页面顶部
已进入:阅读页
← 返回

个人网站文章2026-04-21lixiaolai.com作者:李笑来原文链接

不再有平庸者:二阶独奏

等你读到一篇新的关于 AI 与工作的文章时,你其实已经读过它了。数字会变,结构不会。先出现一个预测——世界经济论坛《2025 未来就业报告》预计,到 2030 年将有 9,200 万个岗位被替代,同时创造 1.7 亿个新岗位,净增 7,800 万个;这个净增数字不知为何总是无法让人安心(WEF 2025)。随后是一波裁员,被解释为确认。2025 年,美…

一幅剪纸风格的齐国宫廷合奏图:一排穿袍乐师鼓着腮帮吹竽,只有中央一人静止不动,腮帮扁平,手持乐器却没有发声。

我们已经背熟的恐慌#

等你读到一篇新的关于 AI 与工作的文章时,你其实已经读过它了。数字会变,结构不会。先出现一个预测——世界经济论坛《2025 未来就业报告》预计,到 2030 年将有 9,200 万个岗位被替代,同时创造 1.7 亿个新岗位,净增 7,800 万个;这个净增数字不知为何总是无法让人安心(WEF 2025)。随后是一波裁员,被解释为确认。2025 年,美国雇主宣布裁撤 120 万个岗位,比 2024 年增加 58%;报道沿着熟悉的弧线展开:AI 已经到来,筛选已经开始,选择你的阵营(Challenger Gray & Christmas 2026)。

本文讨论的是“合奏式不透明”的知识工作——咨询、法律、产品、企业战略、研究写作。外科、航空、个人竞技运动,以及那些本来就会单独衡量你的职业,不在本文范围内;AI 不会改变那些原本就已经存在的可读性结构。

多数报道没有指出的是:在那 120 万个宣布裁撤的岗位中,只有 54,836 个——占总数 4.5%——把 AI 列为原因。裁员潮是真的。AI 归因大多不是。多数裁员与 AI 实际改变产出无关:Davenport 和 Srinivasan 在 Harvard Business Review 2025 年 12 月对 1,000 多名高管所做的调查显示,60% 削减人手的组织,是出于对 AI 未来影响的预期,而不是因为 AI 已经交付了收益;只有 2% 报告了与实际 AI 实施相关的大规模裁员(Davenport & Srinivasan 2026)。Davenport 和 Srinivasan 把这读作借口:裁员本来就会发生;AI 提供了遮盖。

一幅剪纸风格的现代办公室插图:一排相同的知识工作者坐在相同的办公桌前,周围是一摞摞相同文件,个人贡献隐藏在集体产出之中。

这个差距——被讲述的故事与真正驱动它的东西之间的差距——正是本文的起点。如果 AI 并没有造成大部分替代,那造成它的是什么?为什么 AI 叙事对讲述它的人如此有用?

从未要求独奏的机构#

南郭先生——下文会解释这个中国古代寓言中的模仿者 Mr. Nan Guo——通常并不是骗子。更多时候,我们现在想称为模仿者的人,是被训练其他人的同一套激励训练出来的——被一个奖励集体产出、从不要求个人交账的系统塑造出来,然后在规则改变时让系统感到惊讶。如果我们想理解为什么合奏能运转那么久,就要从建造合奏的人开始,而不是从坐在合奏里的人开始。

几十年来,组织绩效管理的主导方向一直在远离个人问责。Cappelli 和 Tavis 在 2016 年一篇著名 HBR 文章中追踪了这条弧线:公司正在从年度评分系统转向持续发展对话,从个人打分转向团队指标,从问责转向培养(Cappelli & Tavis 2016)。这种转向并不荒唐。个人归因令人痛苦,政治成本高,组织上也有破坏性。麦肯锡 2024 年发现,超过三分之一的管理者被认为缺乏就绩效进行直接对话的能力——这是感知调查,不是行为审计,而且很可能还是保守估计(McKinsey 2024)。

很长时间里,这种安排是稳定的。经济学家知道原因。信号理论——Michael Spence 在 1973 年一篇后来获得诺贝尔奖的论文中发展出来——描述了当雇主无法区分高能力和低能力劳动者时,劳动力市场会发生什么:两组人取得同样的凭证,拿到同样的工资,并共同存在于所谓的混同均衡中(Spence 1973)。方程并不必要。很长时间里,凭证足够便宜,虚张声势者和专家都能取得同样信号并赚取同样工资。只要信号便宜,测试从未到来,这个均衡就成立。

中国有个古老故事。齐宣王喜欢听三百人合奏竽——一种古代簧管乐器。一个叫南郭的人不会吹,却站在合奏队伍里,手指动着,领着和真正乐师一样的米。齐宣王死后,他的儿子齐湣王即位。齐湣王想听乐师一个一个吹。南郭当夜逃走。这个故事一直被记作关于模仿的寓言。“南郭先生”成了中文里对混在合奏中假装演奏者的简称。但这个故事一直是从错误的一端讲起的。雇用南郭的人——那位组织三百人合奏而不是单独试奏任何人的宫廷主管——并不天真。他在建造一种结构,在这种结构里,个人能力这个问题永远不必被提出。真正有意思的角色,不是那个不会吹的人,而是那个专门组织三百人合奏、从而让任何人都不必独奏的人。

这不是在反驳 Acemoglu 关于宏观生产率的担忧;那是问题的另一个层级。本文讨论的是哪些个体会变得可读,而不是蛋糕会长多大。

在那些 AI 大规模运作的职业中,AI 所做的,与其说是揭露欺诈,不如说是一场可读性事件——一个长期依赖集体产出的系统,第一次开始产生能够读出个人的信号。那 60% 因预期 AI 而裁员、不是因 AI 已经交付收益而裁员的组织,响应的并不是一项新技术,而是在抓住一个他们以前无法正当化的重组理由。合奏让个人归因在政治上困难。AI 时刻让它在政治上容易。病理是旧的;催化剂是新的。

同时也在教学的合奏#

在继续之前:合奏值得辩护,本文也欠它一个辩护。

不透明不只是平庸的掩护——它也是学徒制的基底。新人不能在第一天独奏,也不应该被要求独奏。医院有查房,律所有合伙制,咨询团队带着分析师,管弦乐队有声部。在所有这些地方,新人由集体托举,同时发展自己的判断。不透明是保护性的,不是逃避性的。合奏吸收错误,而学徒建立避免错误的能力。

ATM 是一面有用的历史镜子。从 1980 年代开始,ATM 在美国部署,最终达到约 40 万台。你可能会以为银行柜员就业会崩塌。它没有。柜员就业实际上从约 50 万增长到 60 万,因为更低的网点运营成本让银行开设了更多网点,并把柜员角色转向需要人类判断的关系型银行服务(Bessen 2015)。ATM 没有揭露柜员;它改变了柜员所做的事。合奏改变了形状,但仍然存在。

Goldin 和 Rouse(2000)的盲选研究显示了同一机制的反向运作:根据该研究,在乐手和评委之间放置实体屏风,使女性从初选晋级的概率增加约 50%——这个幅度后来受到统计批评的争议(Gelman 2019),但方向仍然成立。刻意移除不透明,改变了谁能通过。合奏此前承载的不只是学徒,也包括永久居民。

每个合奏中都有两种不透明。第一种是发展性的——粮仓里的种子。第二种是永久性的——永远不让种子出来的粮仓。本文批判的是第二种。

一幅剪纸风格插图:剖面显示的传统粮仓中长出一株幼芽——粮仓里的种子,具有自身解决期限的发展性不透明。

发展性不透明会被解决。学徒制有时间线,而在时间线尽头,学徒被期待知道,也被期待被人知道。合奏教会独奏;最终它会要求独奏。本文关心的合奏,是那个从未提出要求的合奏——一种结构,在那里十二年、十五年、二十年过去,个人判断的问题就是从未到来。Dunning 和 Kruger(1999)记录了它从内部看起来是什么样:测试表现处于底部四分位的人,会估计自己大约在第 62 百分位,不是因为他们不诚实,而是因为表现良好所需的知识,正是识别糟糕表现所需的知识——元认知差距和表现差距是同一件事。这个发现的幅度有争议;方向没有。

这些都不是敌视学徒制。问题是学徒制本应发展成什么——以及当合奏从不发问时,会发生什么。

AI 实际自动化了什么,又安装了什么#

经验证据图景确实复杂,假装不复杂是不诚实的。

把 AI 视作伟大均衡器的最强版本是真实的,也值得认真对待。Noy 和 Zhang(2023)在发表于 Science 的一项预注册随机对照试验中发现,对于中等难度的专业写作任务,ChatGPT 显著抬高了下限——低能力写作者提升最多,分布被压缩,不平等下降(Noy & Zhang 2023)。如果 AI 给最弱表现者带来最大提升,那么合奏的不透明就不是通过揭露南郭先生而消解,而是通过让他们真正更有能力而消解——这就意味着“二阶独奏”这个说法是错的。Peng 等人(2023)在编码中发现了类似现象:GitHub Copilot 在一个定义清楚的任务上让开发者平均提速 55.8%,经验较少的开发者受益更多(Peng et al. 2023)。两个领域的分布都被压缩了。

调节变量是任务类型。

趋同发现对我们可以称为“前沿以内的生产任务”很稳健:写一份草稿,为指定函数生成代码,完成一个质量标准明确、AI 错误能被任何人检查出来的定义清楚的交付物。这些任务趋同。发散发现出现在任务从按规格生产转向判断什么算正确时——尤其是当任务需要对“这对吗?”这个问题给出领域特定答案时。

Dell'Acqua 及其同事(2023/2026)对 758 名 BCG 咨询顾问做了田野实验。在专业能力前沿以内的任务上——标准咨询套件——低于平均水平的顾问使用 AI 后质量提升 43%;高于平均水平的顾问提升 17%。趋同。但当任务转向一个落在 AI 能力前沿之外的商业问题解决任务时,使用 AI 的顾问给出正确解决方案的概率比不使用 AI 的人低 19 个百分点(Dell'Acqua et al. 2023)。AI 给了错误的信心。论文说,工作者“在方向盘前睡着了”——停止质疑那些看起来权威的输出。论文命名的“锯齿状技术前沿”,正是 AI 可靠帮忙的任务与 AI 可靠误导的任务之间的边界——而关键技能,是知道自己站在哪一边。

Vendraminelli 及其同事 2025 年 HBS 工作论文中所谓的 GenAI Wall Effect,让这个机制更清楚。在一家大型英国公司的受控实验中,AI 在执行任务上为相邻外部人抹平了场地——但缺乏领域知识来评估 AI 输出的远距离外部人,即便有 AI 辅助,也无法缩小与内部人的差距(Vendraminelli et al. 2025)。墙不是努力问题。它是评估问题。远距离外部人无法判断 AI 输出是否合适;内部人可以。AI 放大了这个差异。

METR(2025)在编码中发现了相邻现象:经验丰富的开源开发者在复杂代码库上使用 AI 工具时反而慢了 19%,尽管他们预期会提速 24%——而且事后他们仍然相信 AI 让自己更快了(METR 2025)。这项研究规模小(N=16;发现具有提示性而非决定性),但感知差距很重要:即便专家也会误判评估问题。

三个职业显示出同样结构:

在法律工作中,生产任务是用 AI 辅助起草一份诉状;任何合格助理都能用旧时间的一小部分完成。评估任务是在签上自己名字之前识别哪些引文是幻觉。这两件事需要的能力不同。第一件需要熟悉格式。第二件需要足够懂法理,知道 Fabulozo Airlines v. Carillo 并不存在。

在管理咨询中,生产任务是生成一套关于行业动态的 40 页幻灯片;AI 可以在几分钟内生成一个貌似合理的版本。评估任务是识别 AI 的哪些框架假设不适用于这个客户的真实问题——那些嵌入数据选择、竞争框架、隐含市场定义中的假设。抓住这些,需要在足够多语境中做过足够多次这项工作,才能识别看似合理的答案何时是错的。

在产品管理中,生产任务是撰写需求文档和用户故事;AI 做得不错。评估任务是识别 AI 生成的综合是否漏掉了一个会在生产环境中出问题的边界情况——这需要把产品实际推过生产环境足够多次,脑中有一套边界情况如何呈现的模型。

这三个职业的共同点是:评估步骤需要无法从 AI 借来的领域特定判断,因为 AI 正是被评估的对象。

评估型 AI 正在到来。它不会消解这个机制,因为构建评估型 AI 需要领域量规,而只有已经拥有领域判断的人才能制定这些量规——这正是 GenAI Wall 显示的东西。护城河也许会缩小,但仍然需要有人告诉评估型 AI,目标领域里的“正确”长什么样。即便护城河缩小得比这个论证预测得更快,“建立评估能力”在 24 个月视野内仍然是可执行的——而读者眼下要做的大多数决定,恰恰都在这个视野内。

劳动力市场数据支持这个总体方向:Brynjolfsson、Chandar 和 Chen(2025)使用 ADP 工资记录和 AI 暴露指数发现,在最受 AI 暴露影响的职业中,22-25 岁劳动者的相对就业下降 16%,而同一职业中的有经验劳动者保持稳定或增长(Brynjolfsson et al. 2025)。如果 AI 正在自动化入门级生产任务,而资深评估任务大体仍然完整,这个模式正是你会预期看到的。

评估测试已经开始#

关于评估失败代价,最具体的证据来自法律——因为那里有书面记录,也因为法院在遇到无能时有结构性激励去点名它。

2023 年,律师 Steven Schwartz 使用 ChatGPT 为一宗航空人身伤害案件做研究。他提交的诉状包含多项案例引用:​Varghese v. China Southern Airlines​、​Shaboon v. EgyptAir​、​Petersen v. Iran Air 等等。这些案例并不存在。当 P. Kevin Castel 法官要求提供副本时,Schwartz 提交了宣誓书证明它们真实存在,却没有核查。法院最终分别对 Schwartz、他的合伙人 LoDuca 以及律所处以 5,000 美元制裁——合计 15,000 美元——并认定存在“有意识回避以及向法院作出虚假和误导性陈述”(Mata v. Avianca 2023)。生成很容易。失败的是评估测试。

模式并不是 Schwartz 是个异类。斯坦福法学院 2025 年一项预注册研究,测量了专门为减少幻觉而设计的 AI 法律研究工具中的幻觉率:Lexis+ AI 在 17% 的查询中生成伪造引文;Westlaw AI-Assisted Research 为 33%;GPT-4 为 43%(Magesh et al. 2025)。这些不是通用聊天机器人。它们是专门构建、带检索增强生成、瞄准引文准确性这个具体问题的工具。它们仍然在大约六分之一到三分之一的查询中产生幻觉。评估测试不是思想实验。它是正在运行的基线专业要求。

加州上诉法院在 Noland v. Land of the Free​(2025)中把这一点具体化。律师 Amir Mostafavi 提交的开篇诉状中,23 处引文有 21 处是伪造的;法院对他处以 10,000 美元制裁,并把他移交州律师协会。到了是否判给对方律师费的问题,法院拒绝了——因为对方律师也没有抓住伪造引文,显然是在法院自己提出问题后才意识到。这是一个新兴信号:识别对方诉状中的 AI 幻觉,正在成为基线专业能力的一部分——不是新的法律义务,而是一种正在悄悄形成的职业期待(Noland v. Land of the Free 2025)。

一幅剪纸风格插图:深色桌面上一份单独文件,被上方聚焦灯光照亮,其中一个具体主张用琥珀色标出,其余文字仍未检查——一个评估瞬间真正的样子。

把文章放下一分钟。想想你最近依赖的一份 AI 生成工作——一份备忘录、一份草稿、一份市场摘要、一段代码、一份研究综合、一套幻灯片。具体说出你在依赖之前核查过的最后一个 AI 生成主张。不要说“我通常都会审阅一切”。不要说“我大体有感觉”。说出过去两周里,你从某个具体 AI 输出中拿出并对照一手来源验证过的一个具体主张。如果你说不出来,你是在把 AI 用于生产,而不是用于评估。这不是判决。它是诊断。

如果你能说出一个,注意一下做这件事是什么感觉——花了多久,你做了什么,下一次你是否还会这样做。那种感觉,就是评估能力被动用时的感觉。那是测试已经开始的感觉。

测试不会公平#

对以上所有论证,有一个真正的反对意见,它值得的不只是一条脚注。

最终出现的具体测试会是政治性的。哪些幻觉算数?哪个“正确”才是正确?每一种评估制度都会偏向某些知识而不是另一些知识;谁设置测试,谁就塑造哪些工作者能够通过。法律引文核查、战略框架核查、产品边界情况核查,都是同一要求的不同版本——但它们不是中性指标。它们是被建构出来的类别,而且会由有利益的人来建构。

回想 Goldin 和 Rouse(2000)的盲选研究:屏风提高女性晋级概率,是因为它移除了一种偏见来源——但试奏标准本身(曲目、评判量规、“正确”音准的标准)是由处在权力位置的人设定的,而这些标准带着自己的假设。盲选比此前的做法更公平。它们并不在任何绝对意义上公平。

但是:以测试可争议为由拒绝建立评估能力,就等于在 1970 年因为试奏标准可争议而拒绝盲选。标准确实可争议。盲选仍然重要。

机制方向不是捏造的。无论咨询、法律、产品、企业战略中出现的具体测试是什么,它们都会要求评估能力,而不仅仅是生产能力。在自己的领域中建立评估判断——“正确”长什么样,AI 最可能在哪里漏掉它,当输出看起来合理时应该追问什么——这是在各种可能测试设计中都成立的投资。具体实施会是政治性的。底层需求不会。

投资动作#

如果你在上一节说不出一个核查过的主张,羞愧不是正确反应。有用的事,是识别出你所在领域里真正的评估能力长什么样——不是作为一个类别,而是作为一种习惯——然后开始建立它。

从下一份你依赖的 AI 输出开始。具体说出你所在领域里的“正确”长什么样。然后测试输出是否满足这个定义。不是它看起来是否合理——而是它是否满足定义。持续做。评估能力通过重复发展;最初几次会缓慢、不确定,而且很可能会暴露出你过去依赖的东西比你检查过的更多。

读到这里的职业中段人士,站在一个特定决策点。工作十二到十五年——发展性不透明本应已经解决。学徒窗口已经关闭,或正在关闭。真正的判断是否在其中形成,是接下来二十四个月会回答的问题,一次 AI 输出回答一次。这不是敌意观察。处在这个阶段的人——职业中段、有证书、有经验,身处本文一直讨论的合奏式不透明职业——拥有早期职业者没有的东西:多年的真实领域暴露,可用来扎根评估。

问题是,这些年建立的是核查习惯,还是生产习惯。二者并不相同;AI 让这种差异以前所未有的方式变得可见,因为过去输出总是集体的。

发展性与永久性的区别在这里很重要:如果合奏曾作为学徒托举你,并逐渐给你更多个人责任,那么 AI 正在测试的是你已经建立的判断。你会在使用它时认出它。如果合奏从未发问——如果十二年过去,你一直是那个为幻灯片做贡献、却从未必须为幻灯片是否正确辩护的人——那么 AI 正在安装的,是一场本来早该到来的测试,只是它来晚了。

南郭当夜逃走,因为他知道自己无法通过独奏。二阶独奏不同。不是齐湣王叫你演奏。它是晚上 11 点那个安静瞬间:你把又一份 AI 草稿粘进又一份你将签上自己名字的文件里,然后决定自己要如何阅读它——像一个能抓住错误的人那样读,还是像一个希望一切都没问题的人那样读。

参考文献#

Bessen, J. "Toil and Technology." Finance & Development (IMF), March 2015. https://www.imf.org/external/pubs/ft/fandd/2015/03/bessen.htm

Brynjolfsson, E., Chandar, B., & Chen, R. "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence." Stanford Digital Economy Lab Working Paper, August 2025. https://digitaleconomy.stanford.edu/

Cappelli, P., & Tavis, A. "The Performance Management Revolution." Harvard Business Review​, October 2016, pp. 58–67. https://hbr.org/2016/10/the-performance-management-revolution

Challenger, Gray & Christmas, Inc. 2025 Year-End Job Cut Report​. January 8, 2026. https://www.challengergray.com/

Davenport, T.H., & Srinivasan, L. "Companies Are Laying Off Workers Because of AI's Potential — Not Its Performance." Harvard Business Review​, January 2026.

Dell'Acqua, F. et al. "Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality." HBS Working Paper 24-013 (September 2023); published Organization Science​, 2026. https://ssrn.com/abstract=4573321

Goldin, C., & Rouse, C. "Orchestrating Impartiality: The Impact of 'Blind' Auditions on Female Musicians." American Economic Review​, 90(4):715–741, September 2000.

Magesh, V. et al. "Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools." Journal of Empirical Legal Studies​, 2025. DOI: 10.1111/jels.12413. https://arxiv.org/abs/2405.20362

McKinsey & Company (Hancock, B. & Weddle, B.). "What Works — and Doesn't — in Performance Management." November 2024.

METR. "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity." July 10, 2025. ArXiv: 2507.09089. https://arxiv.org/abs/2507.09089

Mata v. Avianca, Inc., No. 1:22-cv-01461, 678 F. Supp.3d 443 (S.D.N.Y. June 22, 2023).

Noland v. Land of the Free, L.P., California Court of Appeal, Case No. B331918, September 12, 2025.

Noy, S., & Zhang, W. "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." Science​, 381(6654):187–192, July 14, 2023. DOI: 10.1126/science.adh2586.

Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." ArXiv: 2302.06590, February 2023. https://arxiv.org/abs/2302.06590

Spence, M. "Job Market Signaling." Quarterly Journal of Economics​, 87(3):355–374, August 1973.

Vendraminelli, L. et al. "The GenAI Wall Effect: Examining the Limits to Horizontal Expertise Transfer Between Occupational Insiders and Outsiders." HBS Working Paper 26-011, September 2025. https://ssrn.com/abstract=5462694

World Economic Forum. "The Future of Jobs Report 2025." January 2025. https://www.weforum.org/reports/the-future-of-jobs-report-2025/

Dunning, D., & Kruger, J. "Unskilled and Unaware of It: How Difficulties in Recognizing One's Own Incompetence Lead to Inflated Self-Assessments." Journal of Personality and Social Psychology​, 77(6):1121–1134, December 1999. PubMed PMID: 10626367.

Acemoglu, D., & Restrepo, P. "The Wrong Kind of AI? Artificial Intelligence and the Future of Labor Demand." Cambridge Journal of Regions, Economy and Society​, 13(1):25–35, 2020. NBER Working Paper 25682. https://www.nber.org/papers/w25682