AI负责计算，人类负责什么？未来真正稀缺的，可能不是知识而是信任

打开一个AI工具，输入几句话，它可以帮你查资料、写邮件、做表格、分析数据，甚至生成一份看起来相当专业的商业方案。

过去需要一个团队忙几天的工作，现在一个人配合AI，几个小时就能完成。

问题也随之而来：

当AI会写、会画、会编程、会分析，甚至开始参与决策，人类还剩下什么？我们会不会迎来大规模失业？未来的职场，究竟是人类与AI协同工作，还是机器逐步取代人类？

美国马里兰大学教授罗兰·T.拉斯特和台湾大学教授黄明蕙在《情感经济》中提出了一个很有启发性的答案：

随着AI承担越来越多的思考任务，人类工作的价值重心，将逐渐从“处理信息”转向“理解他人”。

这并不意味着未来的人类不再需要思考，而是意味着，单纯的信息处理能力正在迅速贬值。真正稀缺的能力，将变成定义问题、判断后果、建立信任、协调利益和承担责任。

换句话说，AI改变的不只是生产效率，也在重新划分“什么工作值得由人来做”。

一、AI真正取代的不是职业，而是职业中的一部分任务

讨论AI与就业时，人们很容易陷入一个误区：把一份工作看成不可拆分的整体。

例如，医生是不是会被AI取代？教师会不会消失？律师还有没有未来？

但现实中的任何职业，都是由许多不同性质的任务组成的。

医生既要阅读检查报告，也要综合病史、解释治疗方案、安抚患者并承担医疗责任；教师既要制作课件和批改作业，也要观察学生状态、激发学习动机、处理同学之间的矛盾；管理者既要看报表，也要协调部门、处理冲突并在信息不完整时作出决定。

AI可能迅速接管其中标准化程度较高的部分，却很难一次性接管整份职业。

国际劳工组织2025年发布的研究显示，全球约四分之一的劳动者所从事的职业，在不同程度上会受到生成式AI影响，但处于最高暴露等级的就业岗位约占3.3%。报告特别强调，由于绝大多数职业仍包含需要人类参与的任务，生成式AI更可能带来岗位转型，而不是整个职业直接消失。

所以，比“我的职业会不会被替代”更有价值的问题是：

我的工作中，哪些任务适合交给AI，哪些任务必须由人保留？

这是理解未来就业变化的起点。

二、从体力经济到思维经济，人类不断把旧能力交给机器

《情感经济》把社会生产方式的演变概括为三个阶段：体力经济、思维经济和情感经济。

在体力经济时代，大多数经济价值来自人的肌肉、耐力和手工技能。工业革命之后，机械设备开始承担搬运、加工、装配和重复生产，人类逐渐从工厂转向办公室。

随后，社会进入思维经济时代。

阅读、计算、写作、数据分析、项目规划和管理决策，成为大量白领工作的核心。学校和企业也围绕这些能力建立起完整的评价体系：考试测知识，招聘测逻辑，晋升看分析和执行。

生成式AI的出现，正在冲击这套体系。

机器不再只会重复执行固定程序，而是可以处理文本、图像、代码和复杂数据。它能够总结报告、搜索资料、制作方案、生成营销文案，并对大量备选方案进行快速比较。

这意味着，人类过去赖以进入中产阶层的许多“思维型任务”，开始像工业时代的体力劳动一样，被重新拆解、自动化和标准化。

拉斯特和黄明蕙将接下来的阶段称为“情感经济”：AI更多地承担分析和计算，人类则更加专注于沟通、影响、协调、服务和关系建设。相关研究认为，人际互动和同理性任务在职业结构中的重要性正在提高。

书中还根据历史职业数据的变化趋势推算，到2036年前后，情感类任务对人类劳动者的重要性可能超过思维类任务。

不过，2036年不能被理解为一个精确的技术倒计时。

它是基于特定历史数据和趋势作出的外推，不是学术界公认的确定日期。AI发展速度、监管政策、企业投资、教育改革和社会接受程度，都可能改变实际进程。

真正值得关注的不是2036这个数字，而是它揭示的方向：人类的竞争优势正在从“知道答案”，转向“知道应该问什么、相信谁，以及如何行动”。

三、人机协作的最佳模式，不是让AI包办一切

AI最有价值的使用方式，并不是完全代替人，而是放大人的能力。

一项针对5000多名客服人员的研究发现，使用生成式AI辅助系统后，客服人员平均生产率提高约14%，其中经验较少、技能水平较低的员工提升约34%。研究者认为，AI相当于把优秀员工积累的沟通方法和解决经验，快速传递给了新员工。

这个结果很重要。

AI不仅可以减少工作量，还可能降低学习一项复杂工作的门槛，让普通员工更快接近优秀员工的水平。

但另一项由哈佛商学院与波士顿咨询公司合作完成的实验，又揭示了AI协作的另一面。

在758名知识工作者参与的实验中，当任务位于AI能力范围之内时，使用AI的参与者完成的任务数量增加12.2%，速度提高25.1%，成果质量也明显改善。但面对一个超出AI能力边界的复杂管理任务时，使用AI的参与者反而更容易得出错误结论，正确率比不使用AI的人更低。

研究人员把这种现象称为“锯齿状技术前沿”。

AI不是均匀地变聪明。它可能在一个极难的问题上表现惊人，却在另一个看似简单的问题上犯低级错误。如果使用者不了解这条参差不齐的能力边界，就容易把“表达流畅”误认为“结论可靠”。

因此，理想的人机协作不是：

AI生成，人类复制。

而应该是：

人类定义目标，AI扩展方案；
AI处理信息，人类核验依据；
AI提出建议，人类判断后果；
AI执行流程，人类承担责任。

真正需要培养的，不只是提示词技巧，而是任务分配能力和结果审查能力。

四、“情感经济”不是让所有人转行做情绪陪伴

“AI负责思考，人类负责情感”是一种容易传播的表达，但如果理解得过于字面化，也会产生误导。

首先，未来的人类仍然需要很强的思考能力。

世界经济论坛《2025年未来就业报告》显示，分析性思维依然是企业最看重的核心技能之一。与此同时，增长最快的能力既包括AI与大数据、网络安全和技术素养，也包括创造性思维、韧性、灵活性、领导力、社会影响力和终身学习能力。

这说明未来真正有竞争力的，并不是只懂技术或只会沟通的人，而是同时具备三类能力的人：

第一类是专业能力。
你需要理解所在行业，知道什么结果合理，什么信息可能有问题。

第二类是AI能力。
你需要知道如何调用工具、拆分任务、提供背景、核查输出和设计工作流。

第三类是人际与判断能力。
你需要理解利益相关者，处理模糊需求，在冲突中沟通，并对最终决策负责。

因此，“情感经济”更准确的含义，不是理性退出舞台，而是当基础分析变得便宜以后，情境判断、关系协调和信任建立开始拥有更高的经济价值。

五、AI会表达同理心，不等于AI真正理解了人类

今天的AI已经能够根据文字、语音和面部信号判断用户可能处于什么状态，也可以生成安慰、鼓励和关怀式回应。

但“识别情绪标签”“生成同理表达”和“真正理解一个人”，并不是同一件事。

同一个皱眉动作，可能代表愤怒，也可能代表思考、疼痛、紧张或者光线刺眼。人的表达方式还会受到文化、性格、身份和具体场景影响。仅凭表情、语调或几个关键词推断一个人的内心状态，容易把复杂的人压缩成几个简单标签。

这也是情感AI正在受到严格监管的原因之一。欧盟《人工智能法案》已将工作场所和教育机构中利用AI推断个人情绪的部分应用列为禁止实践。

现阶段的AI可以表现得“像在关心你”，但这种表现主要来自对语言模式和互动规律的学习。它不需要承受错误决定造成的痛苦，也不会真正承担一段关系中的道德义务。

因此，在医疗、心理健康、教育、招聘和员工管理等高影响场景中，AI可以辅助人类，却不能仅凭一个情绪评分决定一个人的机会、待遇或命运。

人类真正不可轻易外包的优势，不只是产生一句温暖的话，而是理解这句话所处的背景，并愿意为接下来的行动承担责任。

六、未来的管理，不是减少员工，而是重新设计工作

很多企业引入AI时，第一反应是计算可以减少多少人。

但如果只把AI理解为降本工具，企业可能得到更快的流程，却失去创新、信任和组织学习能力。

更成熟的做法，是重新设计岗位。

例如，客服人员不再花大量时间搜索标准答案，而是把精力投入复杂投诉、情绪安抚和客户关系修复；分析师让AI完成数据清洗和初步归纳，自己专注于异常判断、商业解释和风险沟通；医生使用AI整理病历和提示潜在风险，把更多时间留给诊疗决策和患者交流。

在这种模式下，AI接管的是低价值重复任务，而不是简单接管人的职位。

企业还需要建立明确的责任边界：

哪些任务可以自动执行？
哪些结果必须由专业人员复核？
哪些数据不能进入外部模型？
发生错误时由谁负责？
员工是否有权质疑算法建议？

没有这些机制，所谓“人机协作”很容易退化为另一种结果：机器作出判断，人类承担责任，却没有真正的决定权。

七、情感经济也不等于天然的“女性红利”

《情感经济》中曾提出，随着同理心和人际交往能力变得重要，女性可能在未来经济中获得更大优势。

这个方向具有一定启发性，但不能被简单解释为“女性天生更有情商”。

一个人的沟通、照护和共情能力，既受到个人特质影响，也受到教育方式、社会分工和职业训练影响。把情感劳动天然归属于女性，反而可能进一步固化性别分工，并让大量照护和服务工作继续被低估。

现实中的AI冲击同样存在复杂的性别差异。国际劳工组织的研究显示，在全球最高生成式AI暴露等级的就业中，女性占比约为4.7%，男性约为2.4%，一个重要原因是女性更多集中在文职和行政类岗位。

所以，未来能否获得AI红利，决定因素未必是性别，而是一个人是否拥有转换任务、学习工具和进入新岗位的机会。

八、教育最需要改变的，不是增加一门“提示词课”

在思维经济时代，教育习惯于奖励标准答案。

学生背诵知识、独立完成作业，在规定时间内给出正确结果。但当AI可以快速生成答案时，传统考核方式的价值正在下降。

未来教育需要更加关注完整的思考过程：

学生能否提出一个有价值的问题？
能否识别AI给出的错误信息？
能否说明证据来自哪里？
能否比较多个方案的利弊？
能否与不同观点的人合作？
能否为最终结论承担责任？

这并不意味着基础知识不再重要。恰恰相反，没有基本知识的人，很难发现AI一本正经地犯错。

AI时代的学习模式应当是“先建立认知，再调用工具，最后反思结果”，而不是把思考过程直接交给机器。

世界经济论坛预计，到2030年，全球劳动者现有技能中约39%将发生变化或过时；假设全球劳动力只有100人，其中约59人需要接受培训。

因此，教育真正需要培养的，是专业知识、AI素养、批判性思维、沟通能力和伦理判断组成的复合能力。

九、人类与AI和谐共处，需要建立五条分工原则

第一，按任务分工，而不是按职业分工。

不要笼统地讨论“AI替代医生”或“AI替代教师”，而要拆解具体流程，判断哪些任务可以自动化，哪些任务需要共同完成。

第二，高影响决策必须保留人类责任。

医疗、招聘、信贷、教育评价和司法等场景，不能因为AI给出了一个分数，就取消人类的解释、复核和申诉机制。

第三，AI输出必须可核验。

重要结论需要标明数据来源、假设条件和不确定性。不能核验的高风险答案，不应该直接进入决策流程。

第四，效率提升不能以失去人的自主权为代价。

AI应当帮助员工减少机械劳动，而不是成为无处不在的监控系统，更不能利用不可靠的情绪推断评价员工。

第五，让生产率红利转化为人的成长。

企业节省下来的时间，应部分投入培训、创新和改善工作体验。如果AI只提高工作速度，却让每个人承担更多任务，人机协作就很难长期持续。

寄语：未来稀缺的不是答案，而是判断与责任

AI不会简单地把人类从经济活动中清除出去。

它更可能像过去的机械和计算机一样，重新划分工作的边界：把一部分原本昂贵的能力变得廉价，同时让另一部分能力变得更加重要。

当写作、翻译、搜索和基础分析可以快速完成，人类的价值将越来越体现在这些问题上：

我们究竟想解决什么问题？
这个答案是否值得相信？
不同人的利益如何平衡？
某项决定可能伤害谁？
出现错误时，谁愿意站出来负责？

《情感经济》最有价值的提醒，不是让我们等待2036年的到来，而是要求我们重新理解“人的优势”。

未来真正有竞争力的人，既不是拒绝AI的人，也不是把一切交给AI的人。

而是那些能够让机器发挥计算能力，同时保留人类判断、关系和责任的人。

AI可以生成答案。

但决定什么值得追求、什么不能牺牲，以及我们想建立一个怎样的社会，仍然是人类自己的工作。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）