当智能变得廉价，普通人的工作会发生什么？
一个比模型排行榜更让我在意的问题
2026 年 9 月 10 日，DeepSeek 正式发布了 V4.1 Flash，并宣布相应下调 API 价格。这让我再次想起此前 V4 Flash 发布时的一个问题：当模型具备相当不错的能力，同时使用成本又很低时，我们应该怎样理解它对普通工作的影响？[1]
在开发者社区里，每次新模型出现，我们很自然地关心它的编码能力提高了多少，能不能解决更复杂的问题，能否在更长的任务中保持可靠。这些讨论很有必要。作为开发者，我也在意这些能力。
但企业日常运转中的大量工作，并不需要模型站在能力排行榜的最前面。
整理 Excel，把不同来源的数据汇总成报表，根据已有材料制作文档，比较两个版本的差异，或者把会议记录变成一份待办清单。这些工作很普通，却需要有人持续投入时间。
当一个模型已经能完成其中相当一部分，而且价格低到企业可以频繁调用、反复尝试时，问题就会落到一个非常现实的地方：企业还会为这些工作配置多少全职人力？
这些工作当然有价值。数据需要被整理，文件需要被制作，业务需要有人推动。只是工作需要被完成，和企业愿意为它保留一个岗位，是两件需要分别考虑的事。
能力达到实用门槛之后，成本会改变使用范围
一个模型即使非常强大，如果每次使用都很昂贵，企业也可能只把它留给少数重要任务。但当成本足够低，原本不值得自动化的细碎工作，就可能进入试验范围。
例如，一份每周只做一次的小报表，过去可能不值得请开发者为它维护专门的软件。员工手工整理一个小时，虽然麻烦，却容易安排。如果模型能够理解不同格式的材料，再通过现成工具完成整理，企业尝试自动化的门槛就可能降低。
我认为，能力跨过实用门槛之后，成本下降会扩大受到影响的工作范围。企业无需为每个任务购买最强的推理能力，只需要找到足以完成它、又比现有方式更划算的方案。
企业最终会比较完成工作的总成本，包括模型调用、系统接入、结果核对、错误修正和例外处理。员工追问缺失数据、协调部门口径的能力，也在这笔账里。我的担忧是：随着这些环节越来越多地被自动化，维持现有编制的成本理由还剩下多少？
设想一个原本需要五个人处理日常材料的团队：如果自动化之后，两个人就能完成剩余的核对、协调与例外处理，企业就有了调整编制的诱因。这个假设说明了我在意的机制：只要剩余工作可以集中到更少的人手中，人力需求就可能下降。
岗位受到影响，并不需要等到 AI 能够独立完成这个岗位的全部工作。
最早消失的，可能是尚未被招聘的人
我认为，AI 对就业最早产生的冲击，很可能先体现在招聘入口的缩小上。
企业未必急于解雇现有员工。这些人熟悉业务，维持着日常运转，也承担着许多尚未被自动化的工作。但当部门提出增加人手时，管理者已经有了一个越来越容易提出的要求：先试试 AI，看看现有团队能不能把工作接下来。
一个原本准备招聘的岗位，就这样被搁置了。没有裁员公告，也没有谁办理离职，但一个本来可能获得这份工作的人，失去了进入组织的机会。
最近几个月的美国就业数据，让我更加在意这种变化。此前公布的就业走弱，到最新一期非农再次表现强劲，说明短期数据仍有波动和修订。但就业总量的韧性，并不能消除我对招聘入口的担忧。企业可以继续保留现有员工，同时对增加人手保持谨慎；餐饮、教育等行业的增长，也不能说明普通办公室岗位拥有同样的机会。[2][3]
我的短期判断是，企业可能继续维持少裁员、少招聘的状态。 现有员工的经验仍然有用，AI 接入业务也需要时间。在这个阶段，企业可以一边维持运转，一边验证：哪些新增工作已经不必通过招聘来解决？
对企业来说，这是一种成本较低的试验。对求职者来说，影响却已经发生了。毕业生找不到第一份工作，转职者迟迟等不到合适的机会。仍在岗位上的人，可能觉得就业环境没有发生太大变化；站在门外的人，却已经感受到入口正在变窄。
而我更担心的是，这可能只是一个过渡阶段。
目前，模型能够整理表格、生成文档，并不意味着它已经能够接手整份工作。资料散落在不同系统里，流程需要协调，异常需要处理，结果需要有人负责。这些环节，让企业暂时仍然依赖现有员工。
但如果未来一段时间，agent 越来越多地适配不同工作流，能够取得资料、操作软件、完成核对，并把少数例外交给人处理，那么企业重新计算人力需求的条件就会逐渐成熟。
到那时，变化就可能从「这个新岗位暂时不招」，发展为「这个人离职之后不用补」，再进一步变成「这个团队还需要维持现在的规模吗？」
我担忧的是，今天没有明显增加的裁员，可能让我们低估明天岗位减少的风险。 当前的稳定，可能包含着企业尚在试验、流程尚未接通、组织尚未调整的时间差。我们不能仅凭最新一期就业数字仍然强劲，就认为普通工作已经获得了长期保障。
这并不意味着我能从几份就业报告中证明 AI 已经造成了招聘放缓。我表达的是对接下来变化方向的判断：当模型足够好用、成本足够低，而 agent 又逐渐把这些能力接进企业流程时，企业减少人力需求的诱因会越来越具体。
我们是否正在利用这段时间，为可能受到影响的人建立新的职业入口、培训路径和收入保障？还是要等到编制开始缩减，才告诉他们应该学习新技能、寻找更有价值的工作？
我担心，等到冲击以裁员数字的形式变得足够醒目时，许多人的机会早已在此前一次次被搁置的招聘申请中消失了。
Agent 正在接近企业重新计算编制的条件
我认为，决定这种冲击何时深入企业编制的关键，是 agent 接入实际工作流的进度。模型能力与成本已经让企业有理由尝试，接下来需要打通的是日常业务中的具体环节。
以每月经营报表为例，真实工作可能包括从不同系统取得资料、确认数据口径、发现异常、联系相关人员补充信息、更新表格，最后提交给负责人审核。每接通其中一个环节，就可能减少一次人工搬运资料、检查状态或跟进进度的需要。
我在这里所说的 agent，是能够调用工具、执行多个步骤，并根据执行结果继续推进任务的 AI 系统。要进入企业日常流程，它还需要获得适当的权限，知道何时停止并交给人处理，留下可追溯的记录，并让失败后的修正成本保持可控。
这些要求是企业落地 AI 时需要解决的工程和管理问题。我担心的是，我们把今天尚未完成的接入工作，当成了某些岗位可以长期保留的理由。当业务数据、企业软件和人工审核之间的连接逐渐成熟，企业就更容易把模型能力换算成人力安排。
在这样的流程中，一个人的角色可能从亲自完成每一步，转为检查多个 agent 的结果、处理少数例外。工作仍然存在，但完成它所需的人数可能已经减少。
这个过程可能持续一段时间，也会因行业而不同。数据混乱、例外很多、责任要求很高的工作，需要更长时间才能完成改造。流程清晰、输入输出容易核验的工作，则更适合先被尝试。
新的业务需求能否吸收这些节省下来的人力，需要实际发生的招聘来回答。我不愿把“效率提高以后自然会有更多新工作”当成已经兑现的承诺。对正在失去机会的人来说，新岗位出现的时间、地点和技能要求，都决定了他们能否真正进入。
未来一家企业的业务增长，可能不再带来与过去相同比例的招聘增长。
如果初级工作减少，经验从哪里开始积累？
讨论到这里，一个常见的回答是：人可以去做更有价值的工作。
这个回答让我不安，因为它跳过了最具体的问题：一个人怎样获得承担那些工作的能力，又由谁为学习所需的时间和收入负责？
很多人的职业生涯，恰恰从整理资料、制作文档、核对表格开始。在这个过程中，他们逐渐认识业务，知道哪些数字容易出错，理解客户真正关心什么，也学会判断什么时候应该追问，什么时候需要上报。
当这些基础任务被大量自动化，我担心被一同拿走的，还有新人积累经验的机会。企业需要回答：新人通过什么方式获得足够的练习？
一个组织可以短期依赖少数经验丰富的人来审核 AI 的结果，却仍然需要培养下一批能够审核、判断和承担责任的人。如果入门岗位不断收缩，却没有新的培养路径，几年之后，经验人才的来源也可能出现问题。
这需要企业和教育体系共同设计。培训除了教人使用工具，还需要给人接触真实业务、处理例外和接受反馈的机会。否则，“学会 AI”可能只是让每个人获得相似的工具，却没有增加足够的职业入口。
更小的团队，和更难回避的分配问题
如果一个小团队借助 AI 就能完成过去一个部门的工作，企业的组织规模和岗位安排就有了重新设计的空间。创业和提供专业服务的门槛可能因此降低，但我更关心的是：这样的组织还会向多少普通人提供稳定的工作？
与此同时，已有客户、数据、资本和渠道的企业，也可以使用同样的工具扩大经营规模。未来可能同时出现更多小团队，以及用更少员工经营更大业务的公司。
我担心，智能的使用成本下降之后，客户、数据、资本和渠道会更加影响收益归属。一个失去办公室岗位的人，即使拥有同样便宜的模型，也未必拥有客户来源、创业资金和承担收入波动的能力。要求每个人都转型成独立创业者，无法替代社会对就业与保障的安排。
企业可能把收益用于降价、扩张、提高工资、缩短工时，也可能主要用于增加利润。不同选择，对普通人的生活意味着完全不同的结果。
如果我们仍主要依靠全职就业来分配收入、保障和社会参与机会，那么岗位需求的变化就不仅是企业内部的效率问题。一个人失去的可能包括稳定收入、积累经验的路径，以及对未来生活的预期。
我关心社会能否做好准备，具体就是关心这些事情：转职的人能否在收入不中断的情况下学习？新人能否获得真实的成长机会？生产率提高之后，劳动者能否分享收益？如果完成相同产出需要更少工时，我们能否把其中一部分转化为更多人的生活余裕？
在我看来，这些准备必须发生在岗位大规模调整之前。模型可以在一次更新后迅速普及，一个人重新建立职业能力、一个社会重新安排保障体系，却需要更长的时间。这种速度差，正是我最担忧的地方。
在下一份招聘申请被搁置之前
V4 Flash，以及这次 V4.1 Flash 的更新，让我越来越担心：当模型能力和使用成本共同跨过实用门槛，企业调整人力的速度，可能快过社会建立新出路的速度。企业不需要等到 AI 无所不能，才开始重新计算人力需求。
最初，这种变化可能只是下一份招聘申请被搁置。一家公司少招一个人，一个团队离职后没有补缺。每个决定看起来都很小，也有自己的经营理由。但对于等待进入职场的人来说，没有出现的机会，同样会改变人生。
随着 agent 逐渐接手完整工作流，这些决定还可能进一步延伸到既有编制和组织结构。
我认为，我们已经需要认真回答这个问题：当完成普通工作所需的人力越来越少，我们准备怎样让普通人继续获得收入、成长机会，以及参与社会的空间？
资料来源
以下资料按 2026 年 9 月 10 日的可用信息引用；月度就业数据可能继续修订。文中关于招聘、编制与未来组织形式的判断，表达的是我的观点与担忧，不代表这些变化已由上述数据证实。