一种说法是“别担心，AI 只是工具，不会真替代人”；另一种说法是“白领大灭绝马上开始，所有电脑前工作都要完蛋”。

这篇文章真正有价值的地方，在于它没有停留在任何一个极端，而是给出了一个更有解释力的中间结构：

AI 的真正危险，不是今天新闻里有没有大规模裁员，而是理论能力和现实部署之间那道巨大的缺口，正在持续缩小。

文章里用了一个很重要的数字：94/33。

意思是，按照 Anthropic 那套基于真实任务的研究，AI 在理论上已经可以加速或执行 94% 的计算机与数学相关任务，但在现实世界里，真正已经被明显影响的比例只有 33%。

这组数字为什么重要？

因为它同时否定了两种错觉。

第一，它否定了“AI 现在还很弱，所以不用担心”的错觉。94% 说明能力边界已经远远超出很多人的直觉。

第二，它也否定了“既然能力这么强，为什么就业数据还没全面崩”的错觉。33% 说明部署摩擦——法规、软件整合、合规责任、人类监督、组织惯性——仍然在显著拖慢扩散。

换句话说，AI 对劳动市场最危险的地方，不是它今天已经全面接管，而是很多人会把这段摩擦期误判成“安全期”。

这篇文章最值得记住的，不是某一条预测，而是一个更底层的判断：

现实世界不是按技术 demo 的速度改变的，但也绝不会永远停在 demo 和部署之间的裂缝里。

裂缝终究会被填平。

而一旦填平，很多人的位置会比他们想象中脆弱得多。

尤其是认知劳动者。

这其实是整篇文章最刺痛人的部分。过去几轮技术革命伤害最深的，往往是体力劳动、重复 clerical work、制造业中段岗位，所以很多受过高等教育的人天然有一种隐含安全感：

我做的是分析、判断、表达、协调、信息处理，这些是机器最难取代的。

而现在，AI 恰恰优先冲击的，就是这些“坐在电脑前处理复杂信息”的工作。

也就是说，历史上的保护壳，正在反过来变成靶心。

文章还提到一个更值得警惕的点：

不是大家已经大量失业，而是很多岗位根本开始不再被创造。

这点我非常认同。

因为真正的断裂，常常不是 headline 式裁员，而是更隐蔽的东西：

  • entry-level 岗位越来越少
  • 初级分析、初级写作、初级代码、初级支持类工作被 AI 吞掉
  • 公司不再需要那么多新人去做过去那些“练级任务”

这意味着什么？

意味着很多年轻人连进入职业阶梯的第一格都摸不到了。

这比裁员更致命。因为裁员至少意味着你曾经上过桌；而岗位不再生成，意味着你根本没有机会上桌。

这也是为什么文章把这个阶段描述成 drought——不是洪水，而是干旱。

不是所有人突然失业，而是大量本来应该被创造的工作、项目、岗位、晋升路径和训练阶梯，悄悄消失了。

在这个意义上，AI 对劳动市场的冲击可能更像“慢性基础设施侵蚀”，而不是一夜之间的灾变。

而对个体来说，最有价值的部分不在“宏观判断”，而在它给出的行动框架。

文章把应对拆成了几个方向，我觉得其中真正有用的，可以压缩成三件事。

第一，把自己从执行者位置，推向判断者和系统组织者的位置。

这几乎是全文最重要的一条。因为越标准化、越模板化、越可以被描述清楚的任务，越容易先被 AI 拿走；而真正暂时还属于人的，通常是：

  • 在模糊里做判断
  • 在冲突里做权衡
  • 把多方利益和现实约束拼起来
  • 对结果负责

也就是说，未来真正值钱的，不是“我能写”“我能算”“我能做一个第一版”，而是：

我知道该写什么、该算什么、该让系统怎么协同、该在什么地方踩刹车。

第二，把 AI 当成可指挥的下属，而不是更快的搜索框。

这个比喻其实很准。因为很多人今天用 AI 的方式，还是拿它查东西、改措辞、补资料；而真正能把杠杆拉开的，往往是那些开始把 AI 放进自己的工作链，让它先生成、先整理、先试错、先压缩，再由自己站在更高一层审查和决策的人。

这背后其实是一个身份变化：

从 task executor，变成 agent manager 或 workflow architect。

对 Kenny 来说，这点尤其重要。你现在本身就已经在做一部分这样的转变：筛内容、建站、分发、归档、任务沉淀，这些都不是“单个动作”，而是在组织一个持续运转的信息系统。

第三，把人类的不可替代部分往前提，而不是往后放。

文章里提到很多：信任、情绪判断、高风险沟通、政治感、协商能力、复杂人际协调。这些东西短期内不是 AI 擅长的，但很多知识工作者平时并不会刻意训练它们，因为过去市场更奖励技术性执行。

而现在可能反过来了。

技术性执行越来越便宜，人类关系中的高复杂度部分反而越来越贵。

这不只是职场建议，还是一条职业重定价逻辑：

越像机器的能力，会越来越廉价；
越不像机器的能力，会越来越值钱。

文章最后还给了三个未来场景：

  • Intelligence Displacement Spiral：AI 替代造成消费塌缩和需求衰退
  • Blue-collar Renaissance：物理世界瓶颈反而抬高技术工种和现实操作型劳动
  • Machines of Loving Grace：AI 带来大规模科学突破和近似后稀缺增长

我觉得这三个剧本不是让你选一个相信，而是提醒你：未来很可能是三者混合。

某些行业走向替代，某些行业因为物理约束反而抬价，某些领域又因 AI 加速科研和生产率而创造新机会。

所以最危险的不是判断错哪一个剧本，而是完全不做任何 repositioning。

如果一定要把这篇文章压缩成一句话，我会这样说：

AI 最危险的地方，不是它现在已经替代了多少工作，而是很多人把“部署摩擦暂时压住了冲击”误读成“这场冲击不会真正发生”。

94/33 的缺口，不是安全证明。

它只是窗口期。

而窗口期最值钱的用途，从来不是继续安慰自己，而是尽快把自己从容易被替代的执行位置，挪到更接近判断、组织、协作与现实责任的位置上。