个人。"他说，"AI接管之后，响应速度提升了3倍，客户满意度还涨了两个点。"
按照惯例，这里应该有掌声。
但是没有。没有人鼓掌，没有人提问，甚至没有人交头接耳。偌大的会场只剩下空调出风口的嗡嗡声，和台上那个还在滔滔不绝讲"人效提升"的声音，显得格外突兀。许多人的脸色都不太好看。不是因为嫉妒，是那种说不清的复杂。
那种沉默不像震惊，更像所有人突然意识到了一件事——未来被AI替代的人里，可能也会有自己的名字。
01、都在考虑成本、谁来考虑人？
央视网有过一篇报道，里面提到一个电商老板把客服团队从三十六个人砍到九个，一年省了一百万以上的人力成本。
记者还算了一笔更细的账，一个成熟的人工客服体系，每秒钟成本三分钱，一分钟一块八。一个消费者打五分钟投诉电话，企业就要花九块钱。用AI，几乎为零。
你把这两组数字摆在任何一个老板面前，不需要多说一个字，他的账本不会错。
问题在于，每个老板都在这么想。
几个月前，美国软件巨头Salesforce的首席执行官马克·贝尼奥夫在一次播客访谈中坦承，由于AI代理的介入，公司已经裁减了大约4000个客户支持岗位，客服团队从9000人缩减到了5000人左右。他说得很直白：“我能够在支持领域重新平衡我的员工数量，因为我需要更少的人。”
2026年还未过半，全球科技行业已有超过200家公司发动了与AI相关的裁员，累计超过12万人失去工作。另一家科技招聘平台的数据显示，平均每天约有900名科技从业者失业。
上海科技大学在2026年世界人工智能大会期间发布的一份报告显示，2023年至2026年间，新增职业名称体量极小，仅大模型算法、机器人工程师等少数岗位小幅扩张——AI并没有像人们期待的那样催生出大量全新职业。
与此同时，中国的青年就业形势正承受着巨大压力。2026年6月，16至24岁劳动力城镇调查失业率为14.9%，是官方调整统计口径以来的同期新高。而2026年全国普通高校毕业生规模预计达到1270万人，同比增加48万人，为历史新高。澳新银行经济学家预计，未来两个月青年失业率可能逼近20%。
每一组数字背后，都是一个活生生的人——有房贷要还，有孩子要养，有父母要照顾。
02、每个公司的最优解，所有人的死胡同
这些数字背后是一个结构性的困境：每一家企业在做“降本增效”的决策时，都是在个体层面追求最优解。但一千个、一万个企业同时做同样的决策，加总起来的效应却是就业市场的系统性塌方。
这就是经济学上著名的“合成谬误”——对个体而言正确的事，对整体而言可能是灾难。
一片草地上有十个牧民，每个人都想多放一头牛。对每个人来说，这个决策都是最优的，多一头牛多一份收入。但当十个牧民都这么做的时候，草地就毁了，所有人的牛都会饿死。没有一个人是坏人，每个人都做了在当时最理性的选择，结果却是所有人一起输了。
现在这片草地变成了就业市场。
MIT经济学家Daron Acemoglu和Pascual Restrepo做过一项很有耐心的研究，追踪了美国1990年到2007年间工业机器人对就业的真实影响。
数据很惊人，每增加一台工业机器人，当地就业人口就减少五到六个人，工资下降大概0.25%到0.5%。而且这种影响集中在制造业地区和低学历工人身上，不会自动被其他行业吸收。
他得到了一个启发，“自动化的好处不会自动变成所有人的繁荣。”
这不是反对技术进步。他自己在论文里也说了，机器人提高生产力，对企业增长很重要。他只是讲了一个很朴素的道理，你拆了一座桥，不能指望大家自动飞到对岸去。
这一次AI替代的人会更多。
工业革命替代的是体力。纺织工人被织布机取代，但工厂、铁路、矿山在招人。
二十年前互联网来了，出版和零售被颠覆，但电商、社交、短视频行业创造了几千万岗位。这次替代的是脑力，是那些曾经被认为很难被机器学会的东西。写文案的，画原画的，做翻译的，审合同的，写代码的。
2025年，Anthropic的CEO Dario Amodei说过一句话让人后背发凉。他说AI可能在五年内替代所有行业一半的初级白领职位，整体失业率可能上升10%到20%。
03、谁来算总账？
当一个企业的CEO决定用AI替代五百个客服时，他算的账是成本减了多少，利润增了多少。
这个账完全正确，在企业的损益表上每一栏都对得上。
但有一笔账不在他的损益表上。
那五百个人失业之后，他们的消费就会减少。他们所在社区的餐馆、理发店、超市都会少一笔收入。当地的税收会下降，社会保障支出会增加。TechRT的数据显示，2025年全球范围内，AI相关失业导致的消费者支出下降了2.4%。在呼叫中心和制造业集中的地区，商业活动在裁员潮后的六个月内掉了9%到15%。
这些账没人算。或者说，没有人有义务去算。一个企业的CFO不需要为区域经济衰退负责，一个CEO不需要为国家的基尼系数担忧。他的绩效考核里没有这些指标。
新加坡在2024年成了全球第一个要求五百人以上企业做AI岗位替代审计的国家。法国在AI影响严重的地区试点基础收入。德国2025年拨了一百二十亿欧元用于AI相关的劳动力转型。
但这些尝试，说实话规模都太小了。跟问题的体量比起来，像是拿一个小桶去舀一个正在决堤的水库。
回头看看我们自己。
据Edoxi的预测，到2030年，中国可能有47.8%的岗位面临自动化风险，这个数据是全球最高的。这类研究的方法论争议一直很大。但它至少指向一个方向。
回到那个会场。
我后来一直在想那些坐台下不吭声的人。他们到底在想什么。
他们可能在想自己的团队，在想下周跟老板汇报的时候要不要主动提一句AI方案，免得被别人捷足先登。他们可能在想自己会不会被裁。他们也可能什么都没想，就是觉得不舒服，但又说不上来哪里不对。
说到底，听一个人用炫耀的语气说，我把一千多人变成了三十人。他管这叫效率。
效率当然没错。但效率这个词本身不包含任何道德判断。它不关心那个被AI顶替掉的客服能不能找到工作，家里有没有困难。
最常见的反驳人们听过无数次了。比如技术进步从来都会淘汰一些岗位，但它会创造更多新的。
工业革命是，互联网也是。这次凭什么不一样？
这个逻辑本身没什么错，但藏着两个很残忍的前提。
第一，新增岗位和消失的岗位，不在同一个地方，也不是同一种技能。一个在东莞流水线上做了十年的质检员，不可能搬到深圳去当AI提示词工程师。
第二个，就算有转岗培训，效果也并不理想。OECD国家做过统计，主动劳动力市场再培训项目的完成率远远低于50%。TechRT的数据也说，2025年发达经济体中只有44%的被替代工人参与了再培训。发展中国家更是不到15%。
也就是说，大部分人掉下去之后，根本爬不上来。
还有人说，AI让企业更有效率，企业赚了更多钱，经济大盘子大了，大家都会受益。
这个说法理论上没问题，但实际上，Klarna就是最好的反例。员工总数缩减了将近40%，留下来的人均薪资倒是涨了，省下来的六千万美元去了哪里？去了利润表，去了股东回报，没有一滴水自然流到那些被替代的人碗里，自动化带来的利益天然流向资本方。
04、AI已经不是技术问题了
说到这里，AI其实已经不是一个技术问题了，是个社会问题。
以前，社会评判一家企业，只用利润和营收两把尺子，但未来可能不够了。
一个企业可以把成本压到极致，把所有能用机器替代的人都替代掉，在财务报表上它是完美的。但如果十个、一百个、一千个企业都这么做的时候，谁来消费它们的产品？谁来维持这个市场的基本运转？
这不是一个道德绑架的问题，不是要企业做慈善。这是一个最朴素的系统性问题。一条河的上游都在截流，下游所有人都会渴死，包括截流的人自己。
1929年，凯恩斯造出了「技术性失业」这个词。将近一百年过去了，他担心的那场大灾难没有发生。但他在同一篇文章里还说了另一句话，很少被引用。他说，我们正在经历的只是一个过渡期。过渡期的长度取决于我们“刻意而明智的引导”。
他说的是刻意而明智的引导，不是让市场自行调节。
而我们眼下最缺的，好像恰恰就是这种引导。
