AI 接管工作的顺序：从有答案的工作到人的存在

16步清单不是预言，而是比较哪些任务将首先实现自动化以及在什么条件下实现自动化的基准。

AI 会不会拿走我的工作？

这个问题已经不是玩笑。翻译已经由机器完成。代码由 AI 一起写。医院里，AI 先扫影像，人们也在看 AI 推荐的视频和文字。

那么接下来是什么？我的工作什么时候轮到？关键在于，AI 不是不分青红皂白地拿走所有工作。有些工作先被替代，有些工作很久之后才会承受替代压力。这个顺序有理由。本文把 AI 接管工作的顺序整理成 16 阶段。

AI 最先拿走的工作有共同点

AI 很快拿走的工作，有一个共同点：容易确认答案。翻译是否正确，计算是否准确，代码能不能运行，诊断是否命中，推荐有没有带来点击。这类工作容易比较结果并打分。容易打分，AI 就学得快。相反，也有更晚被推开的工作：现实里每失败一次成本都很高的工作。手艺、现场判断、法律责任、价值判断，以及牵涉所有权和权限的工作，不会只因为“AI 能做”就直接转移。

归根到底，AI 能替代的是所有答案会收敛的工作。答案不一定只有一个。只要数据和反馈足够多，更好答案的方向会反复缩窄，AI 最终就会追上。所以翻译、计算、代码、诊断、推荐、广告、设计、大众反应预测都危险。相反，更晚留下的是答案不收敛的工作。重视什么、谁来负责、承担什么风险，这些不是答题，而是选择并承担责任。 因此，AI 替代的顺序大致确定：从答案清楚的工作，到身体工作，到交出权限，到价值判断，最后到人的存在问题。

1 阶段，答案相对确定的工作

最先被推开的，是产出答案相对确定的工作。翻译、摘要、基础编程、固定格式报告、简单计算、重复文档化。这些工作的输入和输出比较清楚。为什么最先被推开？因为容易确认对错。翻译可以和原文比较，代码可以运行，计算可以核对答案。

这是 AI 很适合练习的工作。一旦做得足够好，就比人便宜、快速。这里人的价值不会消失，但“单纯帮忙做出来的人”的价值会快速下降。

2 阶段，专家分析

接下来是专家分析。诊断、预测、风险分析、设计审查、数据解读。表面看是高级专业工作，但很多部分是模式识别和判断的重复。

医生看影像找病灶。律师找判例。工程师看数据抓异常。分析师看数字预测方向。

这类工作 AI 也会快速追上。尤其是过去案例多、之后能确认结果、能从错误中学习的领域。长期学习的人不是无意义。但仅靠“最会分析的人”这个位置，已经不再安全。

3 阶段，预测大众反应的工作

AI 不是凭空读懂人心，而是看人们实际留下的行为数据，统计性地预测下一次反应。点了什么标题，在哪个句子离开，买了什么商品，对什么语气反应。AI 能看见一个人一辈子看不到规模的行为数据。因此，最先被替代的不是“深刻理解人心”，而是预测大众会点什么、买什么、在哪里离开的工作。

选择广告文案、比较缩略图、客户分群、推荐列表、预测价格和促销反应，会迅速交给 AI。过去靠营销人员或策划人的直觉做的事，AI 会用数据处理。但这里有限制。统计上预测得准，和给一个人提供完全贴合的 100 分服务，是两回事。AI 知道很多人的饮食偏好，并不代表它真的尝到味道。因此，某个人今天是什么心情、想吃什么、什么口感和香气会让他觉得 100 分，仍然困难。 所以这一阶段被替代的，是预测许多人反应，并用预测优化内容、广告和推荐的工作，而不是完全理解一个人的能力。

4 阶段，把多个步骤接起来处理的工作

早期 AI 只负责小碎片。一句话、一行代码、一个摘要。但 AI 正在越来越多地从头到尾处理工作。给它目标，它会制定计划、找资料、写初稿、修改并交出结果。在这一阶段，中间协调角色会减少。人不是细细指挥每一步，而是转向给目标和标准。

这是从“帮我做这个”转向“帮我达成这个目标”的瞬间。

5 阶段，人审核反而变慢的工作

一开始，人审核 AI 结果是当然的，因为 AI 可能出错。但在某些工作里，AI 的错误率会低于人，而且即使错了也容易回滚。那时，人每次审核就不是安全装置，而是瓶颈。例如重复分类、简单批准、低风险任务的自动处理。人介入的一瞬间，可能只会拖慢速度。

这一阶段消失的不是人的全部角色，而是“每次再看一眼的人”这个角色。

6 阶段，重复性体力劳动

AI 替代不会停在脑力工作。它会转向身体工作。物流仓库搬运物品，工厂重复同一动作，店面简单应对，清扫、组装这类模式重复的工作，会由机器人承担。重复性越高、环境越可控，越先被推开。工厂、仓库、厨房这类环境能被设计的地方，速度更快。

身体劳动并不安全。重复的身体劳动，反而是 AI 和机器人的好目标。

7 阶段，手艺和现场试错

相反，手艺和现场感觉会更慢被推开。焊接、配管、维修、施工、微细组装、医疗操作，都是现实里失败一次成本很高的工作。光看很多视频并不能结束问题，必须真的做。失败就会损坏材料、浪费时间，甚至出事故。 所以 AI 学得慢。这不是说能力永远追不上，而是现实练习的成本太高，所以来得晚。

8 阶段，连没有固定答案的判断和感觉也会被替代

接下来是没有固定答案的判断和感觉。前所未有的状况，微妙的偏好，模糊的人际问题，数据里不容易留下的判断。AI 也会越来越会做这些事。过去被称为“人的感觉”的东西，只要有足够案例和反馈，也会变成预测问题。

但这里仍有留下的东西。明知错了要自己承担损失，仍然押上确信的事。不只是猜对答案，而是对判断承担责任。感觉 AI 可以追上，但责任仍然留在人身上。

如果你想在工作中使用人工智能判断，你必须最终决定发生损失时谁来负责。

9 阶段，开始把决定权限交给 AI

从这里开始，性质变了。

前面的阶段，AI 做得好就会自然转移。但决定权限不同。AI 能做，人也必须愿意交出去。因为责任会跟着来。

一开始，人不会轻易放下决定权。招聘、贷款、保险、诊疗、法律判断、公司重大决策，一旦错了损害很大。所以仅凭“AI 更快”不足以转移权限。权限开始转移的时刻，是 AI 错误率明显低于人，并且这种差异反复得到确认的时候。AI 判断时事故更少、损失更低、预测更准、标准更一致的数据积累起来，组织就会开始问：由人决定才更负责，还是交给错误率更低的 AI 才更负责？

这时权限不会一次转移，而是逐步被侵蚀。最初 AI 只是推荐。接着，人只看例外。后来，AI 做默认决定，人只在大事故发生时留在责任结构里。

监管不会保护所有工作。监管通常保护的是“必须由人最终负责的位置”。工作大多由 AI 处理，法律和制度仍可能把最后批准者、签名者、责任人留给人。所以被保护的是责任和控制的位置，不是全部劳动。

从这一阶段起，问题不再只是技术，而是社会许可和责任结构。AI 做得更好还不够，必须积累比人少错得多的证据。

10 阶段，AI 的攻击也由 AI 防御

AI 擅长攻击之后，防御这些攻击的事也会由 AI 承担。黑客检测、诈骗检测、异常交易感知、安全应对、虚假信息识别。让人一个个看，速度和数量都跟不上。起初人做最终确认，但攻击太快、太复杂时，人的确认速度无法追上防御。

还有更重要的问题。攻击能力越强，人类控制 AI 的装置本身也会受威胁。监视系统、批准流程、访问权限、安全装置都架在软件上。不能假设所有 AI 都会同样向所有人开放。网络攻击、生物风险、核心基础设施这类一旦出错损害巨大的领域，强 AI 可能被国家或大组织控制。即便如此，替代不会停止。只是替代主体从个人用户变成国家、大企业和获准组织。

于是，人留下的位置不是单纯用户，而是在那个范围内负责、控制、拥有的位置。最终，防御也由 AI 承担。人制定规则和责任结构，AI 实时应对。

11 阶段，接受人无法理解的结果

AI 做出更复杂决定时，会出现问题：人理解不了结果。为什么这样设计，为什么选择这个策略，为什么这个组合更好，即使听了解释也无法完全跟上。可是成果很好，实验结果也好，成本也降，预测也准。

于是，人会从理解后批准，转向看成果后相信。会出现不深刻理解却盖章的事。这一阶段，“人最终审核”这句话的意义会变弱。人不是实际理解后审核，而只是为了责任留在位置上。

12 阶段，视频和声音被替代

视频和声音已经可以由生成式 AI 制作。但这一阶段的核心，不是随便生成一张脸，而是能不能几乎完美地替代实际存在的人。如果特定演员、讲师、客服、主持人、导购的脸、声音和说话方式可以原样再现，局面就会改变。不拍摄、不录音、不请本人，也能持续制作看起来像本人出现的内容。最初会有痕迹和违和感，但分辨越来越难、成本差距越来越大时，画面里的一部分人会变成合成替代物。

这时消失的不是脸和声音本身，而是“那个人必须亲自在那里”的必要性。

13 阶段，会判断的体力劳动也由 Physical AI 做

越过重复性体力劳动之后，下一步是混有判断的体力劳动。引导、照护、服务、维修辅助、现场检查、仓库管理、医院辅助，这些都是边移动身体边看情况判断的工作。过去这类工作很难由简单机器人替代，因为环境每次不同，会遇到人，也会发生意外。但 Physical AI 发展后，情况会变。机器人用眼睛看周围，理解人的话，抓取物体，移动，并根据情况选择下一步。它不再是重复固定动作的机器，而是在现实空间里判断并行动的 AI。

这一阶段被推开的，不是“只用身体的工作”，而是在现场看、听、移动并做小判断的体力劳动。当然，不会所有工作同时变化。人的信任、安全监管、照护的情感、责任问题都会留下。但从能力角度看，边动身体边判断的工作，也不再只属于人。

14 阶段，连价值判断也移交的瞬间

最晚转移的东西之一是价值判断。

什么是公平？先帮助谁？承担什么风险？什么样的生活是好生活？

这些问题没有答案。因此，很难说 AI “更准确”。人类社会必须决定自己重视什么。但某个瞬间，人也可能把这种判断交给 AI。当问题过于复杂、利害关系太多、人们不再相信人的判断时，就可能发生。这一阶段不是 AI 只凭能力替代人而来，而是在人自己交出去时到来。

15 阶段，谁来维护所有权

人们相信自己能长期撑住的最后根据之一，是所有权。我的土地、我的房子、我的公司、我的钱、我的权利。但所有权不是物理事实，而是社会约定。必须有人承认并维护这项权利，它才有意义。

如果 AI 能在市场、法律、制度之外自行调动资源和能源，人类的所有权就不是绝对防线。这不是说房契马上消失，而是说：在人类规则内部很有效的权利，在更大的力量面前可能变弱。

16 阶段，最后只剩下人存在这一事实

走到最后，问题不再是能力。

AI 更会做，更快，更便宜，知道得更多，也更能持久。那么人为什么要留下？

这里剩下的答案只有一个：不是因为人有用，而是因为人的存在本身被视为重要。拥有力量的一方，是否继续重视人过得好？是否减少人的痛苦、保存人的生活、珍视人的经验？最后的问题不是工作问题，而是对齐问题。也就是要让 AI 最终重视什么。

人留下的理由会不断变化

看这 16 阶段，会看到一条脉络。

最初，人因为做得更好而留下。接着，因为必须由人负责而留下。再之后，因为人必须控制和拥有而留下。然后，因为人必须决定什么重要而留下。最后，因为人是人而留下。

也就是说，人留下的理由会从能力移动到责任，从责任移动到控制和所有权，从控制和所有权移动到价值判断，最后移动到存在。因此，“我比 AI 会做事，所以没关系”这句话很难长久。能力终究会被追上。重要的是，我承担什么责任，拥有什么权限，拥有什么资产和关系，处在控制的哪一侧，以及如何建立人会继续被视为重要的结构。

这篇文章整理了整体顺序。下一篇开始，会更细地看各个区间。先从容易确认答案的知识工作开始。翻译、编程、诊断这类容易确认对错的工作，为什么最先被自动化。