你的岗位会因AI扩张还是消失——用杰文斯悖论四步框架自己判断而不是凭焦虑瞎猜

这一年，几乎每个人都在心里盘算过同一件事：我这份工作，会不会被 AI 干掉？

程序员、设计师、翻译、客服、质量工程师……焦虑是真的，但大多数人只是反复地担心，却没有一把能真正算一算的尺子。今天想给你这把尺子。它的起点，是一个 150 年前的、听起来和 AI 毫不相干的煤炭故事。

蒸汽机越省煤，英国反而烧了更多煤

19 世纪的英国，工程师改良了蒸汽机，让它烧同样的活儿只需要更少的煤。按常理，煤的消耗应该下降才对。

结果恰恰相反：全国的煤炭消耗不降反升，而且涨得很猛。

经济学家杰文斯（William Stanley Jevons）看懂了这件事：当用煤的效率提高、烧煤变便宜之后，煤的用途反而爆炸式地扩张了——原来烧不起的工厂烧得起了、原来不划算的用途变划算了。省下来的每一分成本，都变成了新的需求。

这就是著名的杰文斯悖论。一句话记住它：效率不是刹车，是油门。

一样东西变便宜，它的总消耗量，往往不是减少，而是暴涨。

把这盏灯，照到你的工作上

现在把镜头转回你身上。

AI 干的事，本质上就是让某些工作变便宜——写初稿、看片子、查资料、敲代码、做翻译，这些过去要花钱、花时间、花专门技能的活儿，成本一下子被压了下来。

那么问题来了：你这份活变便宜之后，对它的需求，是会萎缩，还是会像当年的煤一样暴涨？

这个问题的答案，决定了你的岗位是扩张，还是消失。而它虽然算不出一个精确数字，却能被想清楚——不用靠焦虑瞎猜。下面是四步。

第一步：AI 把你这份活里的哪一块，变便宜了？

先别笼统地想”我的岗位”，先精确地找：AI 到底大幅降低了你工作里哪一部分的成本？

是写第一版方案？是把录音转成文字？是查规范条款？是画示意图？——找到那个被 AI 显著降本的具体动作。

第二步：这块变便宜之后，需求会不会被”放出来”？

这是最关键的一步，也是大多数人漏掉的一步。

过去因为某件事太贵、太慢、太麻烦，而根本没人做、或不值得做的需求，会不会因为它突然变便宜，一下子涌出来？

• 医学影像 AI 让读片变快变便宜——从目前不少地方的趋势看，更可能发生的不是放射科医生集体失业，而是能负担得起的检查量涨上来、要处理的片子更多了。
• 画图变便宜——也未必是插画师全饿死，过去请不起画师的小商家、小项目，反而可能涌进来下单。

这一步就是杰文斯悖论：需求弹性越大（越便宜，越有一大批过去被压住的需求冒出来），这个岗位的盘子就越可能变大。怎么估自己这行的弹性？问两个问题就够——过去有多少活儿，是因为太贵、太慢而根本没人做的？ 以及成本砍掉一半，找上门的需求会翻几倍，还是纹丝不动？

但接下来这盆冷水最关键，也是大多数乐观论调都漏掉的一句：需求变大，不等于用人变多。 得看一场赛跑——需求涨的速度，和 AI 把每个人产能拉高的速度，谁更快。要是 AI 让人均效率涨了 10 倍、而需求只涨了 3 倍，那总量虽然在涨，用的人反而更少。只有需求涨得比人均产能还猛，岗位才会真的扩张。 当年英国烧的煤暴涨，挖煤的矿工也并没有同比暴涨。

反过来，如果一件事的需求早就固定死了——再便宜也就那么多量——那它连这个红利的入场券都拿不到。

第三步：别盯着”岗位”，拆开看”任务”

“岗位会不会消失”这个问法本身就有问题。一个岗位从来不是单一动作，而是一堆任务的组合。

AI 可能替掉了其中三五个任务，但同时，往往又会冒出新的任务、或者需要人回来补位的环节——比如给 AI 定方向、审 AI 的结果、为最后拍板负责。

所以正确的算法是：把你的岗位拆成一项项任务，一项项看——哪些被 AI 拿走了，哪些是新长出来的，哪些是 AI 干完之后更需要人的。绝大多数岗位，都不是被整个端掉，而是任务组合被重新洗了一遍牌。

第四步：找出那块”机器替不了”的核心

最后，找出你这份活里必须由人来的那部分：需要判断的、需要审美的、需要担责的、需要人到现场的。

这块，是你岗位的价值底座。而且有意思的是：越是自动化把周边的活儿都吃掉，这块不可替代的核心，反而越值钱。

算出来的结论

把四步合起来，结论就清楚了：

• 需求弹性大（第二步）+ 有坚实的人类核心（第四步）→ 你的岗位大概率会扩张。
• 只有当需求早已饱和、且几乎全是可复制的动作时，一个岗位才真正面临萎缩——比如纯数据录入、纯机械转写这类。

拿”程序员”算一遍，但必须分层算、别笼统：写样板代码这类活，被 AI 降本最狠、又几乎没有不可替代的人类核心——按这四步推，恰恰是初级、纯执行的这一层，正在被实实在在地压缩，这是真的，别自欺。可往上看，架构设计、系统权衡、为线上事故最终担责这些任务，会随着软件总量变多而更吃紧——这一层在涨。同一个”程序员”，低任务层在缩、高判断层在扩，正是第三步说的”任务组合被重新洗牌”。

而且丑话说在前头——有些岗位就是会净减少，可能就是你。高度标准化的一线客服、通用型的基础文案、只做套版的初级排版、按模板出图的执行岗……它们的共同点是：需求早就见顶（再便宜也不会突然多出十倍），日常动作又几乎都能被复制。这两条一凑齐，就不是”洗牌”，是真收缩。这不是吓唬你，是这把尺子诚实算出来的结果——看清了，才好早点把重心，往有弹性、有人类核心的那一端挪。

对做质量、做精益的人，也算一遍

你可能觉得这跟制造业没关系。恰恰相反，拿你自己的活儿套一遍：

• AI 能帮你快速出诊断报告初稿、整理体系文件、做规则化的分析——降本明显（第一步）；
• 而当”做一套质量体系""做一次精益诊断”的门槛被拉低，过去请不起顾问、上不起体系的中小制造企业，需求会不会被释放？（第二步）——有可能，但别想当然：很多企业不上体系，不只是因为贵，是没觉得非做不可，这种需求的弹性本就有限，降价未必就转化；
• 而且就算需求真涨了，它也未必变成企业里”质量岗位”的增加——很可能是被 AI 工具加上少数几个人（比如一个人的工作室）接走的；
• 至于现场的判断、隐性约束的把握、出了事的担责——这些才是 AI 最难替、最值钱的人类核心（第四步）。

所以更诚实的说法是：质量这行的工作形态会变——从”填表、执行、出报告”往”判断、编排、担责”移。纯执行、纯填表的那部分质量岗，一样会被压缩；而能把判断和担责扛起来的人，会更值钱。至于总量涨不涨，还得看中小企业到底愿不愿意为质量真金白银地买单。

结尾

所以，别再问那个让你焦虑的问题了——“我会不会被 AI 取代？”

那是一句恐惧，没有答案。

换成这一句，它至少变成了一道你能自己往下想的题（不是精确算命，但足够让你把方向看清）：

当我这份活变便宜之后，对它的需求，会不会暴涨、而且涨得比 AI 提升产能还快？这份活里，又有没有一块，是机器最难替代、还会越来越值钱的？

把这两个问题想透，你就不用再被”取代焦虑”牵着走了。效率是油门不是刹车——但油门未必踩在你这一脚上；看清它到底踩在谁那儿，比焦虑有用得多。