AI应该属于工人

(SeaPRwire) –   想象一下20世纪80年代汽车制造厂的车间。流水线工人忍受着日复一日的重复劳动，每45秒就要完成同样的任务，比如拧紧两个挡泥板的螺栓或夹接线束。流水线工人关于如何消除瓶颈或改善流程的建议往往被忽视。工头四处巡视，检查考勤，强制执行严格的节奏，监控质量，并提交关于产量和故障的班次结束报告。

快进到20世纪90年代中期。机器人技术、可编程逻辑控制器（PLC）和制造执行系统（MES）等先进技术的部署正在重塑工作方式。车间里的流水线工人变少了，但他们处理的任务范围更广了，比如清理堵塞和给机器人单元上料，同时产量却翻了一番。主管们现在拥有了生产数据，能够协调自动化流程和跨职能团队。 

在这一个世纪的进步中，这些新系统需要专业知识来操作和优化。这些专业知识远离生产线，价值集中在工程师、分析师和主管角色中。主管角色的工资增长速度远快于生产工人的工资。

这些技术的价值并没有惠及流水线工人。从20世纪80年代到2000年代，新的知识层强化了主管的作用，增加了管理层和生产人员之间的工资差距。这是由于历史技术颠覆导致的各行业的普遍现象。 

根据美国劳工统计局的数据，自1980年以来，自动化和数字化转型的浪潮为美国经济增加了超过7000万个净新增就业岗位。然而，根据经济政策研究所的数据，自1979年以来，生产和非主管工人的生产率增长速度是其平均薪酬（工资和福利）增长速度的2.7倍。这一群体约占美国劳动力的80%。 

AI可能会改变这一局面，因为它是第一种可以通过自然语言而非专业技术技能访问的技术。过去的技术颠覆要求工人学习软件、编程或分析工具才能从新系统中受益。这产生了一种“推力”，要求企业主导采用和整合。AI通过扩展和增强人类能力的工具降低了准入门槛。其界面是对话而不是代码。 

因此，像 ChatGPT、Gemini、Claude 和 CapCut 这样的消费级 AI 应用程序正在推动采用。然而，企业仍在努力创造有形的、可扩展的价值，以证明对该技术数十亿美元的投资是合理的。 

根据 Pertama Partners 的研究，超过80%的 AI 项目未能交付商业价值，其中84%的失败与领导力差距有关，例如指标不明确、投资不足和赞助不专注。在遗留结构内部部署通用机器智能，而不考虑团队实际工作的真实、往往是混乱的方式，注定会失败。

当 AI 融入人们所做的工作时，它的效果最好。将工人的生活现实和一线洞察的背景带入用 AI 重新设计的系统和结构中，是一个核心的差异化因素。技术人员、操作员、护士和服务人员往往比任何人都更了解真实系统的细微差别。这种背景动态创造了一种“拉力”，将 AI 驱动的决策和价值创造拉向组织的边缘。 

这就是为什么我们预测，智力将不再集中在狭窄的主管或白领角色中。它将扩散到组织的每一个层级和角色，重塑组织层级结构以及以前被夸大的社会经济差异。 

我们的研究估计，AI 可能会影响 93% 的美国工作岗位。法律、管理和医疗保健等知识领域的理论接触度最高，为 40% 至 60%。虽然蓝领和体力劳动角色的直接自动化评分较低，但随着 AI 围绕体力工作展开，它带来了巨大的间接影响。 

通过利用 AI 放大他们的技能和经验，工人可以创造混合智能，以产生更高价值的产出。暖通空调（HVAC）技术人员可以通过 AI 驱动的诊断检测早期压缩机故障，从而进行主动维护。银行出纳员可以利用 AI 增强的合规检查和针对客户的个性化推荐。客户服务代表可以使用 AI 实时评估客户情绪，从而实现更有同理心的响应和更快的冲突解决。

当生产率提升更接近工作源头时，工人对决策、流程和结果获得了切实的筹码，为更强的工资溢价和社会向上流动开辟了道路。这种与以往技术浪潮相比的动态转变，给遗留的组织和社会系统带来了适应的压力。

目前的报告警告说，AI 将取代工人，消除入门级角色，并加速各行业的无就业增长。但如果 AI 提高了工人的生产率，该技术就有潜力重新平衡劳动力市场，给工人更多筹码，并改善工人的处境。  

美国劳工统计局的数据显示，虽然 2026 年 2 月失业率上升至 4.4%，但 2025 年美国整体生产率增长了 2.2%，高于前几年的 1.4%。这些收益可能来自对工具、数据和流程重新设计的投资，而不仅仅是单靠工人的效率，但它也作为 AI 驱动生产率的一个早期信号。

AI 有潜力创造新的模式和系统，以扩大公平的社会经济机会。从历史上看，产出的增加往往将价值集中在少数人手中。但这种结果并非不可避免。 

当智力直接转移到最接近工作的人手中时，采用、迭代和价值实现就会加速。为人类和 AI 协作精心设计的工作、培训、自主权和奖励可以更广泛地分配价值。

AI 正在以以往技术革命中罕见的速度发展。但未来十年最重要的创新可能不是来自人工智能。它将来自赋予每个工人使用它来产生经济和社会价值的能力。