面对模型越来越强，岗位消失和白领阵痛，个人和企业该如何应对？

今天一早，被谷歌Gemini 3的发布刷屏了。大家都在感叹这是今年最强大模型。有人甚至直言：我们这一代人，可能刚刚站在了一个非常离谱的起点上。从今天开始，会不会写前端、会不会调框架可能没那么重要了。是的，大模型正在改变我们的运行规则。

实际上，近一个月以来，全球职场正经历前所未有的“白领淘汰风暴”。这场风暴的诡异之处在于，被淘汰者并非传统认知中的“低技能群体”，而是以本科及以上学历为主，覆盖开发、文案策划、中层管理、人力、财务、法务等曾被视作 “职场安全岛” 的中产岗位。费城联储的研究显示，高薪且要求本科学位的岗位，最容易被AI替代，远高于蓝领岗位平均水平。

而工信部《2025年人工智能就业白皮书》和麦肯锡《生成式AI的经济潜力》的最新数据显示，AI总体替代率已达23%，意味着每4个岗位中，就有近1个正被AI技术重构。这场关于职业安全的讨论，已从“未来预判”变为“当下命题”。

AI正在首当其冲冲击白领，一些岗位已进入“倒计时”。站在这样的节点上，个人与企业该如何主动应对？

01

“裁旧招新”，大公司战略重构

2025年10月，硅谷七姊妹开启了裁员风暴。但与以往不同的是，这次巨头们边裁员、边追加AI投资。以往裁员都是偷偷摸摸进行，算是公司“负面”，这次则大张旗鼓，股市不跌反涨。

值得警惕的是，这其中也夹杂一些企业为了短期盈利和市值拉高而进行的裁员，这种个体行为或将导致集体非理性的跟随。

亚马逊宣布全球裁员约1.4万人，冲击人力资源、广告，以及AWS云业务的非核心团队，其中人力部门裁员在10%以上，同时将2025年资本支出抬升至1250亿美元，其中约七成投向AI与数据中心，并在机器学习等核心领域高薪扩招。

Meta年初按绩效裁减约3600人后，9月再裁AI基础设施部门600人，但仍保留TBD Labs等大模型核心团队。

微软5月裁员6000人，受影响最大的是LinkedIn、Xbox及销售、市场、招聘等非技术岗和中层管理者；同期追加800亿美元投入AI基建，Copilot等生成式AI研发预算占比升至40%。

Salesforce7月裁撤4000个客服岗位，CEO公开确认AI已承担50%客服工作量，部门成本下降17%，并扩招提示词工程师、AI产品经理等新兴岗位，且薪资溢价约两倍。

同在今年，福特、摩根大通与埃森哲已将AI升级为运营核心并同步调整编制与预算。福特在4月成立了Latitude AI子公司，在采购、物流、财务流程全面植入生成式AI，目标在2026年前把整体运营费用率再降1.5%。摩根大通5月下发内部备忘录，除AI与数据科学岗位外暂停新增技术招聘，优先用LLM完成合规审阅和信贷风险报告。

埃森哲表示持续的裁员行动将延续到今年11月底；其AI和数据专业人员则从2023财年的4万人增长到目前的7.7万人；77.9万员工中，超过55 万人已经接受了Gen AI基础知识的培训。埃森哲CEO在电话会议上表示，如果员工无法掌握AI技能，等待他们的就是“被优化”。与裁员相对的则是增长的业务量，埃森哲财报揭示，2025财年AI相关新订单达59亿美元、涵盖6000多个项目。

02

白领岗位的软肋

除了“无情的机器人”可以24小时稳定工作外，在工信部等白皮书中指出，白领岗位相对AI的弱点，可以归结为高度规则化和替代性成本低。

首先，许多所谓“白领核心工作”，本质上是可结构化的标准流程。比如，在财务领域，根据报道财务机器人三分钟即可完成月度报表；数据录入员与初级会计的替代率均达90%；四大会计师事务所已裁减30%基础审计岗。

法律领域的智能产品处理500页文件仅需3分钟，法律文书助理替代率60%、专利检索员替代率55%，岗位萎缩。某律所初级律师因不熟悉法律科技工具，被迫转行。

病理分析方面，AI系统的读片速度和准确率已逐步接近专业人员，病理切片分析员替代率达到65%。

在客服领域中，根据报道，有企业提到智能客服可用来解决90%售后问题；另一家公司宣传AI客服系统日均处理200万通电话，重复问题自动解决率92%；电话客服替代率已达85%，在线文字客服替代率达70%。工信部《2025年人工智能就业白皮书》的数据，电话客服岗位替代率达 85%。

其次，成本核算显示出白领岗位的“性价比崩塌”。Salesforce裁撤4000个客服岗位后，年节省约2000万美元，而相应AI系统的部署成本仅800万美元，6-9个月即可回本。

麦肯锡在《生成式AI的经济潜力》报告中预判：生成式AI每年可为全球经济新增4.4万亿美元价值，但将重塑63个行业的核心岗位，其中75%的新增价值来自营销销售、客户运营、软件工程和研发，这些正是白领群体最集中的领域。

03

“幸存者”和下一个风暴点

目前，仍难被AI完全取代的岗位，集中在强人际交互与高度原创两类。强人际交互类包括心理咨询师、高端销售（客户关系维护）、个性化教育工作者与养老护理员——这些岗位依赖情感共鸣与个性化服务。

高度原创类则涵盖原创艺术家、科研人员、非遗传承人、战略顾问等，这些工作需要跨领域思考与原创性突破，超出当前AI的能力边界。

另有一类“AI协作”岗位，AI训练师、提示词工程师、AI伦理审查员等，它们直接服务于AI生态，需求持续增长。

AI代码合规审查员已成为微软、亚马逊等公司的新增核心岗位，负责审核AI生成代码的合规性与安全性，防止算法歧视。多家企业包括亚马逊与埃森哲正在扩招的人机协作管理员，负责监督AI系统运行并处理复杂异常情况，例如AI客服无法解决的投诉，职位要求“懂行业且会用AI工具”。

但是，也有一些现在看似稳定的职业或将遭遇挑战。随着能力指数级提高，AI对创造型人才的替代速度和替代程度可能会超出人们的认知。去年，由Sakana AI、牛津大学Foerster实验室、加拿大不列颠哥伦比亚大学团队联合开发的AI科学家系统，能独立完成从研究思路生成、代码编写、实验执行到论文撰写的全流程，单篇论文成本仅15 美元（约107.62元人民币）。

OpenAI的技术布局也在重塑科研职场生态。奥特曼在直播中展示的下一代模型原型“Omega-3”，已在数学推理、跨模态理解和自主实验设计等领域实现突破，标志着AI从科研辅助工具向“准研究者”转型。OpenAI预计，到2026年9月，AI将能胜任“实习研究助理”级别的工作，并在 2028年前发展成一名完全自动化的“合格AI研究员”。

由于人工智能带来的科研新范式，研究领域或将是下一个暴风点。

04

工业革命与AI时代的新工种

实际上，技术对就业市场的冲击从未停歇，从工业革命时期的机器取代手工劳动，到当下AI吞噬白领的工作，两次变革本质都是生产力跃迁引发的“创造性破坏”。

工业革命的替代核心是解放“重复性体力劳动”，集中冲击了纺织业。1806-1817年间，英国约克郡剪绒工厂从5家增至72家，剪绒机器从100架暴增至1462架，3378名平绒工人中，1170人完全失业。工厂增加、工人减少的同时，工资也在下降。在英国兰开斯特郡，一名织布工的周薪从1800年的25先令，暴跌到1811年的14先令。生活困境直接催生了砸毁织布机的卢德运动等。

AI的替代核心是解放“重复性认知劳动”，且呈现跨产业、高速度、高学历指向的特点。值得注意的是，AI替代有“局部替代彻底、全面替代有限”的特征。美国Scale AI与Center for AI Safety的联合研究显示，尽管AI在特定任务中表现亮眼，但真实工作场景中的自动化率不足 3%，复杂任务中因无法验证交互效果、修正错误，AI的交付合格率远低于人类。

工业革命在摧毁旧岗位的同时，也催生了全新的就业生态。19世纪上半叶，英国大规模城镇化，工业就业占比迅速增长，“技术依附型”岗位爆发，产业规模的扩张也催生了管理型岗位。

AI的就业创造效应也呈现出“速度快、跨度广、技能密集”的特点。生成式AI从技术突破到催生提示词工程师、AI伦理审计师等新职业仅用时18个月，OpenAI生态系统已孵化出超过200种新型职业，涵盖模型微调师、对齐工程师、AI工具和Agent集成工程师、AI产品项目经理、AI体验和UX设计师、Agent生态运营经理、AI部署落地工程师、GPT Apps 开发者等。

中国的就业结构变化尤为显著，自2019年以来，人社部会同有关部门发布了五批共74个新职业，其中包括大数据工程技术人员（2019年发布）、人工智能训练师（2020年发布）、智能硬件装调员（2021年）等。

05

技能焦虑蔓延，如何破局？

尽管有新的工种出现，但劳动者的技能焦虑正在加速蔓延。2024年盖洛普调查显示，近25%的劳动者担忧工作被AI取代（2021年仅为15%）；与此同时，市场对AI技能的学习需求激增，多家在线教育平台披露AI课程注册量与学习时长高速增长，个别平台增幅达三位数以上。

埃森哲2025年披露已为55万名员工开展生成式AI基础培训。企业提供在岗培训与转型本应成为核心解法，但实际进展仍远滞后于需求。

美国培训行业报告显示，2024年美国企业在员工培训上的总支出约980亿美元，人均培训支出774美元——这一数字虽不算低，却难以追上技能需求的快速迭代，技能缺口依然严峻。

破解困局需要三方发力：其一，构建“全社会短训网络”，以需求为导向推出“AI+行业”速成班，快速输出复合型技能人才，尤其鼓励企业提供在岗培训。

人们可以关注国家相关部门的政策和动作，例如，2025年起人社部推动全体专业技术人才的人工智能通识继续教育，地方层面也有配套动作，比如河南出台计划，2025~2027年年均开展 AI应用培训超5万人，并将AIGC应用培训纳入职业培训补贴范围。此外，各地涌现出一批培训主体，且大多与企业合作提供实习就业通道，就业比例较好。

其二，推动企业“转型即孵化”。与其简单裁员，不如将老员工转化为转型“种子”。

例如，有安全技术公司发起“智能体合伙人计划”，鼓励一线员工就地转型，学习AI技能，把经验构建为智能体，辅助岗位工作。有企业将质检员工，培养为质检数据标注员，并筛选有潜力的员工定向培养为“行业垂直标注师”，专攻细分场景；在企业AI转型的同时，将这批员工独立组建为专业标注服务公司，既承接母企业需求，又对外输出技术服务，形成“内部造血+外部赋能”的良性循环。有企业本身有人才学院，面向下一代数字经济培养相关AI人才。

其三，个人层面锚定 “AI+专业”，强化不可替代性。中国劳动和社会保障科学研究院大数据和政策仿真研究室主任张一名，在分析人工智能变革劳动力市场时指出，技术与业务深度融合的复合型人才正在成为市场主流，这一趋势未来只会更强。

在此背景下，个人既要把主流AI工具真正嵌入本职工作，让专业能力在效率与产出上形成可量化优势；又要在关键环节提升AI难以替代的能力，例如法律从业者加强AI生成文书的复核与伦理判断能力；同时可通过跨领域培训打造复合技能标签，如“财务＋数据分析”或“运营＋Prompt 工程”。把“不可替代性”变成职业壁垒，在岗位重构的周期中保持更强的流动性和上升空间。

这些路径未必能立竿见影消弭焦虑，却为“人机协同”时代的技能转型提供了更务实的注脚。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8oP30LHC3Co