我用AI后的真实感受:任务被重新分配,招聘人数没有增加

打开网易新闻 查看精彩图片

我的工作量变了,团队人数没有跟着变

我用AI写提纲、整理资料和修改基础代码以后,最直接的感受是单项任务需要的人手变少了。同一份资料整理工作,过去可能需要两个人分工,现在我会先用AI完成初步归类和校对,再自己核查。这个变化很具体。团队即使业务增加,也未必马上增加编制。

打开网易新闻 查看精彩图片

Anthropic研究原图:不同暴露评级任务中的Claude实际使用占比

我没有把这个体验直接当成整个劳动市场的结论。个人效率、企业招聘和宏观就业是三个层面。个人体验能帮助我理解企业为什么暂不招人,公开研究和公司财报则用来判断这种感受有没有更广泛的依据。

资本开支先形成设备与设施订单

Alphabet在2026年三季度财报电话会上把全年资本开支指引提高到1950亿至2050亿美元,并说明大部分投入用于技术基础设施。Meta在2026年第三季度录得349.1亿美元资本开支。服务器、芯片、网络、土地、电力和数据中心建设会吸收大量资金。

打开网易新闻 查看精彩图片

Meta官方数据中心园区航拍图(埃尔帕索)

这些投入会创造工程、建设、能源、运维和设备制造岗位,却不会按投资金额等比例转成长期办公室职位。一座数据中心耗资很大,建成后的日常人员配置远少于建设阶段涉及的人数。我看到巨额投资新闻时,会先区分资金流向,再判断它可能影响哪些岗位。

企业先调整任务,不一定马上裁撤职位

Anthropic在2026年3月发布的劳动市场研究指出,实际自动化覆盖远低于模型理论能力。模型能完成某类任务,不等于企业已经完成流程改造,也不等于相关职业会立即消失。数据安全、责任划分、客户要求和输出核查都会影响实际使用范围。

打开网易新闻 查看精彩图片

Anthropic研究原图:不同职业类别的理论暴露与实际使用差异

很多组织会先让现有员工学习工具,把原需要多人处理的任务合并到现有岗位。招聘端表现为少招一个助理或少招一个初级执行,不是公开宣布取消某类职位。我在日常工作中看到的也是任务重新分配。招聘人数的减少往往发生在业务扩张之前,所以不容易被失业统计及时反映。

年轻人更早感受到录用变化

Anthropic的研究截至2026年初,没有发现高AI暴露职业自2022年底以来出现系统性失业上升。文章同时讨论了年轻人进入相关职业速度放缓的迹象。它引用Brynjolfsson等人的研究,提到22至25岁劳动者在高暴露职业中的就业下降6%至16%,变化更多来自招聘放缓,而不是在职者集中离职。

打开网易新闻 查看精彩图片

Anthropic研究原图:22至25岁劳动者的新工作入职率变化

这组数据不能推导出所有年轻人都在被AI替代。不同研究的样本和暴露职业定义并不相同。我更关注其中一个招聘现象。资深员工可以借助AI完成过去交给新人的基础工作,企业便可能减少初级岗位。新人少了获得经验的机会,后续晋升也会受到影响。

新岗位存在,兑现时间和门槛不同

世界经济论坛《未来就业报告2025》面向2030年的企业调查预计,AI和信息处理技术将带来1100万个新增岗位,同时替代900万个岗位。这是企业对未来的预测,不能写成现在已经兑现的结果。新增机会分布在模型研发、数据、基础设施、能源和各行业应用改造中,技能门槛也不相同。

打开网易新闻 查看精彩图片

Meta官方实景图:技术人员在数据中心维护线缆

我的判断是AI并非没有创造工作。现阶段投入集中在基础设施,生产率收益又常被用于控制新增人力,投资新闻与求职感受因此出现差距。我自己会更重视直接交付结果的能力,包括界定任务、检查输出、处理数据和理解业务。只会调用某个工具,很难形成稳定优势。