“岗位正在被AI从任务层面瓦解。”这句话如果被普通职场人听到，多半会背后发凉。可偏偏说出这句话的人，手里握着全美国六分之一上班族的实时发薪记录——ADP的CEO玛丽亚·布莱克。她不但不紧张，反而劝大家换一个思考框架：与其忧心“我的岗位还会不会存在”，不如先拆开自己的日常工作，看看里面究竟装着哪些“任务”。
玛丽亚·布莱克掌管的ADP可不是普通的人力资源服务商。它掌握着约2500万美国人的薪资账户动态，这个体量相当于每6个美国雇员中就有1个人的发薪记录在她手里跳动。换句话说，她的数据屏幕能实时看到就业市场的微观心跳，而非等待劳工统计局那份延迟一个月的就业报告。就在本月初，ADP与斯坦福大学数字经济实验室联手推出了一个公开仪表板，取名“Canaries Dashboard”——金丝雀仪表板，寓意矿工用金丝雀监测危险气体。仪表板直接展示了一组令人不安的趋势：自2022年以来，在软件开发这类AI高度暴露的行业里，岗位数量最多减少了16%；同时，22岁到25岁年轻群体的在岗数量也在收窄。这些数字来自真实的工资发放，不是问卷抽样，也不是模型推算。
可她本人接受《财富》主编对话时，讲出来的逻辑几乎像是拆解一副乐高：把“岗位”这个概念剥开，里面其实是一堆具体任务的捆绑。她说：“拿一个给定的岗位，把它拆解开，变成一系列任务，再给每一项任务附加上对应的薪资。这才是未来引导工作世界走向角色融合和再培训的真正棱镜。”这话听上去技术味很浓，但翻译成大白话就是——HR部门不用再盯着有没有“前端工程师”这个职位，而是该去算一算，这个职位里有哪些任务正在被自动化吃掉，哪些任务还在增值。增值的任务会被慢慢捏合成新角色，薪水也随之重新分配。
这恰好击中了许多人对AI焦虑的根本误解。人们习惯把“AI夺走工作”当成一个完整的职位被抹除，但布莱克提供的实时数据支持的是另一种故事：岗位内部的任务正在重新洗牌。一个岗位里可能有30%的任务已经可以由大模型完成，但这只意味着那30%的时间被解放出来，而不是整个岗位被注销。所以她反复强调，停止谈论“工作消失”，转为放大那些增值任务。“Role convergence”——角色收敛，她用的这个术语，描绘的是一条现实路径：原本各自独立的几个岗位，因任务重新组合而收缩成一个复合型角色，人则需要在任务级上不断重塑技能。
这也是她对自己手下67,000名员工说的话。布莱克是ADP历史上第一位女性CEO，上任三年半，在可比性薪酬网站Comparably的2025年度CEO评选中排名第一，公司还连续登上《财富》杂志的行业领袖榜、全球最受尊敬公司和美国最具创新力公司等榜单。可她给内部的转型处方，听起来一点也不“总办”——她迷信的不是顶层战略，而是最前线的泥巴战。“转型只可能发生在前线，”她说，“这是一场从下往上涌的草根运动，不是从上往下推的指令。文化，是任何公司最重要的东西，尤其在这轮创新和转型加速期。”她自己在ADP的起点就是基层销售员，1997年入职，一步一步往上走。这个经历让她天然抵触“精英高管动嘴，基层动手”的AI落地模式。
顺着这个思路往下走，布莱克抛出了一个更刺人的提醒：别把AI的“自信”误认为真正的智能。她用的英文原词是“AI confidence”，指那些大语言模型输出时的笃定语感。她说：“人类智能关乎的是判断力、情境和视角——是处理灰度地带的能力。而这种能力，只能靠在真实世界里碰壁、与人连接才能学会。”紧接着她补了一句可以做成硅谷标语的话：“仅仅因为你能把某件事自动化，并不意味着你就应该把它自动化。”这句话如果印在一些大厂的内部墙上，也许能救回几支被砍掉的客户满意度团队。
如果把布莱克的整个思考画成一张图，核心就是那个“任务棱镜”：横轴是不断被AI渗透的任务百分比，纵轴是角色重新打包的速度。在棱镜的透视下，原本不可见的就业变化成了可见的“任务迁移图”。她从实时发薪数据中看到了年轻人岗位收缩、软件开发岗位缩水，却又看到了另一些需要灰度判断的任务需求在上涨——只不过这些上涨暂时还没有拼成新的职位名称。这个滞后就是市场的阵痛期。
这种任务视角也意外地给“老公司”找到了优势。就在同一场财富脑力风暴科技大会上，欧莱雅的首席创新官德尔菲娜·维吉耶-霍瓦斯说出了一句让传统企业扬眉吐气的话：“AI对老公司太友好了。”她的论据死死钉在一个点上：专属数据。欧莱雅手里握着40年的消费者研究数据，这个数据池让美妆巨头可以用三个月时间测试一款新分子的配方可能性，而过去这个过程动辄需要数年。“老”本身不是包袱，反而是AI时代的数据壁垒。某种意义上，布莱克的任务拆解观跟这个数据优势论是相通的——老公司过去积累的岗位任务拆得越细，用来训练专用模型或者辅助人机协同的养料就越多。新公司可以烧钱堆算力，但很难烧出40年持续记录的人类消费行为。
当然，市场并不总是原地等人拆任务。就在布莱克的对话刊出前后，美银在周一突然反转了之前的利率预测，一口气押注美联储将在9月、10月、12月各加息25个基点。背后的触发点是美联储理事凯文·沃什在上周联邦公开市场委员会会议后放出的意外鹰派信号。股票市场紧跟着就承受了一波全球性抛售，科技股领跌。这意味着一件非常实际的事：当企业还在琢磨怎么把“软件开发工程师”拆成“写单元测试”“设计架构”“评审代码”这几个任务，然后给每个任务标薪水时，宏观资金成本正在变得更贵。融资更贵，意味着实验空间被压缩，留给“通过任务再分配稳住人头”的策略窗口在收窄。
但玛丽亚·布莱克并不倾向把技术叙事与金融周期强行捆绑。她传递给67,000名员工的那套逻辑更像是在铺设一条底层铁轨：不管利率怎么起伏，只要组织能把工作从“岗位色块”还原成“任务颗粒”，每一次技术冲击都可以被重新计算为人力重组的机会，而不是大裁员标题里的数字。金丝雀仪表板的存在本身，就是要把这种计算开放成公共品，让企业、政策制定者和个人都能看到哪些任务在消失、哪些角色在萌芽，而不是等季度就业报告出来才发现某个群体已被甩下车。
所以下一次如果有人对你说“我这个岗位是不是快没了”，也许可以借用这位掌握六分之一美国人薪主动向的CEO的口吻回一句：先别急着看岗位，我们聊一聊你现在每天具体在做什么任务。毕竟，把“岗位”高高举起常常只会制造噪音，而盯紧“任务”这个最小的可迁移工作单元，才是今天唯一能抓在手里的生产力锚点。
热门跟贴