最近到客户公司驻场服务，发现一个现象：经理级别以上的，基本不怎么使用AI，也多数不懂怎么使用，而执行层，尤其是那些文案、设计、做短视频剪辑的“牛马们”，反而用得最多。

  这让我想起之前看的谷歌一份报告中写到，有高达90%的软件工程师已在工作中使用AI，OpenAI的数据也表明，近40%的工作对话与写作辅助相关。

  自AI爆发以来，这个工具好像以前所未有的速度渗透进执行层工作的每一个缝隙。

  但一个悖论也随之浮现：当AI这把“利器”宣称要解放生产力时，为何手握它的“牛马”们没有变得更轻松，反而显得更忙碌了？

  微软对此也有过研究，指出AI对翻译、销售等职业的覆盖率和成功率已高达80%以上……

  实际上，我们根本没办法将AI视作一个中性的工具，它正在敏锐地放大职场固有的矛盾与结构——效率提升的红利，未必导向执行者的阶层升迁，反而可能通过更精细化的任务分派、更快的节奏期望，无形中加固了他们“牛马”的岗位命运。

  你肯定见过这种场景，或者你自己就是亲历者：以前写代码，一天吭哧吭哧产出几十行，现在有了AI辅助，老板的期望值立刻水涨船高，一天100行成了新基准。

  谷歌CEO桑达尔·皮查伊沾沾自喜地宣布，AI工具让自家工程团队的开发效率提升了10%。

  在老板们眼里，不过是意味着你应该在同样的时间里，多产出10%的代码、10%的文案、10%的设计稿。

  我认为，只能是资本和企业，而非具体执行的个人。AI就像一台动力更强劲的水泵，而基层员工就是那口被抽得更猛的水井。你出的水多了，但井本身的境遇并没改变，甚至因为透支而更显疲态。

  谷歌自己的报告就显示，只有20%的工程师对AI生成的代码“非常信任”，将近一半的人（46%）只是“有点信任”。

  OpenAI的用户数据也印证了这一点：当你让AI帮你查资料、给思路（“询问”类任务）时，体验很好，满意度高；但一旦你放手让AI去“执行”一个复杂任务，失望往往随之而来。

  谷歌的Ryan J. Salva说得还算中肯，当前AI水平大概在3到4之间（满分5），它能帮忙排错，但离不开人工审核和“多重安全网”。

  那意思，就是AI帮你写完代码，你不仅没省事，反而要打起十二分精神去审查这些海量产出，生怕一个隐蔽的bug导致线上事故。以前是亲手造轮子，心里有底；现在是流水线给你喷涌而出无数个半成品轮子，你得一行行地筛选、调试、修改。

  这是一种典型的“隐性剥削”——你的劳动强度从体力转向了脑力，焦虑感从“干不完”转向了“怕出错”，本质上，你被卷进了一场更精致、更耗神的内耗之中。

  如果说这种“隐性剥削”是AI带来的一种冲击，那么还有另外一种较为痛苦而必须面对的危机，则是技能分化与权力的转移。

  微软研究了20万条AI对话，发现了一个关键区别：高学历、高段位的专业技术人员，把AI当“顾问”，他们提出精准、具体的问题，寻求的是策略、框架和高级灵感；而很多基层员工，则习惯性地把AI当“代笔”，输入“帮我写份报告”这种模糊指令，得到的只能是平庸、需要大改的垃圾稿。

  背后的差距，除了工具使用的熟练度影响之外，还有认知层次和提问能力的实际区别。

  管理层因为工作需要，长期进行战略思考、框架规划，这些能力暂时难以被AI替代（Salva也承认软件开发的关键环节无法自动化），所以他们能驾驭AI。而执行层如果只会用AI来打杂代劳，久而久之，那些基础的执行能力会退化，但高阶的思考能力又没建立起来，就会彻底被困在“工具人”的陷阱里，技能反而变得单一化。

  于是，一个可怕的“认知鸿沟”就出现了：管理层因为掌控战略，依然手握权力；而执行层尽管工具玩得溜，却可能因为可替代性强而话语权下降。

  你每个月可能只需花几十块钱去订阅一个AI工具，但对你公司老板而言，已经算是一本万利的买卖了。谷歌的AI工具价格从免费到每月45美元不等，这点成本，相比于一个动辄月薪数万的程序员或设计师，几乎能忽略不计。

  只是，我们通过微软的研究，看到一个扎心的现象，即AI对职业的影响，和这样一个职业的平均薪资高低关联极弱。

  也就是说，AI正在系统性地、无差别地提升各行各业的效率，但这种效率提升带来的利润，并没有相应地反馈到员工的薪资单上。

  而当我们现有的职场结构和绩效考评方式，遇到以“提升效率”为名的AI时，非常容易就异化成一台更高效的“牛马”生产器。

  它放大了原有的矛盾，执行者期待解放，管理者追求压榨；工具在进化，生产关系却停滞不前。结果就是，AI在手，牛马们跑得更快，身上的犁具也更沉。

  如果我们意识不到这场“效率游戏”背后的权力规则变化，可能连抱怨“卷”的资格，都会在未来某一天悄然失去。

  是，他们的确热衷于在战略会上谈论AI的宏大叙事，可连最基础的AI工具其实都未曾亲手操作过。

  一个BUG就这样出现了，制定工作流程和考核标准的人，根本不了解执行工具的实际能力与局限。他们可能以为AI是万能的，于是下达不切实际的任务指标；或者他们根本低估了AI的潜力，无法为团队整合出真正高效的“人机协作”新模式。

  它会让企业的AI投资事倍功半，甚至加剧内部矛盾。看看谷歌是怎么做的？其内部“绝大多数团队”已将AI嵌入从编写文档到代码编辑器的所有环节。企业一定强制管理层下沉学习，让他们像当年学习用PPT和Excel一样去亲手使用AI。否则，就会重蹈许多传统企业数字化转型失败的覆辙——钱花了，系统建了，但思维没变，最终一地鸡毛。

  放眼短期（未来1-3年），趋势已经很清晰，AI对执行层，尤其是脑力劳动者的渗透会更深。微软的一些数据已给各类职业贴上了“AI适用性”标签，像翻译、销售、编程这些岗位，AI的覆盖率和成功率都已很高。所以，“AI熟练度”将迅速成为简历上的硬通货，是入职的基本门槛。

  而那些暂时无法被自动化的体力岗位（如洗碗工、护理员），反而获得了一个短暂的“安全期”。

  而从长期（5年或更远）来看，企业会面临一个十字路口。如果继续当前这种简单粗暴的“压榨式”应用模式，只知道用AI给员工堆任务，而不重构组织架构，那么很可能引发大规模的“牛马”倦怠潮，最终损害的是企业的创新根基和稳定运营。

  我的意思，不是让AI完全外包任务，而是让它扮演灵感激发器和超级辅助的角色。例如，利用AI进行头脑风暴、生成初步方案、处理海量信息，而让人工专注于最核心的战略判断、情感沟通、创意整合和最终决策。

  同时，企业的考核指标必须改变，不能只盯着效率提升百分比，更要量化AI对员工工作幸福感、创造性和职业成长的影响。例如，是让员工从重复劳动中解放出来去做更有价值的事，还是仅仅让他们在AI的驱动下变得更忙、更焦虑？

  那些只把AI视为成本削减工具、企图用“更少的牛马拉更重的车”的企业，最终可能会被AI的反噬力所伤——员工流失、创新枯竭。

  而那些能将AI与人才价值提升相结合，愿意投资于管理层认知、并精心设计人机协作模式的企业，才能真正驾驭这股浪潮，走向一个更智能、也更人性化的未来。

  这种改变的权利，首先掌握在企业的决策者手中。他们的选择，将决定AI是成为一个加剧内卷的帮凶，还是一个释放人类创造潜能的伟大工具。

  它让我们在追求效率的狂奔中，越来越深地绑定在由算法驱动的工具链上，却可能逐渐忘记了我们工作的初衷——是为了创造，未解决问题，为实现价值，而不单单是为了更快地产出代码、文案和PPT。

  我们的注意力全部被“审核AI产出”、“追赶AI提速后的Deadline”所占据时，实际便已丧失了思考“为何而工作”的宝贵空间。

  既如此，那在这个AI轰鸣的时代，我们每个人，究竟要如何避免沦为更高效、更疲惫的“牛马”？

  这恰恰是OpenAI报告中高学历、高收入者善用AI的秘诀，他们不把AI当作替你干活的“外包工”，而是将其视为一个能够激发灵感、提供备选方案、进行快速头脑风暴的“顾问”。

  在这个时候，核心竞争力，就从掌握某种技能，向提出好问题的能力、进行批判性思考的能力，以及将AI的产出进行整合、升华的能力发生转变。

  例如，如何重新设计工作流程，平衡效率与人性？这个真的太重要了。这在某种程度上预示着，考核指标不能只有“工作量提升了多少”，更要有“员工创造力与满意度变化了多少”。

  企业需要投资于管理层的AI素养，让他们能制定出激发人机协作潜力的战略，而不是简单地把AI任务压给基层。

  如果继续只把员工当作AI系统的“人肉延伸”，那么当“牛马”们的倦怠感累积到临界点，最终反噬的将是企业自身的创新力和稳定性。

  AI，会放大我们已有的选择和倾向，一个追求压榨的企业，会用AI来更精细地压榨；一个追求创新与员工成长的企业，则会用AI来释放人的创造力。

  所以，最后这样的一个问题的答案，并不在AI本身，重点是我们每个人和每个组织的选择。

  与其焦虑地问“AI会不会抢走我的饭碗”，我们更应该扪心自问一句：我们是不是甘心，永远只做那个在系统末端，喂养和校验AI产出的“喂饭人”？

  是满足于成为高效齿轮，还是立志成为驾驭机器的工程师，这个选择权，依然牢牢握在我们自己手中。