人工智能让工作变快，也让人开始怀疑自己的价值
凌晨一点，一位有十五年经验的企划主管仍坐在办公室里。过去需要熬几个晚上才能完成的企划书初稿，如今生成式人工智能（能够根据指令生成文字、图像等内容的技术）只用几分钟便能写出。
他检查文字、核对数据，再把文件发给管理层。听到同事说“这下可以早点下班了”，他却感到一阵不安：如果多年积累的经验可以被工具迅速复制，那么自己在公司里的价值还剩下什么？
这种不安不只是害怕失业。它还涉及更深的一层疑问：当机器也能完成许多曾经需要人类知识和判断的任务，人还能凭什么证明自己不可替代？
很长一段时间里，人们习惯通过工作确认自己的价值。有人帮同事理清混乱的表格，有人安抚不满的客户，也有人从大量数据中找出方向；完成这些事情，不仅能带来收入，也让人感到自己对团队和社会有用。
劳动价值有三把尺子
要理解人工智能带来的变化，可以把劳动价值分成三个方面：市场价格、社会贡献和个人尊严。市场价格是工作能换来多少报酬；社会贡献是这项工作能为他人和共同生活带来多少帮助；个人尊严则是一个人能否通过工作感到自己受到需要和认可。
在过去，人们往往以为这三者会同步变化：工作越重要，工资越高，做这份工作的人也越容易获得尊重。但人工智能时代，这三把尺子可能朝不同方向移动。
例如，一项工作可能对社会十分重要，却长期只有较低工资；某种技能也可能曾经稀缺、报酬不错，后来因为人工智能能快速提供相似成果而变得不那么值钱。社会需要一项劳动，不代表市场一定会给它合理的价格。
人工智能时代的关键，不只是机器能不能完成工作，还包括社会如何衡量劳动、分配收益，并保障人的尊严。
技能价格下降，不等于生产力收益人人共享
报告撰写、法律文件初步审阅、语言翻译和基础编程等任务，过去常常需要多年学习和实践。如今，人工智能可能在几秒或几分钟内生成初步结果。当使用算法工具的成本低于购买大量人工时间的成本时，企业对相关劳动的估价也可能随之改变。
经济学家达龙·阿杰姆奥卢和帕斯夸尔·雷斯特雷波提出，自动化不只是提高效率的问题，也是在重新分配由人和机器承担的任务。机器接手原本由人完成的工作，可能让生产变得更快，却不必然增加劳动者获得的报酬。
想象一位员工过去要花两天写完一份方案，现在人工智能能在半小时内生成初稿。公司并不会因此自动把他的工资翻倍，也没有机制保证剩余时间一定变成带薪休假。企业也可能要求他在同样的工作时间内完成更多任务，或者减少下一年度的招聘。
因此，生产率提高与劳动者收入增加不是一回事。效率带来的时间和利润，究竟归员工、企业还是消费者，取决于协商能力、组织制度和政策安排，而不是技术本身。
更不显眼的变化，可能发生在岗位仍然存在的时候。员工的头衔和职责看起来没有变化，但原本由他独立分析、选择和决策的环节，逐渐转交给系统；他最后只负责检查并批准机器的结果。
这种变化未必会立刻反映在失业统计中，却可能一点点削弱人的专业技能、判断空间和工作自主权。换句话说，人工智能最先冲击的也许不是岗位数量，而是技能的价格和劳动者在工作中的权力。
“人情味会更值钱”，并不是自动成立的结论
一种乐观的说法是：机器生产的内容越多，人与人之间的关怀、照护、伦理判断和真实关系就越稀缺，也会因此更加珍贵。这听起来合理，却容易把“社会觉得重要”与“市场愿意付钱”混为一谈。
照护人员为行动不便的老人按摩双手，社会工作者走访陷入困境的家庭，幼儿教师抱起哭泣的孩子。这些劳动依靠耐心、信任和对具体处境的理解，早在人工智能出现之前，就一直支撑着许多人的生活。
然而，这些工作长期以来是否获得了与其社会贡献相称的工资和尊重？如果答案是否定的，那么仅仅宣布“人的关怀会更稀缺”，并不会自动提高从业者的收入。
人的关怀更重要，不代表从事关怀工作的人就会自然得到更好的待遇。没有制度和社会共识，赞美也可能只是廉价的赞美。
因此，谈论人工智能时代的“人类优势”，不能只停留在抽象的赞美上。要让照护、教育、调解和社区服务真正得到承认，还需要改变薪酬、工作条件和公共资源的分配方式。
人工智能可以帮助员工，也可以监视员工
比起简单地讨论“人和机器谁会赢”，更现实的视角是关注协作：人工智能往往不是一次性取代整个职业，而是接手其中一部分任务，进而改变人们完成工作的方式。
国际劳工组织在二〇二五年的分析中指出，全球约四分之一的劳动者所在职业在一定程度上受到生成式人工智能影响。但职业通常包含许多不同任务，其中相当一部分仍需要人的参与，因此影响更可能表现为工作内容被改造，而不是所有岗位整体消失。
一项针对五千一百七十九名客户服务人员的研究显示，使用人工智能辅助工具后，员工平均每小时解决的问题增加约百分之十四。对于经验较少或技能水平较低的员工，生产率提升约百分之三十四；工具能够把优秀员工的常用方法和知识传递给新手，缩小部分经验差距。
这说明人工智能可以成为助手，帮助新员工更快找到信息、组织回答，也可以减少重复劳动。但同一套技术也能记录通话时长、处理数量和回复速度，把员工的每一个动作变成数据和评分。
如果管理者用这些数据不断加快节奏，员工可能在完成更多工作的同时，失去安排工作方法和节奏的自由。人工智能既可能扩大人的能力，也可能加强对人的监控。
所以，真正需要回答的问题不只是“人和人工智能能否一起工作”，还包括：谁拥有这些工具，谁设定工作目标，谁决定如何使用数据，效率提高后的时间和利润又由谁获得？技术问题背后，同样存在权力关系。
如果初级任务消失，未来的专家从哪里来？
许多人认为，简单任务交给人工智能后，人就可以转向创造、提问、判断和承担责任。但这些能力并不会凭空出现，往往要靠初级工作中的反复练习逐步形成。
初入职场的律师通过阅读大量判例和文件，慢慢学会识别法律问题；实习记者在寻找采访对象、修改稿件的过程中，逐渐掌握报道的分寸；初级程序员通过不断编写简单代码、发现错误和修复系统，理解复杂软件如何运作。
这些任务看起来重复，却也是新手积累经验的阶梯。如果企业把最底层的任务交给人工智能，却只招聘已经熟练的员工，新人就可能陷入困境：没有机会积累经验，就无法证明自己有经验；无法证明经验，又更难获得工作。
与此同时，社会还可能要求年轻人“批判性地判断人工智能的答案”。但如果他们从未亲自处理过真实案例，又如何发现机器的漏洞？如果没有经历过反复尝试和失败，又如何形成可靠的判断？
人工智能时代的教育难题，不只是要教会人多少知识，更是要保留人通过实践形成判断力的机会。
学校、企业和行业需要重新设计培养路径，例如让新人在专业人员指导下完成真实任务、审核人工智能结果，并逐步承担更复杂的责任。若机器拆掉了旧的学习阶梯，社会就必须设法搭建新的阶梯。
人的价值，不能只由市场价格决定
如果只看市场价格，部分劳动的价值确实可能下降。当原本稀缺的知识和技能能够通过人工智能低成本地提供时，相关劳动者的议价能力可能变弱。
但社会贡献并不会因此消失。照顾他人、化解冲突、理解复杂处境、决定什么值得做，并为决定承担责任，仍然具有重要意义。有些时候，人工智能越擅长处理信息，人类对目标、后果和责任的判断就越不可忽视。
问题在于，这些贡献不会自动显示在工资单上。要让人工智能带来的生产力成果惠及劳动者，需要有能够分享收益的制度；要让人感到自己仍是社会不可缺少的一员，也需要为每个人保留参与、贡献和获得认可的空间。
只有收入保障还不够。补助可以帮助人维持生活，却不一定能带来“我对别人有用”的感受。人们除了收入，也需要有机会作出贡献，并知道这种贡献受到认真对待。
把技术创造的富足，转化为共同的尊严
可以从现实生活中着手改变。首先，为长期被低估的照护和疗愈工作提供合理报酬与更好的工作条件；其次，为年轻人建立新的学徒和实践机制，让他们在人工智能参与的工作中积累经验，而不是被挡在职业入口之外。
与此同时，社区教育、文化活动、环境保护和邻里互助等工作，也需要获得更明确的支持和认可。它们不一定都能用市场收入衡量，却能让社区更安全、更有凝聚力，也让更多人拥有参与公共生活的机会。
回到那位深夜加班的企划主管。他感到的寒意，不只是对新技术的恐惧，更是一个关于存在感的问题：明天，我还会是某个人或某个群体需要的人吗？
人工智能提出的核心问题，也许并不是机器会从人类手中拿走多少工作，而是机器创造的富足如何分配，以及社会愿意为人类保留什么样的贡献空间。
人类劳动的价值，不应由人与机器比赛谁更快来决定。它取决于社会如何承认彼此的贡献，如何分享技术带来的成果，又如何让每个人都有机会作为共同体的一员参与其中。
人工智能接手人的工作，并不意味着人的价值必须随之降低。市场不会自动给出这个答案；最终决定人有什么价值的，不是机器，而是我们共同建立的社会。
