讲两个人，小杨和老陈。
小杨入行两年，业务还嫩。公司全员配上 AI 后，他如获至宝：写方案让 AI 先出三版框架，挑一个深挖；碰到陌生领域，让 AI 十分钟讲清基本盘，再去跟行家对话。半年下来，产出翻倍，开始接从前只有资深员工敢碰的活。他说：AI 是我的外挂，一人能打一个组。
老陈入行十二年，团队公认的老法师。同一个 AI，他用得别扭、憋屈。因为他最引以为傲的本事——快速出规范文档、熟走标准流程、凭经验给标准答案——恰恰是 AI 最擅长的。AI 没让他快多少，反而让他心惊：我十二年一刀一枪攒的手艺，机器几秒学了个七八分？年终一算，产出没涨，部门的年轻人一个个追上来了。
同一间办公室，同一个工具，两种命运。
同一场雨，有人被浇透，有人接住了水。
这条把两人分开的线，就是分水岭：同一个 AI，对一部分人是放大器，对另一部分人是替代者。
问题来了：谁被放大，谁被替代，凭什么？
一组反直觉到离谱的数据
你可能默认：AI 这种高科技，肯定”强者愈强”——越厉害的人越会用，差距越拉越大。
数据啪啪打脸。
经济学家布林约尔松（Brynjolfsson）和两位同事，追踪了一家大公司 5179 名客服，观察分批配上生成式 AI 助手后发生了什么。注意：这不是 CEO 发布会吹的牛，是有对照组、登上顶级经济学期刊《经济学季刊》的硬核实证。
结果：
- 用上 AI 后，生产率（每小时解决的问题数）平均提升约 14%；
- 但增益极度不均：新手和低技能员工提升约 34%，资深高技能员工，几乎为零；
- 原因更有意思：AI 像是把老手脑中那些只可意会的”最佳实践”提炼出来，喂给了新人——新人几个月走完了原本要几年的成长曲线。
读懂这组数字，你就读懂了硅基经济里最扎心的规律：
AI 不是雨露均沾。它是一台”把新手拉到及格线”的机器。对新人，天降红利；对老手，当头一棒——你十年攒的经验溢价，被 AI 一夜抹掉几分。
这对孪生现象，各有一个名字：新手红利，和资历贬值。
AI 把新人拉到及格线，也把老手的溢价抹平。
正应了刘禹锡那句：沉舟侧畔千帆过，病树前头万木春。当 AI 把学习的阶梯陡然放缓，青出于蓝，可能只在旦夕之间。
老手别慌，新人别飘
对老手说：你的经验没有一文不值，是”形状”变了。能写成流程、能被 AI 学走的部分，确实在贬值——你越引以为傲越要警惕。但另一些东西更贵了：复杂局面的判断力，信息不全时敢拍板的胆识，多年攒下的分寸与信任，为结果兜底的担当。这些 AI 学不走。
所以老手的正确姿势，不是回头跟 AI 比熟练——必输——而是从”熟练的执行者”升级成”AI 的指挥者和把关人”。
老陈后来就是这么翻的身。一次赶工，小杨用 AI 堆出一版方案，通篇挑不出错，却在关键处埋了个只有踩过坑的人才嗅得出的雷。全场只有老陈一眼看破。那一刻他悟了：机器和新人能造出”看起来对”的东西，但”到底对不对、出了事谁扛”，还得老手来判。他把熟活全交给 AI，专做三件事：把关、拍板、带人。半年后，团队拿不准的方案都找他过目，客户点名要他坐镇。
他没打败机器，他只是不再跟机器抢”熟练”那把椅子，转身坐上了”判断”那把——机器搬不走的椅子。
对新人说：红利是真的，陷阱也是真的。AI 帮你跳过了新手村，但”跳过去”和”长出来”是两码事。哪天 AI 给你一个一本正经的错误答案，你没有那份”总觉得哪里不对”的直觉去识破——那是踩过坑的人才有的。骑 AI 冲过新手村的人，可能是虚胖的，一压就瘪。
聪明的新人，拿 AI 省下的时间去换成长，而不是逃避成长。AI 能把你送到及格线，从及格线到高手，没有捷径。
泼盆冷水：别把话说满
2016 年，”AI 教父”辛顿放话：应该立刻停止培养放射科医生，五年内 AI 读片全面碾压人类。
十年过去，放射科医生不但没消失，还闹人手荒。为什么？他看见的是”读片”这一项任务——AI 确实进步神速；但放射科医生从来不只是读片机器：结合病史综合研判、和临床会诊、跟患者沟通、拍板担责。AI 接走了”读片”，接不走整个”放射科医生”。
连教父都会失手，这事的教训极深：把一项任务的胜利当成整个职业的终结，是看 AI 最容易犯的错。下次再看到”某职业将被团灭”的标题，心里先默念这条。
再补一刀更冷的：经济学家阿西莫格鲁（Acemoglu）测算，未来十年 AI 对全要素生产率的累计提升，可能不超过 0.66%。但注意——总量温和，不等于你安全。蛋糕未必做大多少，切蛋糕的方式，正在翻天覆地。这话后面几篇会反复回响。
动手：四题自测，你在分水岭哪侧
答”是”记 1 分：
- 我的核心价值来自判断与决策，而非执行标准动作？
- 我的工作离不开与具体的人建立信任？
- 我常要在信息不全时拍板，并为结果负责？
- 我做的东西很难写成标准手册让人照抄？
3—4 分：你在”被放大”侧，把 AI 当团队使，把判断与创造放大十倍。
1—2 分：中间地带，主动往上面四条靠，死磕”判断”和”关系”。
0 分：别慌，但要快——转身窗口有限，第 13 篇有完整路线图。
这篇只带走一句话
真正的问题从来不是你和机器的对决——那是必输之仗。真正的考题是：
不是你和 AI 赛跑，是你和”会用 AI 的人”赛跑。
想通这层，恐惧松一半。因为比同行更会用机器这件事，从今天就能练。
下期预告
失业不一定敲锣打鼓地来。它可能悄无声息，从一件你几乎察觉不到的小事开始——公司，不再招新人了。下一篇：沉默的自动化。
互动：四题自测你几分？老手还是新人？评论区聊聊你的”椅子”换了没。
（数据来源：Brynjolfsson, Li & Raymond《Generative AI at Work》，NBER WP31161，2025 年刊于 QJE；Acemoglu《The Simple Macroeconomics of AI》，NBER WP32487；辛顿 2016 年言论为公开报道。）
Let's Make AGI Real 
留下评论