2026 年 9 月 25 日
尽管关于人工智能将全面取代人类工作的担忧普遍存在，但现有证据表明，大规模失业尚未发生。相反，人工智能正在深刻重塑工作的组织形式与内容。
图片来源：Unsplash/CC0 公共领域
目前，一个显著的就业增长点在于对大型语言模型（LLM）进行“清理”或质量检查的人员需求。理论上，人工智能系统能够以超越人类的速度和精度编写代码、生成报告、分析数据及自动化日常决策，从而释放人力专注于更高阶的思考与休息。
然而在实践中，人工智能代理往往产生大量“几乎正确”的输出，其中仍夹杂着错误、幻觉及判断缺陷，必须依靠真实的人类专家进行识别与修正。这种被称为“人工智能补救”的工作，其技能要求与薪酬水平参差不齐。部分人工智能公司正开始雇佣来自不同领域的资深专业人士来承担这一职责。
在许多组织中，白领工人的角色发生了更为微妙的转变。金融、科技和零售等行业的从业者反映，由于需要监控所谓的人工智能“工作流程”，他们的工作量反而有所增加。此外，对使用人工智能代理的同事的信任度也因此受到侵蚀。据《哈佛商业评论》报道，一位零售经理抱怨称，花费更多时间追踪并验证人工智能提供的信息，随后还需与其他主管开会解决由此产生的问题，造成了极大的效率损耗。
公共部门的风险与监管缺失
公共部门同样面临被卷入“人工智能修复”逻辑的风险。英国政府及其他机构正在尝试利用人工智能执行总结咨询回复、起草信件以及分析公民反馈情绪等任务。官方指南虽鼓励谨慎使用生成式人工智能，但也明确警告其输出可能具有误导性，且必须经过独立验证。
如果公共部门大规模采用人工智能生成的分析与信件，必然需要设立新的职位来处理后续工作。这就引出了一个关键问题：人工智能带来的效率增长有多少会被人为的纠错成本所抵消？
荷兰税务机关的案例提供了警示。该机构曾使用算法生成涉嫌欺诈的风险分数并自动标记家庭进行调查，导致数以万计的家长——其中许多来自少数民族群体——被错误指控作弊，被迫偿还不应得的福利，进而陷入债务甚至破产困境。这一事件的核心问题不仅在于算法输出，更在于缺乏强有力的人类监督机制。任何公共部门引入人工智能的举措，都必须配套投入大量资源建立严格的监管体系。
更深层次的隐患在于经济结构的扭曲。处理大型语言模型所需的代币（Token）成本目前由负债累累的人工智能公司通过巨额补贴压低，但检查和修复这些输出所需的人力时间成本却未被同等重视。许多公司以低于成本的价格提供服务以建立用户依赖，一旦组织围绕特定模型重构了工作流程，供应商便可能提高价格、限制免费层级或更改服务条款。这意味着当前看似有利的人工智能成本效益分析，在未来可能会发生根本性逆转。
“隐藏人类”劳动的全球分布
支撑人工智能运行的“隐藏人类”劳动力长期具有全球性特征。聊天机器人调节、数据标签及图像低级注释等人工智能工作中最枯燥的部分，多年来一直被外包给低薪国家。研究发现，接触暴力、自伤等令人不安的内容对这些工人造成了严重的心理伤害，且他们在当地往往缺乏法律保护。
随着人工智能工作流程在组织内部常态化，第二波外包浪潮可能随之而来：即常规性地检查和纠正人工智能生成的文本。翻译行业已现端倪，许多机构的主要工作流程转变为“机器翻译加后编辑”。在此模式下，自由职业的人类译者需以更低的报酬来纠正机器的错误。
研究表明，后编辑工作相比传统翻译报酬更低，却需要同等甚至更大的认知负荷，且常被评价为乏味且缺乏技能提升空间。从事此类工作的人员还担心，这一岗位本身最终也会被技术取代。
劳工抵制与集体谈判权的差异
大众文化记录了工人抵制沦为低级人工智能清理角色的努力。2023年好莱坞作家罢工的部分原因，即是担忧制片厂利用人工智能工具制作初稿。最终与美国作家协会达成的协议设定了防护栏：人工智能不能被认定为作家，不能强迫作家接受人工智能辅助，也不能以削弱人类报酬和认可的方式使用。工会的努力旨在防止创造性专业人士将大部分时间用于整理算法，而非创作故事。
然而，并非所有劳动者都拥有同等的集体谈判权。译者、视频游戏领域的自由职业者等群体在面对人工智能驱动的商业模式时，往往处于弱势地位，这使得将维修性工作作为新常态更容易被强行推行。
从本质上讲，这不仅是经济问题，更是意义危机。大多数人希望自己的工作能为世界做出贡献，相信自己在解决问题、帮助他人或创造独特价值。但只要获得强大的人工智能系统依然廉价且受补贴支持，越来越多的人将被迫转移到清理这些系统必然造成的混乱中。这类工作的意义何在，是一个无法回避的社会议题。
