“第一个消失的职业”这类说法近年时常出现。前两年，不少人押的是幼师和快递员，理由是孩子越生越少、无人车越来越多。
但从现有数据和产业动向看，最先承压的未必是这些一线岗位，更可能是写字楼里按规则办事的白领工作，尤其是企业内部负责收集、整理、汇报和分发信息的岗位。
其中包括部分中层管理岗位。
承压的是谁是一层，凭什么这么判断是另一层。
判断的依据不在情绪，在两条产业动向：一是AI产业的竞争重点正从模型跑分转向实际执行和用户分发；二是已有企业开始借助内部系统压缩管理层级。
同时，这一过程伴随着安全风险、效率存疑和入门岗位减少等问题，不宜简单理解为“AI取代人”。
幼师的处境常被误读。
幼儿园确实在减少，2023年至2025年分别比上一年减少1.48万所、2.11万所和2.14万所，但原因是出生人口下降，与AI无关。
幼师面对的是人口问题，不是算法问题。
快递员也不在最先承压之列。
世界经济论坛《2025年未来就业报告》预测，到2030年，农场工人、送货司机和建筑工人等一线职位的绝对需求增长最快。
无人车虽然已经出现，但爬楼、敲门、处理“别放驿站”这类要求，机器仍难以胜任。
同一份报告指出，出纳员和行政助理等职位仍是减少最快的职位，平面设计师一类职位也将随生成式人工智能的发展而快速减少。
客服和会计是更直观的例子。
查物流、问退货、改套餐，AI几秒就能回复，人工主要留下来处理投诉和纠纷。记账、对票、做凭证、报基础税这类规则清晰的工作，财务软件早已在做。
而这恰恰是刚入行的年轻人的主要工作，冲击也最先落到他们身上。
公共部门同样出现了变化，但需要准确看待。
福田区副局长明确表示，“AI数智员工”是AI助手，不能单独决策，不能算是“AI公务员”，而且每个都配有“监护人员”。被替代的主要是格式校对一类事务，并没有把窗口人员整体换掉。
从总量看，世界经济论坛估算，到2030年将有22%的就业机会面临变革，新创造岗位1.7亿个，被替代岗位9200万个。
上海科技大学团队的报告认为，AI不会完整淘汰某一种职业，而是拆分、改写岗位内部的单项任务。
但岗位名称即使保留，大部分任务被拆走后，需要的人数也可能明显减少。
受挤压最明显的，是夹在中间、按规则办事、靠熟练程度吃饭的那一层白领。
这种结构性变化的背后，是AI产业自身的转向。
谷歌开放模型、阿里面向智能体的产品路线和微软自研模型，可以被看作竞争重点转移的信号：比拼的不再只是模型跑分，而是实际执行能力。
由此推论，AI工具可能逐渐从回答问题的助手变成能完成任务的系统，员工在工作流程中的位置也会随之改变，一部分人可能从亲自创作转向监督和核验。
微软一边继续依赖合作伙伴，一边发展内部模型，既能降低成本，也能分散对单一供应商的依赖。
产业链上合作与竞争并存，云平台、模型开发者和应用企业都在重新划分边界。
竞争还延伸到“注意力入口”。对于OpenAI收购科技媒体TBPN，一种解读是：模型能力差距缩小后，谁能触达用户、谁来解释技术进展，本身就可能成为竞争的一部分。
如果AI公司既参与竞赛，又掌握重要媒体渠道，行业信息的独立性和竞争对手的表达空间都值得关注。AI深入工作流程，也带来新的风险。
据公开报道，攻击者在代码托管平台发布仿冒的Claude Code仓库，利用开发者对AI工具的需求诱导下载，恶意程序随后窃取凭证，还可能把受害者的设备变成攻击他人的代理节点。
工具越深入企业的代码和系统，使用者越需要核验来源、权限和更新渠道。
同样的供应链逻辑也延伸到医药和芯片：把药物生产纳入贸易施压，可能推高研发、生产和患者用药成本；美国加强高端AI芯片出口限制，中国本土厂商加快填补缺口，算力供给可能逐渐分化为不同的技术和数据生态。
AI对公司组织的改造，重点体现在裁员所针对的环节上：企业内部的信息中转。
一份工作如果能拆解成“收到A就做B，遇到C就填D”的规则，就可能被写进系统，这与是否在编、学历高低的关系并没有想象中那么大。
已有企业开始借助内部系统压缩管理层级。
这种做法也带来疑问：效率提升是否真实尚待观察，而系统出错时，仍需要有人承担后果。
此外，把几千名员工的汇报集中到一个系统中，本身也会带来新的集中化风险。
岗位变化不只表现为裁员。随着AI进入工作流程，企业开始需要提示词与流程设计、模型评估、数据治理、AI解决方案和医疗模型审核等工作。
这类新岗位可能由非程序员承担，重点是教团队使用系统、发现模型错误，并把AI接入具体业务。
另一种变化不容易从裁员公告里看出来：企业减少初级岗位招聘。这可能让刚毕业的年轻人失去积累经验、进入行业的机会。
对个人来说，除了学会使用AI工具，还需要培养判断、协作、沟通和处理复杂问题的能力。
整体来看，几种变化正在同时发生：
AI降低了某些工作的成本，也放大了代码安全、供应链和信息权力方面的风险；
企业可能削减旧岗位，同时创造新职位；
效率工具能帮到员工，也可能让工作节奏更紧、初级岗位更少。
但关键不只在于模型能做什么，还在于企业如何分配技术收益、由谁监督系统，以及被替代的员工能否转入新的工作。
热门跟贴