AI 冲击哪些岗位？或许本身就是个伪命题

近期，围绕「哪些职业最容易被 AI 取代」的讨论持续升温，相关榜单与图表层出不穷。然而一篇发表于科技评论领域的文章提出了截然相反的观点：这类分析在方法论上几乎不可能成立，因为历史上多次重大技术变革的就业影响都远超出当时最乐观的预测。

自动化的「反直觉」案例：会计与注册会计师

文章以会计行业作为回溯样本。过去一个世纪，人类围绕「自动化核算」搭建了计算器、打孔机、主机、数据库、个人电脑、电子表格以及云服务等一整套技术栈，几乎将半个科技产业都与此相关。然而，美国注册会计师（CPA）的数量不仅没有下降，反而持续增长。即便把视角拉近到微观层面，过去 50 年金融自动化的演进也未对 CPA 市场需求造成明显冲击。上世纪 70 年代末，电子表格软件 VisiCalc 已能将原本耗时一个月的项目压缩到几天，但会计师岗位规模反而扩张。

这一现象至少涉及三个层面的解释：

• 监管变化带来了一次性的合规与审计需求激增，单纯的技术变量无法解释；
• 杰文斯悖论在起作用——当某件事变得便宜时，人们往往做得更多而非更少，例如 DCF 估值模型从一周缩短到 30 秒，分析师实际上会构建更多模型；
• 更深层的逻辑是：当原本昂贵耗时的任务变得廉价快捷时，会解锁全新的工作形态。当代会计师从事的工作与 1980 年代的同行已截然不同，虽然「会计师」这一称谓保持不变，岗位内涵已被重新定义。

岗位名称不变，工作内容已变

文章进一步指出，职业分类体系本身存在结构性盲区。在美国人口普查数据中，「会计与审计师」是相对稳定的类别，但围绕它的众多财务岗位分类却不断出现与消失。「账单、记账与计算器操作员」这一职业类别曾短暂存在十年左右后便消失，而「数据录入员」至今仍有统计条目，「ERP 操作员」却已不见踪影。

这意味着：

• 同一个人、同一种业务职能，可能在不同年代被冠以完全不同的岗位名称；
• 而同一个岗位名称背后，实际工作内容却可能早已天差地别。

因此，仅依赖 O*NET 这类职业数据库去评估「暴露度」，无法捕捉工作内涵的真实变迁。

行业不变，商业模式却被瓦解

第二个更棘手的问题是：岗位本身可能不受技术影响，但其所在的商业模式却可能被彻底颠覆。

文章以新闻业为例：互联网并未改变一名优秀记者所需的核心能力，但传统新闻业的盈利模式——依赖本地分类广告的「轻工业+卡车物流」式收入——被互联网彻底解构。唱片业的 A&R（艺人发掘）岗位同样如此：其薪酬来源是塑料唱片与铝箔的制造运输业务，而非音乐本身的审美判断。互联网切断了产品与岗位之间的支付关系，这种结构性变化无法通过「职业暴露度分析」捕捉到。

Uber 们：不可预测的二阶效应

文章最后以 Uber 为例说明技术冲击的不可预测性。2000 年代的移动互联网从业者大量讨论位置数据，却无人预见到这会彻底颠覆出租车行业——从调度效率提升一跃为职业性质的全面重构，并让价值百万美元的出租车牌照房贷化为泡影。如果有人在 1995 年评估「互联网职业暴露度」，或在 2005 年评估「智能手机职业暴露度」，恐怕都不会将出租车司机列入高风险名单。

结语

文章的核心主张是：在评估 AI 对就业的冲击时，最大的风险不是「预测错了哪些岗位」，而是整个预测框架本身可能建立在错误的假设之上。AI 会让大量原本昂贵的任务变得廉价甚至免费，但这究竟会解锁哪些新工作、摧毁哪些商业模式、催生哪些岗位，几乎只能事后回溯，无法事前推演。