跨越近200个最新的硅谷初创企业,没有一个投球甲板谈论"扩大人头数"——他们都谈论更换,裁员,结果. 但怎样AI真正的工作不是去除"工作",而是将你的工作分成个别的"任务",先吃标准,可重复的工作. 真正的问题不是"我会丢掉工作",而是"剩下的东西有多少是机器不能拿走的".
如果你想知道今年科技风向是怎样吹的, 有一个异常准确的地方可以看看——Y Combinator在硅谷的顶端启动加速器孵化出来的Airbnb和Stripe每个周期都挑选出近200支最有前途的早期球队.
看着2026批货,有人做了一些说明:他们从头到尾都读了每个公司的投注,然后写下一条刺痛的线——没有人谈论"座位扩张";每个人都谈论"更换,裁员,结果".一个更钝的:"职称不见了"
这些团队常礼貌地说:"我们使用AI改为:协助与X." (中文(简体) ). 现在他们放弃了伪装,直说:"我们使用AI改为:替换".
这不是一个一次性的口号。 根据公共统计,85%YC2026年冬季的批次是 "AI 优先" (围绕AI从第一天起);在198家公司中,56家正在建立完全自治的代理人,定位为 "AI以每个知识工作者的角色为对象,AI会计",关闭一个公司的书没有人类,和"AI律师事务所完全由模特组成到2026年春季,95%的公司接触AI137是建筑代理人——比其他类别加起来还要多。
我们听说了 "AI要来找工作" 哭狼多次。 但这次有一个明显的插曲: 那个温柔的"助手(英语:Assistant)"Copilot)"时代可能持续了18个月,风已经转向"替换".
这一次,它不仅是现金饥饿的初创企业喊"替换"。 看看最大的公司在做什么: 仅2026年的头两个月,全球科技产业就损失了15万多份工作,美国和中国的大型公司几乎一致地捆绑着 "AI效率"改为"组织性瘦弱". 即使是最富有的,最繁忙的巨人也开始使用AI改为:_减去_它不再是一个口号变成一个结构转变, 发生自上而下。
所以问题在于:这个"狼人"与哭多年的人有什么不同? 它会怎么命名你的工作? 这部作品将它分解,冷静,回答三件事——谁先得名,为什么,你应该做什么。
第1章组织事项
首先,纠正一个误解:AI替换任务,不是工作
来理解AI实际上影响工作, 你必须纠正一个误解几乎每个人都持有。 在大多数人的脑海里,AI到达时,会计师被替换为批发,程序员批发,辅助代理批发——一个"工作",一个"机器",作为一个单位消失.
但不是这样AI工作时它实际上做的是拿你的"工作"和拆分为个别的"任务"然后,你问一个问题:这是要交给人呢?还是交给机器呢?
图1AI名称任务,而不是任务——它首先要吃标准、可重复的任务
哪个任务先吃? 规则是明确的:具有明确投入和产出的标准化、可重复性. 每周报告,数据输入,基于模板的初稿,标准支持答复,调节,初级重复代码——这些"可以写成手册",这正是什么AI这是最好的。
尚不能承受的是另一种任务:需要的判决,则需要拥有结果包括跨团队协调、客户关系、在模棱两可的领土上发号施令。 而这两种任务可以生活在同一个工作内部——甚至在同一人内部.
所以记住这条线...AI替换任务,而不是任务。 你的工作能否活下来取决于它分了多少分分了几分
为何这次事件值得关注? 因为几十年来,自动化大多取代了"物理劳动"和"死规则"——在装配线上重复的运动,aATM数现金,一个收费站做改变。 他们有一个共同的特点:行动是固定的,不需要了解背景。 这波波AI不同之处在于:首次达到"认知"工作——读合同,写分析,回答电子邮件,调试代码. 这些长期被认为需要人类的大脑工作, 被任务剥离并交给机器。 这就是为什么这个"狼"听起来不同.
一个具体的例子使它可以点击。 找个"营销专家" 他们的一天可能会这样分裂:整理上周的数据,制作一份模板化的每周报告,为三个平台重塑复制品,回答十几个例行询问——AI现在基本上可以做这一切。 但这份工作还有另一半: 判断这项运动应该由哪一个销售点来领导, 与预算上的销售进行斗争, 安慰一个受刺激的关键客户, 决定两个互相矛盾的数据集中哪一个值得信任——AI还没做到呢同一个标题,"营销专家",被切AI刀子:一半的猎物,另一半的护城河。你的工作是否安全,从来不是头衔问题,而是这两个半人的比例问题。
有人直言不讳地说:AI不只是给公司添个工具,而是重写公司的"生产功能".公司将投入转化为产出的方式。 这里有一个逻辑,简单到残酷的地步:当一个行业的总工作量不会一步步爆炸时,和AI将每个人的产出提高1.5×,2×,3×,然后是工业需要的人数必须压缩. Anthropic(Claude背后的公司) 2026年1月估计,AI今后十年,美国劳动生产率的增长每年可能增加约1.8个百分点,接近以前趋势的两倍。
本章设定了整个文章的坐标: 停止问"我的工作会消失",并询问"我工作里有多少任务被抽走坐标设定——现在让我们来看看哪些任务,哪些角色,在第一波被命名.
第02章组织事项
谁先命名： 一个非常清晰的顺序
在真正的劳动力市场上标注"任务级替代"规则,你得到的点名令,可以清楚地达到刺痛的程度.
图2 流离失所情况——越标准化和可重复性越高(2026年预测)
那个世界经济论坛(WEF)预测从2026年到2029年,AI特工人员将自主地"撤换"一组中层角色:支助小组领导,数据输入操作员,律师助理,图形设计师,财务分析师,HR协调员,内容作者. 各种机构2026年流离失所率预测——注意,这些是预测,不是发生的事情——大致运行:基本支持和远程销售90–95%,仓库分类/QC/包装70–90%,律师助理/合同审查/基本HR/管理70–85%,基本内容70–80%,初级编码和软件测试60–70%. 规则是明确的:任务越标准化和可重复性就越高。
有一个反直觉点值得标注:这一轮,"中层"实际上比"地层"更暴露. 地面的物理工作(排查,分拣)仍然需要机器人硬件——部署速度缓慢,费用高昂;而中层的"信息处理"工作——审查合同,建筑报告,写作分析,协调工作流程——是纯文本和数字,恰恰是大型语言模型的家用地盘,不需要硬件,可以从单一的瞬间运行. 所以,你得到一个奇怪的景象: 最焦虑的不是线上的工人, 但办公楼的中层白领人群谁"谋生Excel和电源点。"
其中一些已经不是预测了,而是已经发生了。斯坦福大学研究表明,到2025年年中,22至25岁的软件开发者就业人数几乎下降。20%从2022年的高峰;在同一窗口上,35-49岁的开发者实际上增长9%被剪掉的恰恰是"简洁,标准"的插槽。
−20%
22-25岁、2025年年中对2022年高峰期的德文(斯坦福大学)
−30%
技术实习,2023年至今(手摇)
150K+ 时速
2026年前两个月全球技术裁员
机理冷淡简单:一名高级工程师,配对AI如编码工具Copilot或Cursor,可以通过40–55%将旧的"一年级加一年级" 压缩成"独一年级" 为了减少成本,公司自然从最容易的地方开始——雇用更少的初级职员. 在LeadDev的调查中,今年有54%的工程主任计划削减初级员工;自2023年以来,技术实习人数下降了30%;新的CS毕业生失业率为6.1%,已经是所有专业中最高的。
这里的反直觉部分值得命名: 很多假设AI从手动的蓝领工作开始但看看这个点名最初的名字是受过教育的、有办公室约束的、标准化的头脑工作“初级白领”角色。正是因为这部作品是最"写成手册的".
我也应该把一张牌放在桌上,所以没有人指责我卖恐慌. 美国在2025年确实看到了一些东西:25岁以下受教育者的失业率明显上升。 但经济学家们警告不要把一切都强加于人AI. 瑞银首席经济学家指出,在同一期间,欧元区青年失业率创历史新低,联合王国青年失业率下降,日本青年劳动力参与率接近历史新高——如果AI为什么只有美国青年才会这么受打击? 更可信地读到:美国增长放缓,企业进入"雇佣冻结",在这样的时期,新毕业生总是首当其冲.换言之, "AI和“商业周期”现在交织在一起——不要把整个账单放在一起AI.尽管如此,趋势的方向并没有改变;只有其规模和速度仍在发展之中.
本章的结论很明确:点名令不是按"脑对体"排序,而是按"脑对体"排序.任务可以标准化。" 你越是做能写成手册的工作,你的名字就越高。 但比起"现在被砍掉的是谁",更让人担心的是更微妙,更长期的结构性问题.
第03章组织事项
潜行器危险: 底端已拉出
如果你只看"现在有多少人被砍伤了", 你会错过这个转变中最危险的一层.
首先,一个问题: 什么是初级角色?_(单位:千美元)_在一个行业? 这远远超出了"做初级工作"——这是整个行业的."训练坡道".新人在这里犯错误,积累,得到老兵的指导,然后晋升到中层,中层赛季进入高年级. 它是一个人才传送带已经保持了几十年。
图3 更微妙的危险——拔出小矮人和整个梯子摇摆
现在AI已经吃了"初级任务"。 短期内,公司节约资金,提高经营效率. 但中期,一个冷却链正在形成:初等角色减少 3年后新人无处训练中层人才晋升不足骨干力量形成一代差距.
美国大公司私下讨论此事,但没人能解决,因为"雇用少年"是现在的赔钱动作(他们的输出轨迹).AI没人想先眨眼结果:整个行业是抵押其未来的中级供应——这不是一家公司的问题;这是集体囚犯的两难境地——大家都知道这是有害的长远,但谁先放过,谁就短期输掉.
这里不仅是硅谷在中国,阿里巴巴于2026年拆除了它长期存在的"P轨道"平分系统——即从P4初级工程师到P11高级专家的完全升级梯子——走向一种奉承,更注重成果(而不是以资历为导向)的模式. 不论意图如何,一个信号是明确的:正在重新设计传统的梯子,即“靠资历攀爬”的梯子。
那么,这对那些已经登上董事会的人意味着什么——说你已经是中级,还是高级? 意思是简短但真实窗口:随着大量初级角色被吸收AI有经验的人可以指挥AI,并且可以自己的结果" 变得,短期,更有价值的。 如前所述,2026年的一面裁员和大公司每月支付六位数字AI另一方面,“火与冰”本身就是窗口的标志。 捕捉:窗户不会永远打开. 它测试您是否能够在关闭之前移动自己,从"做任务"到"确定任务,指导AI,拥有的结果。"
本章所证明的并不是"人们现在正在失去工作",而是更慢更深层的问题——拉出入门级台阶,整个向上梯子松动. 今天你节省的低级员工费用可能是从你三年到五年的中层员工中借来的
情绪变得沉重。 但是如果你从这个结论中得出"白领工作是注定的",你也错了——历史恰巧提供了一个非常重要的反例.
第04章组织事项
别慌张,但:ATM和银行出纳员
每一次技术革命都带来人们在哭泣"这次人类被机器取代". 但有一个典型的案例, 被经济学家反复引用, 值得在这里丢冷水。
那个案子是ATM还有银行出纳员经济学家詹姆斯·贝森(2015年)讲述了这一历史:ATM在上个世纪,每个人都假定出纳员已经完结——计算和发放现金,他们的核心任务,现在完全由机器处理。 结果令大家惊讶:计票人的数量,在很长一段时间里, 上升而不是下降。
为什么? 因为ATM减少了每个分行所需的计票员,从而降低了开设分行的成本,因此银行开业更多分支,总出纳人数上升。 但关键的变化是工作本身转变现金统计是一项标准化的任务,它去了机器那里;出纳员转而去了机器不能做的事情:建立客户关系,推荐信用卡,贷款,投资产品. 出纳从"计算现金的人"到"做关系银行业务的人".
贝森的研究题目是精确的:技术"将工人转移到新的角色",而不是"完全取代"他们. 但他留下了一个清醒的警告——这个故事不应该被看作是一个不可避免的模板.您是否受益取决于一件事:您的任务是否是辅助性改为自动化,或代之以自动化。 一个只能数现金又不能做客户关系的出纳者,在新银行中也不会兴旺.
ATM这不是唯一的案子靠近一点:电子表格——Excel在1980年代推广时,有无数人完成了预测的会计师——毕竟,手工记账和计算,他们的核心任务现在是一击。 结果? 会计专业并没有消失;人口统计增长。 改变之处是作品:从"人工数堆"到"利用结果来做分析,预测,决策支持". 机器采用了计算法;人类转向了判断. 这是完全相同的剧本ATM — 每次机器都吃"执行",人们被推向"判断".
复至今日时. 我们现在的研究越受约束,就越可信。 在其2026年劳动力市场研究中,Anthropic许多估计方法不能直接等同于真正的劳动力市场结果。OECD宏观数据还表明,至少到2025年中期,发达经济体的总体失业率仍然较低。 同时,AI也产生了新的角色——根据一些人的计算,它创造了约21%的新角色类型,以及对 "AI2025年,“培训人员”年均增长112.4%。
这一点必须明确(桌上的牌):今天最确定的事实是任务结构、工资结构和技能结构正在发生变化- 不是最后结论,即 "AI造成大规模失业。 将这篇文章标题读作"明天你就会失业"是误读. 真正的危险从来不是"机器太强大了",而是过渡期——当旧角色被压缩,而新的角色和技能系统还没有抓住流离失所者.
我也不想让它听起来太简单了 "新工作最终会创造","你个人顺利过渡"是两码事. 在整个历史中,技术革命总是创造新的工作——但是生活在转型中的特定的人可能忍受多年的痛苦:老技能贬低,新技能尚未学会,新角色尚未成长. "长期好"对某人"短期内伤痛"不是安慰. 因此,正确的立场既不是盲目乐观,也不是惊慌失措的投降,而是:接受方向,并提前定位。
历史和数据都指向同一结论:技术取代"任务",创造"新任务";真正决定你命运的不是多么强大.AI但是,你的工作是否对AI或与之"竞争". 所以,实际上,你如何进入"补充"的一面?
第05章组织事项
如何到位置:从“做”任务"到"指示AI"
将它拼凑在一起——从YC"不再扩大座位",到任务级别替换,到初级一代差距,到ATM历史——它落在可以直接使用的一条线上:
**AI替换任务,而不是任务。**它的名字从来不是你的标题, 但你作品中"可以写成一本手册"的部分. 决定你命运的是剩下的只有人类能做的
因此,与其无休止地担心"我会被替换",不如做三件事.
图4 ——如何定位——从"做任务"到"指导".AI并拥有结果"
01
将你的工作分成任务,用手
具有标准性和可重复性(这些将改为:AI最后——不要紧紧地跟他们在一起,而这正是你的护城河(判断,关系,责任). 自己拆分它比别人拆分还要好, 这也是你重新学习的价值所在。
02
投资什么"不能拿"
那个ATM故事很清楚:幸存的出纳者是那些可以做"关系银行"的人. 转换到今天:判断、问责制、跨小组协调、客户关系、确定问题的能力——这些是AI说补充而不是要正面反击
03
学会指挥AI
轮班最稳的座位不是"赛跑"AI标准任务"(你会输),但成为"使用AI" ——从被替换的人那里AI给指挥者AI并拥有最终结果。 使用工具的人从来不是那些工具退休的人。
你可能注意到这三张牌是一举一动的三个面孔:故意把自己从"执行层"转向"判断层".我们被提升为"做得很好", 将快速,标准化的交付作为一种美德;但是在前面AI,"快速和标准化"恰恰是它的家用地盘——你不能超过它。 变得稀缺的是那些"难以具体化,无法标准化,需要问责"的东西——哪些数据可以信任,哪条道路可以走,谁在事情破裂时承担掉落. 它具有反直觉性,但它是这一转变的最深层:它不是去除"那些不称职的人", 它在重新定义"什么是重要的能力"。
我知道,读这个,有些人会感到焦虑。 但我的观点恰恰相反:应该焦虑的是那些假装这不是真的的人,仍然把"快速和标准化"当作他们唯一的技能. 一旦你明白“它的名字是任务,而不是工作”, 你已经掌握了大部分人没有的一层机构, 因为你知道在哪里可以推动。 科技从不等待任何人,但它也永远不会只消灭人;每当它关上一扇门,就会有人发现窗口已经打开,更早. 这篇文章的要点并不是要吓唬你——就是让你成为"更早地看见窗"的人之一.
最后,三个具体的动作: 第一,今晚,花10分钟将你自己的工作分成一个任务列表,AI(笑声) (掌声) (掌声) (掌声) (掌声) (掌声) (掌声)在你的行业的第一个任务,由AI第三,这是第二批 "AI工业研究"系列——接下来我们拆分"算作新主权". 把这个交给还在篱笆上的朋友关于"是否要学习"AI."
别问了AI将承担你的工作——问您有多少工作仍然"无法写成手册". 拿着那部分, 让它更厚, 并学会指挥AI来清理剩下的, 而你仍然在桌子上。
免责声明: 这部作品是行业研究和见解. 数据来自公共来源(公共分析YC批号,世界经济论坛报告,斯坦福大学- 相关的研究,Anthropic2026年劳动力市场研究,詹姆斯·贝森2015年作品等). 流离失所率和今后的角色清除是体制性的“预测”,被贴上这样的标签,不构成职业或投资咨询。 来源在方法和样本方面各不相同;在引用之前请对照主要来源加以核实。