Apricitas 报告称,美国媒体、电影与艺术行业累计失去约 20 万个岗位。但这些损失有多少来自 AI?本文拆解岗位消失、转型与直接替代,并给出企业核算方法。
美国媒体、电影与艺术行业累计失去约 20 万个工作岗位。
这个数字来自 Apricitas 的报道《AI and the Fall of the Creative Class》。很容易顺手补上一句:AI 开始抢走创意人的工作。
但报道本身并没有把全部就业损失归因于 AI。它真正要回答的问题是:在这些损失中,生成式 AI 到底贡献了多少。
这也是两个不同的问题。
前者回答“有多少岗位没了”,后者回答“为什么没了”。同一个结果,可能同时来自招聘冻结、预算削减、项目缩编、外包迁移、观众需求变化,以及 AI。
把同期发生写成因果,是就业数据最常见的技术错误。
20 万个岗位,不等于 20 万个 AI 替代
先把“约 20 万个岗位”拆开。
至少有三类情况不能混在一起:
- 岗位消失。 公司缩减团队,或者某类业务整体退出。原岗位不再招聘,不等于每个岗位都由 AI 填补。
- 岗位转型。 团队还在,但岗位职责变了。设计师从交付成稿转向管理模型生成流程;编辑从主要写作转向审核、校对和编排素材。
- AI 直接替代。 公司因为 AI 降低了某项任务的需求,明确取消或减少对应编制。
这三类情况对人的影响都可能是负面的,但商业机制不同。岗位消失通常对应业务量下降;岗位转型对应任务重新组合;AI 直接替代才对应生产率工具改变劳动力需求。
如果统计时只抓职位发布量,看到的是净结果。把净结果全部归给 AI,就等于跳过了中间过程。
媒体、影视与艺术行业还叠加了一个特点:它们高度依赖数字内容生产。数字素材成本下降,不代表整个行业需要的岗位会按比例减少。原因很简单,岗位不仅生产内容,也承担判断、沟通、审核和责任。
一个短剧团队可以少画几版海报,却不会因此自动少掉项目协调、分镜审核和版权合规流程。
先查裁员原因,再谈 AI 责任
逐家公司检查,比先按行业下结论更可靠。
| 观察项 | 要查的问题 | 更可能的解释 |
|---|---|---|
| 招聘冻结 | 是所有岗位暂停,还是只暂停创作岗? | 预算与周期风险 |
| 项目缩编 | 项目数量减少,还是每个项目缩小? | 业务需求变化 |
| 外包迁移 | 工作是否转给低价供应商或海外团队? | 成本结构调整 |
| 单价变化 | 同一类内容的市场报价是否下降? | AI 带来的局部竞争 |
| 流程变化 | 公司是否采用生成式 AI,并明确减少某些任务? | AI 直接替代 |
这张表不负责给 AI 找存在感。它负责排除解释。
例如,广告公司取消 20 个文案职位,同时把视频投放预算减少 30%。即使 AI 写文案更便宜,也无法证明需求下降主要由 AI 导致。反过来,如果一个团队明确把“每周 4 篇短文”改为“LLM 初稿、人工终审”,那才进入 AI 替代的分析范围。
Apricitas 报道的价值也在这里:不是给“AI 失业叙事”背书,而是尝试量化 AI 对这些损失的实际贡献。这个问题比“AI 会不会抢工作”窄得多,也更容易查证。
创意行业为何更容易被重新定价
文案、插画、图片生成、视频剪辑和配音,确实比很多岗位更容易被拆成模型调用。
过去,一家公司购买的是“一个人一周的产出”。现在,企业可以按任务购买:生成 20 张概念图、修改 6 段文案、提取一次视频中的 30 个镜头。
计价单位因此下沉了。
一家小型代理商过去需要两个人做三天,AI 工具可能让一个人用一天完成初稿,再花半天修改。客户最终会问:为什么还要按原来的团队规模付款?
所以,AI 对创意行业更常见的冲击,可能不是一次清空整个职业,而是压低标准化任务的价格。
有几类工作会被迅速重新定价:
- 模板化文案与商品描述;
- 社交媒体配图的批量变体;
- 风格固定的概念图与素材延展;
- 粗剪、字幕和初步转写;
- 常规素材的检索、标注与格式转换。
另一类工作没那么容易:品牌策略、复杂调研、现场沟通、最终拍板,以及出错后的责任承担。
但职业边界也会移动。一个插画师可能不再手画全部画面,却需要写视觉 brief、筛选模型输出、处理一致性和版权问题。AI 减少的是某项交付物所需的人时,不一定减少整个项目需要的社会协作。
真正该追踪的是“每份内容花了多少总成本”,而不是“还剩几个职位”。
从 Apricitas 争议看“AI 失业叙事”
原文链接是:
https://www.apricitas.io/p/ai-and-the-fall-of-the-creative-class
对应的 Hacker News 页面当时只有 14 分和 8 条评论:
https://news.ycombinator.com/item?id=50226419
这个讨论热度不高,但它很适合说明争论集中在哪里。
低分和少量评论首先说明:读者没有把“20 万创意岗位”当成一个震动性结论。这可能是理性折中的结果,也可能只是社区注意力有限。不能把前者当成证据。
更重要的是,评论里容易出现三种不同争议:
- 数据争议:这 20 万个岗位如何定义,统计窗口多长,行业边界怎么划?
- 因果争议:招聘冻结、预算变化和 AI 分别贡献多少?
- 叙事争议:标题是否让读者高估 AI 的作用?
这三层不能互相替代。数据口径有疑问,不代表因果判断自动成立;因果比例难以精确,也不代表只能使用最强标题。
我更关心的一个问题是:那些声称“岗位被 AI 替代”的公司,有没有留下内部材料,例如模型采用记录、编制变化和任务工时?没有这些材料,归因仍然主要依赖采访和事后叙述。
企业该盯岗位成本,不该只盯裁员名单
裁员人数容易统计,也容易传播。岗位全成本更难算,却更接近管理决策。
可以用一个简单框架,先不讨论岗位该不该消失,只计算现金变化:
from dataclasses import dataclass
@dataclass
class RoleEconomics:
salary: float
benefits: float
vendor_cost: float
ai_tool_cost: float
rework_cost: float
severance: float
def monthly_savings(self, retained_ai_cost: float) -> float:
return (
self.salary
+ self.benefits
+ self.vendor_cost
- self.ai_tool_cost
- retained_ai_cost
- self.rework_cost
- self.severance
)
role = RoleEconomics(
salary=7000,
benefits=1200,
vendor_cost=1500,
ai_tool_cost=400,
rework_cost=900,
severance=5000,
)
print(role.monthly_savings(retained_ai_cost=0))
这段代码没有替你判断 AI 是否有用。它只是把常被漏掉的返工、工具订阅和一次性裁员成本放进同一张表。
实际核算至少要记录四项:
- AI 节省了多少任务工时;
- 减少了多少外包和素材采购费用;
- 增加了多少审核、返工与合规成本;
- 裁撤编制后,节省的现金是否超过一次性成本。
还要加一个反向指标:交付周期是否变短,客户返稿是否减少,版权风险是否上升。
否则,公司可能只是在工资表上省了钱,把成本推到了审核人员、质量控制和法务身上。
编辑思考
“20 万个岗位”真正重要的地方,不只是 AI 替掉了多少创意人,而是迫使公司重新核算每个岗位对应多少收入、多少产出,以及哪些责任不能交给模型。对企业来说,这比争论职业会不会消失更可操作。
我的判断是,接下来更值得关注的不是又一份“AI 造成 X 人失业”的总数,而是任务级数据:哪些内容由模型生成,人工改了多少轮,交付周期缩短多久。任务数据能解释替代机制,岗位总数只能描述结果。
这次和过去不同的地方,是讨论开始从“AI 会不会取代创意”转向“成本下降后,岗位和报价如何重画”。这个变化更接近真实商业决策。不过,目前公开材料仍难把 AI 从预算周期、需求波动和外包迁移中干净拆出来,20 万与 AI 之间不存在一条可以省略证据的直线。