读者来稿 | AI戳破了什么神话

作者按语：《AI为何会让互联网大厂的叙事“塌方”》一文原载于《读书》杂志，最近被不少思想类公众号转载，有公众号转载时把标题改成《AI戳破大厂“神话”》，还有公众号改为《一个在中国横行二十年的“特权阶层”，为何在AI时代轰然坍塌？》。文章题目很响，讨论的重心也逐渐从“大厂叙事为何失效”，移向了“一个特权阶层是否正在倒塌”。

评论区里，有人赞同大厂祛魅，也有人质疑作者不懂技术、不懂大厂，还有人觉得满篇名词像AI生成。这些争论立场不同，却都把目光集中到了大厂人的身份变化上。但大厂员工只是众多劳动者中的一小部分，AI进入工作所带来的问题，也远不止他们能否维持原有的位置。更值得追问的是，AI怎样进入具体工作，谁有权决定它的用途，节省的时间怎样使用，由此产生的收益怎样分配。

作者 | 秋雁（互联网公司从业者，关注 AI 与社会、批判理论等议题）

责编&排版 | 净怡

互联网大厂曾经把商业扩张讲成“连接一切”“提高效率”和“普惠赋能”，很多员工也从中获得了一种身处时代前沿的感觉。如今，企业开始把写代码、做文案、整理资料等任务交给人和AI共同完成，管理层也把AI视为降本增效的工具。那套关于技术、增长和个人成功的故事，确实越来越难讲得像从前那样顺畅。

平台垄断、增长压力、绩效竞争和劳动控制，早在生成式AI出现以前就已经存在。原文也提到了这些旧矛盾，却没有继续说明AI通过哪些组织机制放大了它们。标题更进一步，把中间的因果链条压缩成了AI让大厂叙事塌方。

原文从《浪潮将至》谈到维纳、斯蒂格勒、赵汀阳和海德格尔，试图借一连串著作和理论解释大厂叙事的失效、脑力劳动的变化和人的价值。理论很多，劳动现场却很少。读者看不到AI怎样进入招聘、绩效、裁员和日常协作，也看不到管理层、技术部门和普通员工在其中拥有怎样不同的权力。真正的问题意识，就这样被一种看似深刻的人文表达遮住了。

AI能完成一项工作，往往要有人先把目标、材料、操作步骤和验收标准说清楚。写一份市场报告，需要提供产品背景、历史数据和目标读者；修改一段代码，需要说明系统架构、接口约束和测试条件；处理一次客诉，也离不开过去的案例、赔付规则和权限边界。所谓“上下文”，来自员工长期积累的文档、沟通、判断和纠错。

最近流行的“同事.skill”把这个过程表现得很直白。“同事.skill”项目试图把这些散落在日常工作中的经验收集起来，整理成AI可以调用的Skill。项目支持从飞书、钉钉、Slack等协作平台采集资料，也可以手动导入邮件和工作文档，再从中提炼工作流程、技术与评审标准、决策经验和沟通习惯，生成可以被AI调用的Skill。根据项目介绍，生成的Skill会包含工作范围、流程、输出偏好和经验知识库，并能随着新材料继续修改。它还宣称可以复现一个人的思维框架和决策方式。不过，这些是开发者对项目能力的描述，实际效果如何还需要在具体任务中检验。[1]

这类整理可以减少重复劳动，让后来者少走弯路，但也带来了新的问题。哪些经验必须提交？整理工作由谁承担？公司能否把这些材料用于考核、裁员或训练内部系统？节省下来的时间，是换来更轻松的工作，还是变成更高的指标？由此增加的收益，员工能否分享？

同事.skill封面 | 图片来源：央视网

与“同事.skill”相对，“反蒸馏Skill”试图生成一份看起来完整、却隐去了关键经验的材料。它更像员工在缺少协商渠道时采取的一种个人防御：避免一次性交出全部经验，为自己留一点余地。这样的反应不难理解，也把一个问题摆了出来：员工对自身经验还有多少控制权？它能提供多少保护、会不会影响正常协作，还取决于具体的使用方式。[2]

这也把问题带回公司内部：当公司要求员工把多年经验整理成机器可以反复调用的资料时，员工能否知道这些资料将用于什么，能否参与决定由此带来的考核方式、工作职责和人员安排？

前面这些问题，并不会等到企业正式部署AI以后才出现。AI进入工作，往往从零散的尝试开始。有时，管理层会采购企业级大模型或智能体服务，要求团队寻找应用场景；有时，员工为了赶进度、减少重复劳动，或者担心跟不上变化，会先用个人账号尝试这些AI工具，用来写代码、查资料、改文案。这些个人尝试可能在团队中逐渐扩散，进而影响团队乃至企业怎样使用AI。

已有访谈和问卷研究发现，一部分员工会从具体任务、职业发展和同伴影响出发主动尝试AI。面对AI带来的压力，有人积极学习和改造工作方法，也有人回避、隐瞒或者只做表面配合。[3]劳动者并非只在工具上线以后被动适应，他们也在使用、修正和抵制中影响技术怎样进入工作。

参与这个过程，并不意味着各方拥有同样的权力。员工可以选择怎样使用工具，通过反馈让它贴近任务，也可能绕开或抵制不合适的要求。模型和平台提供者能够设定价格、权限和使用条件；企业所有者和高层管理者决定投入方向、业务重点和人员安排；业务管理者和技术部门则会把这些选择写进流程、权限和考核。员工参与了AI的落地，却通常无权单独决定它是否成为绩效要求、是否影响人员安排，以及节省下来的时间由谁支配。

至于AI是否正在大规模取代劳动者，现有研究还没有给出肯定答案。国际劳工组织2026年的综述指出，生成式AI带来的生产率提升分布不均，劳动者节省的时间也没有普遍转化成更高的收入或就业。[4]一项使用2022至2023年招聘数据的研究发现，常规认知岗位的需求收缩更明显，无经验岗位受到的影响也更强。[5]这项研究观察的是短期招聘结构，不能说明企业内部已经发生了怎样的劳动变革。这两项研究至少表明，AI会怎样改变工作和就业，取决于工具能做什么、员工怎样使用、企业怎样组织工作，以及市场面临什么压力。

对于既提供AI服务、又雇佣大量劳动者的互联网企业，控制技术和管理劳动的权力更加集中。它们既控制模型、算力和平台，也管理庞大的劳动过程。对技术条件的控制，可以进一步转化为对劳动过程的指挥和对收益的分配。

同样的技术，可以用来减少重复劳动、缩短工时和改善服务，也可能被用来提高绩效要求、削减岗位和加强监控。技术不会自行分配结果。拥有资本配置权、流程设计权、考核权和用工权的人，通常拥有更大的决定权；市场竞争、国家政策、监管和劳动者的组织程度，也可能改变最终结果。

原文最后把希望寄托在伦理、审美、共情和“工匠精神”上。这保留了对人的尊严的关心，却依然在寻找人身上无法被机器替代的部分。这仍然没有跳出市场对人的衡量尺度，只要价值仍然系于“不可替代”，新的机器能力出现以后，人就还要一次次证明自己有用。

中学课本里有一句不少人背过的话：“人的本质在其现实性上是一切社会关系的总和。”当年它可能只是一道填空题，到了AI进入工作场景的今天，忽然有了很具体的含义。知识怎样形成，工作如何协作，谁能作出决定，这些关系同样塑造着人。这句话不能代替关于权利的论证，却提醒人们，劳动者不能被还原成一组可售卖的技能。劳动者参与创造组织知识，也承担AI进入工作后的后果，理应参与决定AI怎样使用。

意大利科学哲学学者帕斯奎内利认为，人工智能并不是脱离社会凭空发展出来的，其历史一直受到劳动分工、管理方式和集体知识的塑造。[6]这个视角把注意力从“机器像不像人”拉回到劳动过程：机器能够做什么，与人们此前怎样组织工作密切相关；机器将来被用来减轻劳动，还是提高指标、缩减岗位，取决于谁有权决定它怎样进入工作，以及由此产生的收益怎样分配。

尊严要落到现实中，劳动者就需要参与协商技术的使用方式。2026年3月中华全国总工会、人力资源社会保障部、中国企业联合会/中国企业家协会、中华全国工商业联合会联合印发《平台劳动规则和算法协商指引（试行）》，把订单分配、收入与抽成、工作时长与休息、时间预估与路线规划、考核与奖惩列为平台企业与工会、劳动者代表协商的事项。[7]美国编剧工会争取到的合同条款则规定，公司不能强迫编剧使用AI，并须披露交给编剧的材料是否由AI生成。[8]这些做法有局限性，也不能直接证明大厂白领已经拥有相同权利。但它们至少说明，AI怎样进入工作、劳动者承担什么责任、效率收益归谁，不应只由企业单方面决定，劳动者也应当有发言权。

大厂神话是否倒塌，终究只是一个入口。旧的身份优越感消失，并不会自动带来更平等的劳动关系。如果员工仍然无权参与决定AI怎样用于工作，节省下来的时间最后只是让他们承担更多任务、面对更高要求，那么旧神话退场以后，还会出现新的效率神话。

人的价值，不能用能否被机器替代来衡量。人也无需先赢过机器，才配拥有尊严和决定自身生活的权利。更重要的问题始终是：谁决定怎样使用技术，谁得到它创造的收益，劳动者能否共同改变这些关系。

参考文献：

[1]dot-skill（同事.skill）项目说明：https://github.com/titanwings/colleague-skill/blob/dot-skill/README.md。项目将工作能力描述为工作范围、流程、输出偏好和经验知识库，并列出飞书、钉钉、Slack、邮件与文档等材料来源。

[2]anti-distill 项目说明：https://github.com/leilei926524-tech/anti-distill。该项目主张生成“看起来完整”但隐去关键经验的版本。

[3]林俐、朱晶晶：《生成式人工智能使用的前因及其对工作绩效的影响：数字化工作重塑视角》，《中国人力资源开发》2025年第2期；王弘钰等：《AI冲击意识对AI使用行为的双刃剑效应研究》，《科技进步与对策》2025年第23期。前者基于29份访谈，后者基于317名已接触AI员工的问卷，样本量均较少，不能代表中国劳动者整体。

[4]国际劳工组织，The impact of GenAI on jobs, productivity and work organization: a review of the empirical evidence，2026年6月1日。

[5]何勤、李鑫悦：《生成式人工智能与企业劳动力需求结构分化——基于ChatGPT发布的准自然实验》，《上海财经大学学报》2026年第4期。

[6]Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence, Verso, 2023。

[7]《平台劳动规则和算法协商指引（试行）》印发，中共中央社会工作部网站，2026年3月23日。

[8]Writers Guild of America West, Artificial Intelligence，页面更新于2025年12月18日。