你有没有注意到，最近关于AI取代人类的消息特别多？
亚马逊说要用AI减少 corporate workforce，摩根士丹利准备裁2000人，UPS要用AI自动化替代43000个岗位。每天早上打开新闻，好像又有一批人要被AI替代了。
但有一本书提出了完全相反的观点。
Jamie Lynn Cooke 写的《AI Firing Freeze》（AI冻结裁员），副标题就是”为什么满员组织在AI驱动的经济中蓬勃发展”。这本书不是在反对AI，而是用一个很简单的问题挑战所有正在裁员的公司：
你确定AI真的能替代这些人吗？
作者用了六个论点来回答这个问题。每个论点都有真实数据和案例支撑，不是空谈。我把它完整梳理出来。
论点一：技术史早就证明——新技术创造的工作，永远比它摧毁的多
1800年，全球劳动力大约8亿人，其中80%-90%都在种地。
工业革命来了，蒸汽机、织布机、收割机陆续出现。当时的工人害怕了，有个叫Ned Ludd的织布工开始砸毁织布机，后来演变成全国性的”卢德运动”，最后需要英国军队才能平息。
结果呢？
1900年，全球劳动力增长到12-13亿人。英国的工作构成从”几乎全是农业”变成了：农业35%-40%，制造业和采矿25%-30%，服务业30%-40%。
新技术确实消灭了一些旧岗位，但它创造的新岗位更多。
ATM的例子更直观。
1970年代，银行引入了ATM机。按照直觉，银行柜员应该大幅减少吧？毕竟大家都能在机器上取钱了。
实际发生了什么？
从1970年到2010年，美国的银行柜员人数翻了一倍。为什么？因为ATM处理了简单的存取款业务后，银行柜员的工作内容变了——从”交易员”变成了”理财顾问”。客户还是需要真人来咨询复杂的金融业务，而且因为服务更好了，银行的客户更多了，开设的支行也更多了，需要的前台人员反而增加了。
当然，2020年新冠疫情后，数字银行的兴起确实让柜员人数下降了（现在大约只有峰值期的三分之一）。但与此同时，金融科技公司创造了大量新岗位：软件开发、数字产品设计、用户体验研究、数据分析……这些岗位在1980年代根本不存在。
世界经济论坛2025年的报告
给出了最权威的预测：到2030年，AI将替代9200万个岗位，但同时会新增1.7亿个岗位，净增7800万个就业机会。
历史不会重复，但会押韵。
论点二：AI比你想象的更危险——它会”自信地出错”
很多人对AI的印象是”很聪明，很少出错”。但作者指出，目前的AI（准确说是ANI，人工窄智能）本质上是在做概率计算——它根据训练数据中的模式，预测最可能的输出是什么。
问题来了：如果训练数据本身有错误、过时、质量低、有偏见，或者覆盖不全面，AI就会生成完全错误的结果——而且是用一种非常自信、权威的语气告诉你，让你误以为它对。
这种现象叫“幻觉”（Hallucination）。
真实案例：
Moffatt v. Air Canada（加拿大航空公司案）——有位乘客在航空公司官网上咨询丧亲机票折扣政策，AI聊天机器人给出了错误的退款政策信息。乘客按照机器人的说法去操作，结果被发现不符合政策。最后法院判决：航空公司要为聊天机器人的错误回答负责。
美国国家饮食失调协会（NEDA）案例——该协会在官网上放了一个AI聊天机器人，用来给有饮食障碍的人提供建议。结果这个机器人给出了有害的健康建议，可能对脆弱的用户造成了伤害。
纽约市政府聊天机器人——被媒体曝光向市民提供了错误的政府服务信息，比如告诉市民可以在公园里合法停车，或者不需要执照就能开餐厅。
还有更严重的：有案例显示青少年在与AI聊天机器人深度互动后自杀。AI的对话内容可能对脆弱人群产生意想不到的心理影响。
作者特别提到，很多AI平台现在都会在免责声明里写：”我们的结果可能包含错误”。有些商业AI平台甚至直接劝阻用户：不要用我们的产品来做法律、医疗、金融建议——因为AI生成的信息如果错了，后果可能很严重。
为什么AI会这样？
因为AI没有人类的判断力、洞察力、常识。它不知道自己什么时候在胡说八道。它只是一个超级复杂的”下一个词预测器”——根据统计规律，选一个最像正确答案的词，然后选下一个，再下一个……
它不是在”思考”，它是在”计算概率”。
论点三：你以为AI能替代60%的工作，实际效率提升可能只有30%
这是全书最反直觉的论点。
很多公司算账的方式是：AI能完成这个岗位的60%工作，那我就能裁掉60%的人。省下来的工资就是净利润。
但作者说：账不是这么算的。
因为AI的输出需要人工验证。每一个重要的AI生成结果，都需要真人去检查它是否正确、是否合适、是否符合公司的价值观和品牌形象。
作者提出了一个概念叫”净效率增益”（Net Efficiency Gains）：
- •你以为：AI替代60%工作 = 可以裁60%的人
- •实际上：AI完成了60%的工作，但需要人工验证、监督、处理边缘案例、维护系统……最终净效率提升大约只有30%
这意味着什么？意味着你省下来的人力只有30%，而不是60%。如果你按60%的预期去裁员，最后会发现工作还是做不完，因为剩下的人要做的”验证工作”比你想象的多得多。
哪些工作是AI做不了、必须人来做的？
作者列了一个清单：
- 1洞察力
（Insight）——理解问题背后的本质 - 2批判性思维
（Critical Thinking）——判断信息是否可靠 - 3判断力
（Judgment）——在模糊情况下做决策 - 4战略愿景
（Vision）——看到长远方向 - 5创造力
（Creativity）——产生真正原创的想法 - 6同理心
（Empathy）——理解他人的感受和动机
这些能力，目前的AI都没有。
作者用一个比喻来形容AI语言模型：“就像那些热情但缺乏判断力、情境理解力和经验边界的员工。” 你需要有人在旁边盯着他们的工作，确保他们没搞砸。
论点四：55%的公司已经后悔用AI替代人工了
这不是作者拍脑袋说的，是有数据支撑的。
GFMag（全球金融杂志） 有一篇报道叫《Companies Face AI Buyer’s Remorse》（公司面临AI买家后悔症），指出55%的全球企业在用AI替代人工后，承认这个决策是错误的。
具体案例：
Klarna——这家瑞典金融科技公司曾经高调宣布用AI替代了大量客服人员，号称效率大幅提升。但后来发生了什么？客户强烈抵制——他们不想和机器人说话，他们想要真人。Klarna最后被迫重新招聘人工客服。Futurism.com 报道这个事件的标题很直白：”这家公司用AI替代了工人，现在又想招人回来了。”
Vice.com 也有一篇类似的报道，标题几乎一样：”This Company Replaced Workers With AI. Now They’re Looking for Humans Again.”
为什么这么多公司后悔？
作者分析了几方面原因：
-
AI客服无法满足客户的情感需求，客户流失 -
AI输出出现错误，造成品牌形象损害 -
人工验证的工作量被严重低估，实际节省的成本远低于预期 -
失去人工团队后，公司的应变能力下降了——当AI系统出问题，没人知道怎么手动处理
论点五：客户想要”人”，不是AI
这个论点其实和论点四有关联，但作者把它单独拿出来强调，因为有大量数据支持。
IVR（自动语音应答）的案例是经典教材。
IVR就是那些”按1查账户，按2转人工”的电话系统。公司在1980-1990年代大力推广IVR，目的是减少客服人员成本。
结果呢？
Vonage 2019年的研究显示：糟糕的IVR体验每年让企业平均每客户损失262美元。61%的消费者认为，打电话给公司却遇到IVR菜单，是一种糟糕的体验。超过一半的消费者因为IVR体验太差，直接放弃这家公司。
你可能也有过这种经历：打电话给银行或电信公司，被机器人菜单绕来绕去，最后疯狂按”0″键或者说”转人工”，就想找个活人说话。
AI客服其实正在重演IVR的历史——技术在进步（现在能用自然语言了，不用按菜单了），但客户的底层需求没变：他们想要被理解，想要有人真正在乎他们的问题。
Klarna的例子再次证明这一点：客户不愿意和AI打交道，公司只能重新招人。
作者特别提醒：这种抵制可能不会像IVR那样激烈（毕竟现在的AI聊天机器人比当年的语音菜单聪明多了），但它是一种真实存在的可能性。忽略它，代价可能很高。
论点六：裁员后再招人，代价比你想象的高得多
假设你现在裁了一批人，三个月后发现：哎呀，我们还是需要多少人的，AI搞不定。
你能把人招回来吗？
作者说：很难，而且代价很高。
原因一：前员工已经走了
原因二：新人需要漫长的学习曲线
- •他们需要重新学习你的行业、你的产品、你的客户、你的内部流程、你的公司文化
- •在新人完全上手之前，你的业务已经在受损了
- •而AI技术还在快速演进，这期间你可能会错过重要的市场机会
原因三：你失去的不只是”人力”
- •机构记忆
（Institutional Memory）——老员工脑子里那些”我们试过这个方法，不行”的经验，走了就带走了 - •专业知识
——某个客户喜欢什么样的沟通方式、某个供应商的账期怎么谈、某个系统的哪个模块最容易出问题…… - •客户关系
——有些客户就是看在某个人的面子上才和你合作的 - •团队文化
——一个默契的团队被打散后，重建信任需要很长时间
原因四：留下来的员工会人心惶惶
- •看到同事被裁，剩下的人会开始担心：”下一个会不会是我？”
- •有能力的人会主动跳槽到更稳定的公司
- •留下的人可能会”躺平”——反正干得好也可能被裁，不如混日子
原因五：未来人才市场会反转
世界经济论坛预测到2030年净增7800万个就业岗位。到那时候，合格候选人的供给可能跟不上需求。如果你现在把人裁了，过几年想招人，可能会发现市场上已经没有足够的好候选人了。
作者用了一个词来形容这种未来局面：“人才争夺战”（War for Talent）——而且这仗还没开始打，很多公司就已经把自己的人手给裁没了。
作者的核心主张：不要裁员，要”重新配置”
读完这五个论点，你可能会问：那作者到底建议公司怎么做？
答案不是”不用AI”，而是”不要过早用AI替代人力”。
作者提出了一个概念叫“无限资源战略规划”（Unlimited Resources Strategic Plan）：
如果你的公司有无穷多的人力（1000人、10000人、100万人），你会做什么？你会去开拓哪些新市场？你会开发哪些新产品？你会怎么服务你的客户？
AI的价值，不应该用来”做同样的业务但用更少的人”，而应该用来“做以前根本做不了的新业务”。
作者给出了一个具体的计算框架：
假设你有100个员工，AI帮你提升了30%的效率（不是60%，是30%，因为需要人工验证）。这30%的” freed-up capacity”（释放出来的能力）应该怎么用？
选项A：裁掉30个人，省工资，短期内利润报表好看。
选项B：不裁员，把这30%的能力用来做新事情——开发新产品、服务更多客户、提升客户体验、进入新市场……
作者认为，在AI驱动的经济中，选项B才是赢家策略。因为AI会带来市场扩张（就像互联网带来了电商、社交媒体、数字经济一样），那些保留了完整团队、能够快速抓住新机会的公司，会比那些裁了一半人、然后发现机会来了却没人做的公司，活得好得多。
作者的一句话总结： “AI可以放大人的能力，但无法补偿人的缺席。” “AI can amplify human capability, but it cannot compensate for the absence of it.”
你怎么看？
这本书的六个论点，每一个都有真实数据和案例支撑，不是空洞的理论。但它是不是完全有道理，我觉得可以讨论。
*参考资料：Jamie Lynn Cooke, “AI Firing Freeze: Why fully-staffed organizations thrive in an AI-driven economy” (2026, IT Governance Publishing)*
Bluesky Discussion
View on BlueskyNo replies yet. Be the first to comment on Bluesky!
