AI与职场

2026年一季度，智联招聘数据揭示了两个耐人寻味的数字：要求掌握AI工具的职位，过去三年增长至最初的46倍；但同一季度，编辑/编校岗位招聘需求同比下降29%，客户服务下降23%，视觉交互下降21%。同一时期，AI产品经理岗位需求同比增长81%——这是就业市场最显著的增量来源。一年之间，AI对职场的冲击从“加分项”变成了“基础能力”，从“工具升级”变成了“组织重构”。对企业老板来说，过去三年讨论的是“AI能不能用”，现在必须回答“AI怎么用、用多少、谁说了算”。
如果说2024年是AI进入职场的“入门年”，2025年是“普及年”，那么2026年就是“重塑年”。这种重塑主要有三种形式，很快也将来到车间。
第一种是“扩边”——能力边界消失。一家互联网公司AI影视项目组的产品经理发现，过去他的职责主要是需求设计和项目协调；如今公司鼓励非技术岗位学习AI编程工具，允许产品经理直接参与代码提交，过去由设计师完成的部分基础视觉工作，如今文案和策划人员借助AI工具也能完成。“现在如果你不会写代码，反而有点够不着门槛了。”这折射出一种新的用工逻辑：过去的“专才分工”正在被“一岗多能”取代，岗位的稀缺性迅速下降，留下来的员工要承担过去两到三个人的工作量，但薪资并不必然翻倍。
第二种是“蒸馏”——经验被抽走。今年3月以来，GitHub上一个名为“同事.skill”的开源智能体项目爆红网络，只要向它提供离职同事在职期间的聊天记录、工作文档、电子邮件，辅以对其性格、习惯、表达风格的主观描述，就能“蒸馏”出一套该员工工作习惯、说话方式的数字技能包。同事。skill由上海人工智能实验室24岁工程师周天奕开发，仅用4小时，5月29日他和团队在arXiv发布论文，详解了“通过蒸馏专家知识实现AI技能的自动化生成”。“同事.skill”将“能力轨”（capability track）与“人格轨”（persona track）分开管理，目标不是逼真模拟真人，而是产出可编辑、可检查、可纠错的“技能产品”。
紧接着，4月一款“反蒸馏.skill”工具横空出世。开发者邓小闲是法律背景出身，她将这一工具设计为“清洗”员工提交给公司的知识文档：上传后自动将核心知识替换为“正确但无用的废话”，输出两份文件——一份“清洗版”交公司，一份“私人备份”留给员工自己。为了适配不同公司的审核要求，她设计了三档模式：轻度保留80%信息，适合审核严格的公司；重度只保留40%，适合那些“只检查交没交”的流程化场景。邓小闲直言：“公司要求你把工作经验写成AI skill，本质上是在‘蒸馏’你，把你变成可替代的零件。”
第三种是“裁员”——被替代的不仅是岗位。一则线上招聘信息要求应聘者熟练掌握AI生图、AI修图工具，同时具备视觉设计、视频拍摄剪辑、社交媒体运营等多项能力——这在过去是一个团队需要设计师、平面人员、视频剪辑和运营人员协同完成的工作，如今被压缩进同一个岗位，薪资水平却从过去的1万元左右下降到5000—8000元。
国际科技巨头动作更快。4月22日，Facebook母公司Meta向员工发布通知，推出“模型能力倡议”（MCI），捕捉员工鼠标点击、键盘输入和屏幕内容的上下文，用于训练AI智能体。通知解释，Meta全新大语言模型Muse Spark“正在进步且需要加快进步”，因此需要“充分利用我们的日常工作”。此举在Meta内部遭到强烈反对，一份反对请愿书获得超过1500个员工签名，有人将Meta形容为“员工数据提取工厂”（Employee data extraction factory）。6月2日，Meta更新管控措施，允许员工暂停数据收集，一次最长30分钟；5月20日，Meta新一轮裁员落地，8000人将被裁，约10%员工，其中7000人将转岗至新的AI工作流相关岗位。
2025年10月，亚马逊宣布裁减1.4万个岗位；2026年1月，亚马逊再次宣布裁员1.6万人，两轮累计裁撤约3万个企业职员及技术岗位，占相关岗位总数约10%，创下这家成立31年的企业最大规模裁员纪录。
研究机构Gartner在《2026年未来工作九大趋势》报告中提到，数字孪生或AI化身已在开发中，用于复制高绩效员工，甚至首席执行官。企业高管对业务的理解更透彻，拆解流程更清晰，决策逻辑更稳定，反而更容易被转化成规则和skill——“从高管身上提取一个skill，往往比从一线员工更容易，也更有价值”。
“反蒸馏”之战的本质，是劳动者在数字时代第一次集体意识到：我的经验和判断本身是一种资产，不应被无偿抽取、沉淀、复制，最后用于替代自己。
这场全球性的“反蒸馏”之争，带来了三个绕不开的命题。第一个命题：扩边与蒸馏，边界在哪。AI率先冲击的将是“一老一小”——年轻人虽然受教育程度较高，但工作经验不足，入门级技能被迅速贬值；50岁以上劳动者拥有经验，却面临教育年限不足和数字鸿沟问题。AI的发展正在强化这种结构性矛盾。在激烈的竞争中，老板首先要保障企业的生存，引入AI的决策将面临两难权衡。
第二个命题：效率与伦理，谁是“平庸自动化”的买单者。企业可能会为了短期省钱，用并不成熟的AI替代人力，这不仅导致失业，还会因服务质量下降而拖累社会效率。很多人，包括老板和员工，都以为AI的发展不会那么快，还远远威胁不了自己。事实上，AI正在发展曲线正在变得更陡峭，没有什么行业能躲开AI。
第三个命题：红利分享，数据是不是劳动者的资产。作为企业，雇佣劳动者开展工作，在工作期间的工作行为与数据当然应该是公司资产；作为劳动者，虽然工作时间是企业付费的，但劳动行为内嵌的知识、技能、经验等却是经过长期学习、训练获得的，理所应当是自己的。这种对立将随着职场蒸馏技术的发展而日益尖锐，也是AI在相当大的范围内替代人类工作的必然过程。
2026年初，《国务院2026年度立法工作计划》正式对外公布，人工智能领域立法被纳入重点推进范畴，明确提出“完善人工智能治理体系，加快推进人工智能健康发展综合性立法”。这意味着我国AI行业即将迎来专属“基本法”，彻底告别野蛮生长阶段，正式迈入规范化、法治化、高质量发展的全新阶段。
中国的AI治理框架已经形成了“法律—规章—标准”的三层结构：
法律层：《网络安全法》《数据安全法》《个人信息保护法》构成基础法律支撑。
规章层：2023年7月网信办等七部门联合发布《生成式人工智能服务管理暂行办法》，自2023年8月15日起施行，这是全球首部专门针对生成式AI的规章。2025年3月16日，网信办联合工信部、公安部、国家广播电视总局发布《人工智能生成合成内容标识办法》，明确自2025年9月1日起，人工智能生成文本、图片、音频、视频等合成内容必须添加显式或隐式标识。
标准层：强制算法备案，所有在中国境内向公众提供具有舆论属性或社会动员能力的生成式AI服务，均需在网信办备案系统完成算法备案。备案周期2—4个月，审核重点包括数据安全、模型安全、内容合规、用户权益、风险防控、应急响应六大维度。
在地方层面，2022年11月1日，《深圳经济特区人工智能产业促进条例》正式实施，这是全国首部人工智能产业专项立法；《上海市促进人工智能产业发展条例》自2022年10月1日起施行，这是全国首部省级地方性法规。
国际上，欧盟走在前列。2018年正式实施的《通用数据保护条例》（GDPR）要求企业在收集和处理个人数据时，必须事先说明具体用途，并遵循“目的限制原则”——原本为了工作沟通、绩效管理或履行劳动合同而收集的数据，不能自动转用于AI模型训练，需要证明新的处理目的具有合法依据，并满足GDPR关于透明度、必要性和数据最小化等要求，员工拥有查询、更正、限制处理、反对处理乃至要求删除相关数据的权利。在美国，加州2026年提出的AB 1898法案拟对雇主使用职场AI工具的透明度义务作出规定，要求企业在利用AI辅助就业决策或开展员工监控时向员工提供书面通知。
2024年，中国制造业机器人替代率已达18%，麦肯锡预测这一数字将在2030年突破30%。但更值得关注的是另一组数据：中国信通院预测未来三年领先工业AI渗透率将达60%，IDC调研显示中国工业企业应用大模型及智能体的比例从2024年的9.6%跃升至2025年的47.5%。
数字背后，真正的转折是：从“机器换人”到“人机共生”，到“人重塑人”。对制造业老板来说，2026年最值得思考的，不是“该不该上AI”，而是“AI上了之后，我是把员工压扁，还是放大”。