9 月 4 日,《經濟學人》finance-and-economics 區塊登出當期封面文章:
The jobs apocalypse is postponed. An AI jobs boom is here.
標題是個雙關——「末日延期」既是指大規模裁員沒來,也暗示主流敘事被翻轉。原文可在 economist.com 搜尋 "jobs apocalypse" 找到。
這篇想拆開來看:它到底在說什麼、數據是否可信、以及為何中文技術圈幾乎沒人討論。
這篇《經濟學人》究竟講了什麼
核心論點一句話講完:2023-2025 年盛行的「AI 將讓 X 億人失業」敘事並未兌現。
《經濟學人》每年 9 月封面都會盯就業市場——2022 年談遠距辦公、2023 年談 Gen Z 卡在求職關卡、2024 年談中年失業。今年這篇延續老套路:用數據反駁當紅焦慮。
文章援引的論據大致三條:
- 美國 BLS、歐洲 Eurostat、日本總務省統計局 2024-2026 年的就業資料,未出現 AI 直接引發的大規模裁員潮
- LinkedIn、Indeed 的招聘數據中,AI 相關職缺數量年增翻倍
- 企業內部調查顯示,AI 工具普及後,人力預算不減反增——但職位結構正在改變
聽起來像在給上班族一顆定心丸。但「職位結構正在改變」這句才是重點,後面展開。
三個被忽略的傳播線索
這篇在 Hacker News 上是個奇怪的案例——聲量低、討論少,沒登上首頁。HN 是技術圈對宏觀敘事最敏感的場域。一篇講「AI 與就業市場」的反共識文章,若真是大新聞,工程師會立刻湧上去批,不是批數據就是批立場。沒人評論本身就是訊號。
可能的解釋有三:
- 技術人對宏觀敘事冷感——比起就業數據,他們更關心 Cursor 又出了什麼新功能
- 反共識已不新鮮——技術圈早就知道「AI 取代工程師」是誇大,不需要《經濟學人》背書
- 數據本身缺乏說服力——缺少第一手數字,沒有方法論交代
我傾向第三個。文章摘要只給了 booming、growing 這類定性詞,沒有具體百分比。這種宏觀描述,被技術社群一眼看穿。
「AI 取代人類」敘事是怎麼翻車的
2023 年是集體焦慮元年。三個標誌性預測:
- Goldman Sachs 報告稱全球約 3 億個職位將受 AI 影響,律師、行政、翻譯首當其衝
- OpenAI CEO Sam Altman 在多次訪談中提及 AI 將重塑客服、翻譯、初级程式設計等崗位(註:「5 年內消失」這個說法是中文媒體加工後的版本,原話更為模糊)
- Anthropic 在早期政策報告中提示過白領職位受衝擊的風險,但未給出具體替代率數字
回頭看 2024-2026 年:
- BLS 數據顯示美國 2024 年就業成長約 250 萬,2025 年持續成長,遠高於疫情前趨勢
- ILO(國際勞工組織)2025 年報告指出全球失業率穩定在 5% 上下,並無結構性惡化
- 翻譯、初级客服這些職位確實在縮減,但被電商、跨境直播、AI 訓練數據等新職位補上
為何集體看走眼?我的判斷:
經濟學家與 AI 公司把「技術可行性」等同於「商業落地」。模型能翻譯,不表示企業願意換掉整個翻譯流程;模型能寫程式,不表示新創團隊敢把核心業務交給它。部署成本、合規風險、可靠性,這些才是真正的護城河。
Goldman Sachs 當時那份報告就被詬病——它只算了「能力匹配」,沒算「組織變革成本」。
但別高興太早:AI 招的究竟是哪些崗
《經濟學人》說「AI 就業熱潮」,但熱潮的成分結構才是重點。
打開 LinkedIn 搜尋 2024-2026 年招聘趨勢,排名在前面的 AI 職位是:
- 資料標註員——替 RLHF 餵料,時薪 15-25 美元,大量外包到肯亞、菲律賓、印度
- Prompt Engineer——2023 年爆紅,2024 年開始退燒,如今更像是產品經理的子技能
- RLHF 標註員 / AI Trainer——與標註員高度重疊,本質是替模型當「陪練」
- AI 資料分析師——其實更接近傳統 BI,只是多了 SQL+Python+LLM 的混搭技能
- AI 產品經理——需求屬實,但薪資相較一般 PM 沒有明顯拉開
這些職位有幾個共同特徵:
- 高度依賴大模型公司的節奏——模型迭代快,標註員技能要求 6 個月一變,職業壽命短
- 薪資兩極分化——AI 研究員年薪百萬美元,標註員時薪 15 美元,平均數掩蓋了結構
- 對白領的「替代」與「新增」是錯位的——被替代的是翻譯、初级客服、初级文案;新增的是資料標註、AI 訓練師。前者不少要求大學學歷,後者高中畢業就能上手
因此《經濟學人》說的「AI 在招人」沒錯,但新增職位與受衝擊職位的人群重疊度極低。這不算是就業市場的勝利,更像是勞動力市場的結構性降級。
編輯思考
讀完這篇《經濟學人》,我有兩個判斷。
第一,「反共識」正在變成新的共識。2023 年主流是「AI 取代人類」,2026 年變成「AI 創造新崗位」。兩種極端都不對——真實情況是部分替代、部分新增、結構性錯位。但反共識敘事比平衡敘事更容易傳播。下一次(可能在 2027 年)我們大概率會看到《經濟學人》再發一篇「AI 招聘泡沫破裂」,因為低門檻標註職位的永續性確實堪慮。
第二,《經濟學人》的盲區對中文讀者尤其值得警惕。它的數據主要來自美國 BLS、歐洲 Eurostat,幾乎沒有中國數據。但中國的狀況可能更複雜——一方面,國內 AI 落地速度更快,客服、電商運營、初级程式設計師的替代比例可能高於歐美;另一方面,國內資料標註產業規模全球第一,AI 職位的真實成長被就業總量稀釋。把《經濟學人》的「樂觀」套到中國語境,可能錯得離譜。
我沒把握的一點:Goldman Sachs 2023 年的預測,究竟是「錯了」,還是「只是時間點錯開」。模型能力還在漲,組織變革的滯後效應可能是 5-10 年。這一「就業榮景」,是常態,還是兩次衝擊之間的喘息——《經濟學人》沒給答案,我也沒有。