你還在上班，但已經被公司按外包定價了

文 | wiwi

最可怕的不是 AI 把你裁掉，而是你沒被裁，反而更忙了——忙著處理一句又一句"你再處理一下"。

AI 寫了初稿，你再潤色一下；AI 做了方案，你再拍一下板；AI 寫好代碼，你再調一下；機器人接完客服，你再安撫一下；老板用 AI 跑出十幾個方向，你再挑一下。

但你慢慢發現，自己的位置變了：以前你是負責一件事的人，現在你越來越像那個"給 AI 收尾的人"。

更微妙的是，連你做的那部分，也開始被輕描淡寫：你熬了幾天寫出的稿子，被說成"潤色一下"；你硬扛下來的一場投訴，被說成"處理一下"。那個"一下"，就是白領價值被壓低的開始。

公司沒有立刻不要你，它只是開始重新計算你：不再把你當成一個完整崗位，而是把你看成一組可以隨時調用的任務能力。

你還在上班，工位還在，考勤還在，績效還在，老板還在派活。

這才是 AI 對白領最隱蔽的改造：它不一定搶走你的飯碗，卻會先改變你在公司里的位置——讓你，越來越像一個外包。

過去兩年，我們一直在吵"AI 會不會取代白領"。但這個問題，可能從一開始就問偏了。《哈佛商業評論》今年 1 月發布了一項面向全球 1006 名企業高管的調查，給出了一個更冷的答案：很多打著 AI 旗號的裁員，并不是因為 AI 真能頂上這個崗位，而是公司賭它將來能頂上，于是提前就把人減了。

也就是說，當一家公司開始按"AI 將來能干到什么程度"、而不是"AI 現在干成了什么樣"來安排人手，它改變的就不只是工作本身，而是你和公司之間那層雇傭關系。裁員還能反悔，可"這個正式崗位干脆不設了，改用外包和臨時的人"——這種事一旦發生，就很難再回頭。

《哈佛商業評論》

一、崗位沒有消失，只是被拆成了一個個訂單

真正在發生的，往往不是某個崗位突然沒了，而是這個崗位被從內部一刀刀切開。

工業時代的流水線，切的是體力活；AI 時代的流水線，切的是腦力活。外包的前提，是工作能被標準化、拆解和驗收。你沒法把一個籠統的"崗位"外包出去，但可以把從它身上拆下來的一件件具體活兒，單獨發給別人做。

而 AI，恰恰是一臺**"能力拆解機"**。它干的不只是把一個崗位拆成幾塊活，而是把一個人的整體能力，先拆成一項項可以單獨標價的技能，再把每項技能拆成一個個可以單獨交付的任務：寫作，被拆成寫初稿、改標題、潤色、核對事實；寫程序，被拆成搭框架、接數據、查錯改錯、做測試、互相檢查代碼；做運營，被拆成寫推文、拉群、做表格、發通知、寫復盤；做客服，被拆成回答常見問題、安撫情緒、處理投訴、判斷要不要退款。

以前這些能力被一股腦打包在一個崗位里，公司想拆也拆不開，更沒法一項項算錢。現在 AI 把它們先跑一遍、一條條列出來、還順手生成了初稿，公司管理者第一次看得這么清楚：原來一個崗位里頭，有這么多塊是可以換人做、可以外面買、可以臨時叫的。

這才是公司能"按外包給你定價"的真正原因。 不是老板突然變壞了，而是 AI 第一次讓一個人的能力，可以被切得這么細——崗位被切成一項項技能，技能再被切成一個個任務。而一旦切成了任務，鏈條就自己往下走：能被切出來，就能被派出去；能被派出去，就能讓人比著報價；一旦開始比價，這塊活兒就不再天然屬于你這個崗位了。

這就是"外包化"最深的那一層。它不一定把人請出公司，而是哪怕你還坐在工位上，也不再被當成公司的一份子，而成了一種"需要時調用、不需要時就是成本"的任務能力。

公司不是不再需要人，而是不再需要那么多"完整的人"。過去，一個崗位意味著一整套能力的組合：經驗、判斷、執行、溝通、擔責，再加上公司愿意花時間慢慢帶你。哪怕你今天還做得磕磕絆絆，公司也默認你是值得磨合、值得留下的人。可一旦 AI 能把大半個初稿都跑出來，公司就會越來越自然地問一句：既然只需要人在最后把個關，我干嘛還要養一個完整的崗位？

這句話一旦問出口，白領的定價就變了。AI 不是先消滅你的崗位，而是先讓你的崗位，變得不值得被完整地雇下來。

二、年輕人不是失業，而是根本進不來了

崗位被拆開之后，最先吃虧的，不是寫字樓里的老員工，而是那些還沒能走進來的年輕人。

斯坦福數字經濟實驗室的一項研究發現，生成式 AI 普及后，在那些最容易被 AI 頂替的工作里，22 到 25 歲的年輕人，就業人數下降了大約 16%；而同樣的活兒，換成年紀更大、經驗更多的人，或者換到不太受 AI 影響的行業，就業反而穩得住，甚至還在漲。

耶魯大學的另一組數據更直觀：22 到 25 歲的程序員，找到工作的人數比 2022 年底最多的時候少了近兩成；招聘網站上的程序員崗位，也從那時起少了一半還多。

這是美國的情況，不能直接照搬到中國，但它點出了一個更普遍的方向：AI 最先擠掉的，往往不是干了多年的老人，而是剛要進門的新人。 被它優先吃掉的，幾乎都是"入門級"的活兒——客服、給數據打標簽、初級中介、整理文檔、寫簡單的程序。而這些，恰恰是過去年輕人擠進一家公司的那道門。研究者有句話說得很準：AI 對就業的沖擊，不是嘩啦一下大裁員，而是"招聘悄悄停了"——沒人被趕走，只是門在新人面前，慢慢關上了。

更麻煩的是它帶來的連鎖反應。過去新人都是從整理資料、寫初稿、改頁面、做表格這些雜活干起的。這些活看著不起眼，卻是一個人摸清業務、練出手感、長出判斷力的入口：一個編輯，是在一遍遍改爛稿里才知道什么叫好壞；一個程序員，是在一次次線上出錯、被同事挑代碼里才知道什么叫風險；一個運營，是在一場場沒人報名的活動里才明白用戶為什么不買賬；一個設計師，是在一回回被甲方推翻里才搞懂什么是真需求。

可現在，這些打底的活兒正在被 AI 吃掉。新人看起來上手更快了，入職第一天就能用 AI 出活，但實際上，他跳過了所有該摔的跟頭，也就錯過了練出判斷力的機會。而公司這邊，也越來越沒耐心慢慢帶人：AI 都能寫到這個份上了，我憑什么還花這么多錢養你慢慢練？于是年輕人被卡在一個尷尬的位置——判斷力還沒長出來，卻已經沒有了慢慢練手的空間。

這對一個人的職業前途意味著什么？過去，"正式員工"這個蓄水池，本來是有源頭活水的：你從最底層的崗位干起，幾年后熬進核心團隊，成為那批有股票、有保障、說話有分量的人。而 AI 抽掉的，正是這條上升通道的第一級臺階。當入門崗位干脆不再設了，這個蓄水池就會從源頭開始萎縮。這一代新人不是被 AI 替代了，而是被 AI 擋在了"成為老員工"之前。

三、活兒會回來，但回來的不是工位，是一張采購單

門越關越窄的另一面，是留在門里的人也越來越少，而門外那些零散的活兒，越堆越多。

這不是簡單的"AI 換掉人"，而是一種新的搭配正在成形：少數骨干留在核心，負責想清楚要干什么、指揮 AI、檢查結果、出了岔子來收拾、最后擔責任；大量具體執行的活兒，則被拆成一個個小任務，發到外面去做。將來一個團隊，可能不再是"10 個正式員工各管一攤"，而是"3 個核心負責人 + 一套 AI 工具 + 一批在外面接活的人"：核心的人負責定方向、拆任務、驗收；AI 負責生成初稿、程序、方案和客服話術；外面的人負責補漏、修改、交付、兜底。公司看著還在擴張，可內部真正留下來的人，越來越少。

團隊結構示意圖

經濟學家鮑德溫（Richard Baldwin）2023 年在世界經濟論壇上有一句被反復引用的話："AI 不會搶走你的工作，但會用 AI 的人會。"這場變化的本質，從來不是"AI 取代人"，而是"會用 AI 的人，取代不會用 AI 的人"。但如果只停在這句話上，就把它看小了。因為在"會用 AI 的人取代不會用的人"之后，還有更狠的一步：那些 AI 還干不利索、還得靠人來收尾的活兒，并不會憑空消失，而是被挪到公司核心之外，變成可以隨時去買、隨時換人、隨時重新組合的"外部資源"。

有人會反問：AI 不是經常掉鏈子嗎？人不還得請回來？沒錯——而這恰恰是關鍵。知名咨詢公司 Gartner 預測：那些把"砍客服"說成是 AI 功勞的公司，到 2027 年有一半會把人重新招回來干差不多的活，只不過崗位換了個名字。另一家研究機構 Forrester 也判斷，超過一半打著 AI 旗號的裁員，最后會被"悄悄地反悔掉"。歐洲一家金融科技公司 Klarna 就是活例子：它一邊還在對外說 AI 客服頂了幾百號人、省了幾千萬美元，一邊又悄悄把人工客服請了回來，承認顧客始終應該有機會跟真人說上話。這說明的不是"AI 不行"，而是 AI 最擅長干標準、重復的活兒；一旦碰上復雜情況、需要安撫情緒、需要重建信任，人就又被拉回來了。說到底，AI 接得住流程，接不住人。

只是這一次，公司未必會把人請回原來的位置，而可能用新的名頭、項目制、外包或臨時合作的方式重新接住。活兒是回來了，但雇傭關系可能已經變了。回來的不是崗位，而是一項項任務；回來的不是工位，而是一張張采購單。

而承接這些活兒的池子，在中國早就存在，而且大得超乎想象。據人力資源和社會保障部的報告，我國靈活就業的人已經超過 2 億；有測算說，到 2024 年這塊市場規模能到 1.77 萬億元。只是過去，這個池子里裝的，更多是工地、車間、街邊這些體力活；而 AI 正在做的，是把更多坐在寫字樓里、穿著襯衫的白領，也更系統地推到同一個池子里。換句話說，寫字樓里正在出現一條新的流水線：機器負責生成和拆活，人負責檢查、補漏和擔責。

四、連正式工，也開始被按件計價了

當一份工作被拆成一個個小活兒，最先變的，就是價格。

過去一件成品能賣出價，是因為它背后壓著一個人的經驗、時間和"不確定"——客戶自己不會做，所以愿意為整個過程買單。可當 AI 幾秒鐘就生成出一個"看著像成品"的初稿，客戶心里那桿秤就變了：初稿都有了，你不就是改一改；頁面都生成了，你不就是調一調；方案都列好了，你不就是看一看；程序都能跑了，你不就是修一修。

"不就是"，其實就是開頭那句"你再處理一下"的升級版——只不過這一次，被壓下去的，直接是你的報價。AI 真正的殺傷力，不是讓活兒變免費，而是讓一份工作的前半段，看起來不要錢了。當前半段不值錢了，后半段如果證明不了自己干的是更關鍵的判斷、擔的是更大的責任，就會被一起壓價。于是很多人發現：自己明明更忙了，報價卻更難開了——因為他正在從"一個把事做完的人"，變成"AI 干完之后來補幾下窟窿的人"。

這事不只發生在外面接活的人身上，公司里的正式員工也一樣。過去，你是個正式崗位，公司給你發的是工資、社保、福利、成長空間和一份"身份"。可現在，一旦你的工作越來越能被拆成一項項具體任務，公司就會開始用"算賬"的眼光看你：這件事值多少錢、這個環節能不能更便宜、這段能力能不能臨時去買、這個人是不是非得長期留在編制里。于是，正式工和外包之間那條本來清清楚楚的線，開始變得模糊。

對公司來說，把白領的活兒外包化，不只是圖個"靈活"，更是一次實打實的省錢：外包的人不占編制、不算正式員工人頭，還能省下社保、福利、辭退補償這些長期養人的開銷。在如今人人都喊"降本增效"的當下，AI 給了管理者一個再正當不過的理由，去干一件他們其實一直想干、過去卻"拆不動"的事——把"每月固定要發的工資"，變成"用多少買多少、隨時能關掉的開支"。

于是一個更大的判斷浮上來：外包和上班，正在被同一套邏輯重新定價。 這兩頭是同時被擠到一塊的。一頭，外包并沒有變好，還是工資低、保障少、幾乎沒有議價的余地，變的只是干這活的人從藍領換成了白領。另一頭，正式工正在丟掉自己最值錢的東西——"穩定"。過去你愿意拿一份不算高的工資，去換一個正式編制，換的就是這份穩定：不會說裁就裁、有保障、看得見未來、公司替你扛住那些不確定。可當"35 歲危機""說裁就裁""股票縮水""業務說變就變"成了常態，這份穩定就越來越不值錢了。說到底，所謂體面工作，很大一部分的價值，來自公司替你扛下了風險；而現在，公司想把這份風險，重新還給你自己。

結果就是，不管你名義上是"正式員工"還是"外包"，都在朝同一種狀態靠攏：一個隨叫隨到、按件計價的人。當所有工作都能被拆成任務，所有人的頭上，都會被貼上一張隨時能改寫的價簽。

五、不想被當外包，就別只守著一件活

這不是一個適合用悲情收尾的故事，因為光是難過，沒有出路。

出路，藏在你能不能從"接任務的人"，變成"定義任務的人"。決定你站在哪一邊的，不再是"你會不會干這件事"——因為人人都會用 AI，工具本身很快就成了基本功。真正決定命運的是：你是那個想清楚要干什么、指揮 AI、出了事來擔責的核心，還是那個被拆成一件件小活兒、發包出去的零件？如果你只守著一件活，你就只能被按這件活計價；如果你守得住一整個流程，你還有點討價還價的余地；如果你能說清"到底要解決什么問題"、并為最后的結果負責，你才不容易被當成外包。

客戶要的，從來不只是一篇文章，而是一個能說清楚的商業判斷；老板要的，不只是一張圖，而是用戶為什么愿意買單；公司要的，不只是一份方案，而是這件事到底該不該做。這些問題不是 AI 參與不了，而是 AI 沒法獨自拍板、也沒法獨自擔后果。將來真正稀缺的，不是"會用 AI 的人"，而是能拍板"讓 AI 干什么、干到什么程度、干錯了誰負責"的人。

一個人的價值，將不再是比 AI 出活更快，而是能判斷什么才算好結果、為什么這個結果還不夠好。而這種判斷力，恰恰只能從真刀真槍的業務、真實的用戶、真實的失敗里長出來。這也是為什么：越是 AI 普及，越是能管住整件事的人，越值錢；反過來，越是只守著一道工序、機械交活、做一錘子買賣的人，就越容易被換掉、被壓價。

AI 不會搶走你的飯碗。它只是悄悄把你的飯碗，拆成了一筆筆訂單、一次次召喚、一回回交付，然后對你說：你看，你還有活干。

只是，那已經不再是原來的工作，也不再是原來的雇傭關系了。