除非劳动者学会使用 AI，否则 AI 无法改变工作
关于 AI 与就业的争论往往聚焦于岗位替代，但眼下更直接的瓶颈可能是技能、采用程度，以及劳动者能否真正用好这些工具。
关于 AI 与工作的讨论中，声音最大的是岗位替代：哪些工作会消失，哪些任务会被自动化，谁面临的风险最大。这场讨论很重要，却忽略了一个更迫在眉睫的瓶颈：如果劳动者没有接受培训、无法熟练使用 AI，AI 就不可能改变工作。
经合组织（OECD）指出，要让 AI 真正发挥作用，就必须投资于技能培养。这个观点听起来不言自明，但看看有多少 AI 推广项目跳过了中间那些乏味却关键的环节——工作流重构、培训、评估，以及留给员工学习的时间——就会明白问题所在。
购买一款 AI 工具很容易，把它转化为生产力却并不容易。
AI 的采用并不均衡
皮尤研究中心发现，使用 AI 工作的美国劳动者比例正在上升，但仍有许多人很少使用，甚至完全不用。这种差距很重要，因为 AI 带来的收益可能会集中到那些本就拥有更多资源、更强数字信心和更灵活岗位的劳动者与组织手中。
如果 AI 成为生产力放大器，那么 AI 技能获取机会的不平等就可能成为劳动力市场的分界线。一部分劳动者会借助 AI 更快地写作、分析、总结、编程、设计和规划；另一些人却可能在没有得到同等培训的情况下，被拿来与 AI 增强后的产出比较。
这不是技术发展的必然结果，而是实施方式的选择。
缺失的一层是任务重构
许多公司把 AI 作为附加工具引入：这里有一个聊天机器人，那里有一个副驾驶，现在请提高生产力。但工作并不是一堆彼此孤立的提示词，而是由任务、激励、审批和习惯串成的链条。
如果客服团队用 AI 起草回复，公司就必须决定如何核查准确性；如果分析师用 AI 总结文档，就必须有人制定来源标准；如果管理者用 AI 审阅绩效数据，组织就必须防范隐性偏见和草率解读。
培训不能仅限于“如何写提示词”。劳动者需要理解 AI 应该嵌入任务的哪个环节、它不擅长什么，以及如何让责任始终由人承担。
最重要的技能或许是验证
最基础的 AI 技能不是输入巧妙的提示词，而是验证。劳动者需要检查输出、对照来源、察觉缺失的语境，并判断系统何时只是在自信地猜测。
在日常知识工作中尤其如此。AI 可以迅速生成一份平庸的草稿，而人类劳动者的价值会更多地转向判断：什么重要，什么有错，什么应该删去，以及接下来该做什么决定。
AI 越强大，在高风险场景中，人工审核就越重要。
我的看法
关于 AI 与就业的故事，不应该被简化成恐惧或炒作。真正务实的问题是，各类制度和机构是否会帮助人们适应变化。这其中包括学校、雇主、工会、政府，也包括软件制造商自身。
劳动者不必人人都成为机器学习工程师，但确实需要具备 AI 素养：掌握足够的知识，能够高效使用工具、质疑输出、保护敏感数据，并说明自己所做的工作。
如果这样的培训没有发生，AI 依然会普及，只是会以更加不均衡的方式扩散，带来更多挫败、更多监控，以及更少能由所有人共享的收益。
