斯坦福经济学家警示：未来十年赚钱逻辑大变，AI 抢的不是岗位，是重复任务

摘要

很多人都在担心 AI 抢工作，这位斯坦福学者拿出真实调研数据，颠覆大家的固有认知。AI 带来的就业冲击藏在细节里，普通人手里有四张底牌，看懂才能稳住收入

一、先破除误区：AI 不会直接消灭一个职业，只会替代任务

很多人刷到 AI 新闻，第一反应就是：这个岗位以后要消失了。但斯坦福经济学家在访谈里给出完全不一样的结论：没有任何一类职业会被 AI 整体取代，被挤压的只是岗位里面那些标准化、重复性的执行任务。 调研数据很直观：在代码、客服、营销这类高 AI 暴露行业，25 岁以下从业者规模已经下降 16%。受冲击的大多是刚入行、只做基础执行的新人；反观护理这类偏人际、现场服务的岗位，就业人数反而持续上涨。 这里一个很容易被忽略的知识点：岗位是一堆任务的组合。拿放射科医生举例，AI 可以帮忙读片筛查，只是承接其中一小项任务。效率提升之后，医院可以承接更多影像，医生的整体需求反而增加。真正危险的，是只会机械完成固定流程、没有判断能力的劳动者。

二、看懂弹性需求：为什么有的行业 AI 越普及，越缺人

这里有一个反常识的经济学逻辑，也就是需求弹性。当 AI 把一项工作的成本压低之后，不同行业走向完全不同。 如果这个行业的需求弹性大，比如医疗服务，价格、时间成本下降，会释放大量原本压抑的需求，业务量暴涨，反而需要更多人；但像基础代码撰写这类刚性需求场景，AI 直接承接基础工作之后，企业不需要再招聘大量初级人员，岗位编制就会收缩。 现在学生借助工具快速写出可用代码，从零敲代码这项基础能力，价值正在持续贬值。初级程序员、基础客服、助理类岗位，正在承受最直接的压力。

三、当下冲击看着温和，不是 AI 能力不够，是落地很浅

不少人会疑惑：AI 能力突飞猛进，为什么体感上就业变化不算剧烈？ 原因是绝大多数企业，目前只拿 AI 处理边角工作，写写文案、整理表格，并没有把 AI 嵌入核心业务流程。经济学家用电厂电气化做类比：电力发明之后，工厂一开始只是用来替代油灯照明，真正重塑生产流程、释放生产力，滞后了三十年。 AI 的节奏会快很多，学者预判 3 到 5 年，我们就能明显感受到生产力带来的改变。现在的平静，只是变革来临前的缓冲期。

四、新身份：未来你不是执行者，是 AI 智能体的负责人

他把一项工作拆成三段：定义问题、执行落地、核验评估。 执行环节，恰恰是 AI 最擅长、推进最快的部分。未来价值重心，会向两头转移：想清楚要解决什么问题，以及核验 AI 产出是不是靠谱。 未来的职场角色会发生变化，我们不再是亲自完成所有工作的执行者，而是多组 AI 智能体的管理者，分配任务、验收成果、把控方向。这也带来一个隐性风险：企业集中砍掉初级岗位，新人缺少锻炼通道，整个行业人才培养链条被打断。

五、普通人守住收入的四张底牌

1. 主动性：自主定义问题，主动发掘需求、扛起结果，而不是等着别人派活；

2. 真实人际与审美判断力，AI 可以批量产出内容，但真诚的连接、独特品味很难复制；

3. 线下实操手艺，电工、水管工这类现场动手岗位，目前机器人还很难大规模替代，但窗口期有限；

4. 临场即兴应变能力，没有预设脚本的突发场景，灵活处置是人类独有的优势。 他还提到一个冷门知识点：GDP 统计体系有短板，免费 AI 工具、开源内容带来的巨大福利，传统统计方式无法计量，这也是我们容易低估 AI 价值的原因。

观点

这一场 AI 变革，本质不是一场简单的失业危机，而是赚钱逻辑的重构：靠标准化重复劳动换取报酬的路子会越来越窄，价值会向提出问题、核验判断、人际交互、临场应变这些 AI 难以复刻的能力转移。 这个预判给普通人清晰的方向，不用一味恐慌 AI，也不能盲目躺平。我们要主动跳出纯执行类工作，刻意锻炼提需求、审结果的能力。未来拉开收入差距的，不在于会不会使用 AI 工具，而在于能不能驾驭 AI，把控方向、承担最终责任。 AI 只是放大能力的工具，未来十年走向繁荣还是加剧分化，取决于每一个人如何调整自己的能力结构，主动适应新的工作规则。