YOHO AI

标签： AI就业

  • 程序员拒绝在没有 AI 的情况下工作——但这可能会反过来坑了他们

    程序员拒绝在没有 AI 的情况下工作——但这可能会反过来坑了他们

    2026 年有个挺有意思的发现：你现在很难让开发者放下 AI 编码工具去干活了。

    AI 确实能帮程序员更快地生成代码，但研究人员警告说，它产出的代码质量未必更好，这可能会给开发者的未来带来麻烦。

    研究者遇到的尴尬

    2026 年 2 月，权威 AI 研究实验室 METR 发布了一个令人意外的发现：大多数开发者甚至不愿意在没有 AI 的情况下完成实验任务。

    METR 原本想更新他们在 2025 年做的一项关于 AI 编码生产力的开创性研究。那项研究里，研究人员测量了开源开发者手动完成任务和使用 AI 完成任务的耗时。结果挺打脸的——开发者自称 AI 提升了生产力，但实际上 AI 拖慢了他们的工作速度。没错，AI 生成代码更快，但之后他们需要额外的时间查找和修复错误、引导 AI 工作、还要等 AI 完成任务。

    当 METR 着手重复这项实验时，他们没能成功。研究人员坦承，开发者不愿意参与实验，”因为他们不想在没有 AI 的情况下工作”，哪怕只是为了做研究。

    最后 METR 在 5 月发布了一份调查，让技术员工自行报告 AI 带来的生产力提升。毫不意外，大家认为自己对公司而言的价值是原来的两倍。

    tokenmaxxing 的代价

    最近关于 “tokenmaxxing”（过度消耗 AI token）的高昂成本的头条新闻，加上一些新研究，让这种自我认知变得可疑。

    Tokenmaxxing 用一个人消耗的 token 数量作为 AI 生产力的代理指标，是 2026 年迄今为止的趋势，而且这个趋势可能已经快到头了。

    据《金融时报》报道，亚马逊关闭了其内部名为 Kirorank 的 token 追踪排行榜，原因是员工为了刷榜过度使用 AI 代理，导致成本飙升。员工的行为证明，AI 的使用并不自动等于生产力的提升。

    据 The Information 报道，Uber 在 2026 年前四个月就用完了全年的 AI 预算。首席运营官 Andrew Macdonald 最近在播客中表示，这类支出并没有带来项目或生产力的可衡量提升。

    代码维护的隐藏成本

    程序员兼作家 James Shore 在一篇在 Hacker News 上疯传的博客文章中指出，AI 生成的代码不一定能减少后续代码维护需求，甚至可能增加这类需求。

    你现在写代码的速度是以前的两倍？最好希望你的维护成本也减半了。不然你就惨了，你是在用短期的速度提升换取永久的债务。

    还有其他证据表明 AI 会增加代码维护的麻烦。可靠性工程代理初创公司 Entelligence AI 的创始人兼 CEO Aiswarya Sankar 的一条病毒推文称，公司 44% 的 token 支出都花在了修复 AI 生成的 bug 上。与此同时，代码审查工具公司 CodeRabbit 表示，他们分析了开源拉取请求，发现 AI 生成的代码出现问题的概率是人工代码的 1.7 倍。

    诚然，这些都是试图销售 AI 代码审查工具的机构的自利统计。但独立研究人员也发现了这类问题。新加坡管理大学的研究人员 4 月发布的一份报告警告称，”AI 生成的代码可能会给真实的软件项目带来长期维护成本”。

    那怎么办

    既然程序员如此热爱他们的 AI 助手，解决方案是什么？

    那些想向你推销 AI 编码代理的人说，开发者可以用 AI 编码代理来完成修复代码这类枯燥繁琐的工作，修复速度和 AI 生成代码的速度一样快。这是 Cognition（AI 编码代理 Devin 的开发商）的创始人兼 CEO Scott Wu 的建议。

    但就连他也承认，虽然 Devin 可以独立工作，但目前它的技能水平在初级和中级程序员之间，具体取决于任务类型。这不是一个可以交办后就不管的解决方案。

    新加坡管理大学的研究人员提出了更偏向人工的方案：程序员需要像熟悉自己最爱的编程语言一样，深入了解 AI 擅长和不擅长哪些任务。他们需要为 AI 设计强大的质量保障体系，并且必须像对待初级开发者一样，仔细审查 AI 的工作成果。

    同时，研究人员和 Wu 都表示，人类仍然应该负责软件架构、安全设计这类大局层面的工作。

  • OpenAI基金会砸2.5亿美元，帮劳动者应对AI冲击

    前几天OpenAI基金会扔出一个重磅消息：拿出2.5亿美元，专门帮那些被AI波及的劳动者和社区做转型。这笔钱是去年OpenAI重组后，那个控制OpenAI的非营利组织拿到1300亿美元股权之后的第一次大动作。

    1300亿美元的非营利巨头

    去年OpenAI重组的时候，很多人没注意到一个细节——非营利组织保留了OpenAI营利性业务26%的股权，按当时估值大约是1300亿美元。一夜之间，这个原本只是小打小闹的赠款机构，直接变成了科技圈最富有的慈善组织之一。

    今年3月，OpenAI公开承诺未来12个月通过基金会至少投入10亿美元，重点盯住生命科学研究、AI素养、公民建设和经济机会这几个方向。而这次的2.5亿美元，就是这10亿美元承诺里第一批真正拨出去的钱。

    OpenAI基金会在声明里说得很直白：”当前的变化速度意味着我们正确应对的窗口比习惯的要短，而错误应对的代价是巨大的。”这句话背后，是对AI冲击劳动力市场紧迫性的真实认知。

    钱到底花在哪

    基金会把这2.5亿美元拆成了三块，跟传统慈善机构很不一样——他们不仅要给钱，还要自己下场做项目。

    第一块是研究基础设施。他们觉得目前缺的是独立、严谨的劳动力市场影响分析，太多炒作和恐慌，太少实打实的数据。基金会要自己建团队，做中立的预测和研究。

    第二块是直接劳动者支持。目标群体很明确：客服、金融后台运营、入门级软件岗位——这些已经被AI工具大量替代的领域。基金会会资助那些给失业劳动者提供转型培训的组织。

    第三块是AI驱动的经济模拟。说白了就是用计算建模，画出区域经济在国家层面随着AI能力扩展可能发生的变化图谱。产出这些数据，是给政策制定者、教育者和雇主用来规划培训和转型路径的。

    Sam Altman的态度转变

    有个细节挺有意思。Sam Altman今年早些时候还跟伴侣Oliver Mulherin一起签了”捐赠誓言”，但他最近几个月公开表态软化了不少。他承认：”我很高兴我错了——我曾以为到这个时候，入门级白领工作的消失会比实际发生的影响更大。”

    这种软化，跟基金会一边说”失业担忧真实存在”、一边又强调”主动干预窗口正在缩小”的谨慎态度形成了微妙的对照。Altman的个人态度在变，但基金会的行动逻辑没变：先把钱和资源到位，不管AI到底会不会真的消灭大量工作岗位，提前布局总没错。

    现实已经发生了

    基金会这个动作不是凭空来的。最近几个月，已经有一堆公司把裁员和效率措施直接跟AI采用挂钩了。Block和Standard Chartered在近期的裁员公告里明确提到了AI带来的效率提升，说明”AI导致失业”已经不是什么遥远的理论风险，而是正在发生的事。

    这场辩论的核心其实是：AI带来的经济收益，到底会广泛惠及普通劳动者和社区，还是主要归股东和高技能技术人员所有？OpenAI基金会砸这2.5亿美元，等于是在用真金白银表态：他们想成为塑造这个答案的积极参与者，而不只是旁观者。

    接下来的看点就是：这个拥有1300亿美元股权的基金会，能不能真的把规模转化成那些正在经历技术转型的劳动者手上可感知的帮助。首批具体项目公告和合作组织，预计在今年下半年公布。

  • AI真的在抢走白领工作吗？数据说不

    你肯定也听过这种说法：AI正在吞噬白领工作，软件开发、金融分析、科技公司文案，通通不保。Coinbase、Meta、思科最近一波裁员，更让这种焦虑发酵到了新高度。

    但在你递交辞职信去学水管工之前，值得看看数据到底在说什么。

    简短的答案：目前还没有。尽管到处都是”就业末日”的警告，但几乎没有证据表明AI已经对美国劳动力市场产生了大规模影响。

    失业率数据打脸恐慌论

    美国劳工统计局（BLS）的数据清清楚楚：那些被认为”最容易被AI影响”的职业，失业率反而比受AI影响较小的职业更低。而且，没有任何迹象显示大量劳动者正从”危险职业”涌向”安全职业”（比如体力劳动）。

    前BLS局长埃里卡·麦肯塔弗（Erika McEntarfer）说得很直白：”迄今为止所有可用证据都表明，AI对当前劳动力市场状况的影响目前可能很小。我们从历史中知道，创新需要时间才能渗透到行业变化和职业变化中。AI不太可能在首先改变企业之前就改变劳动力市场。”

    AI与就业市场关系示意图
    MIT Technology Review 配图 | Stephanie Arnett

    年轻人确实在受苦，但原因很复杂

    公平地说，美国就业市场现在对很多人来说都很糟糕，尤其是年轻求职者。最近大学毕业生的失业率约为5.6%，远高于全体工人的失业率水平，这个数字是疫情以来、2008年经济衰退以来都没见过的。

    有迹象表明AI正在加剧22至25岁、寻求软件开发等受AI影响较大职业的年轻人的痛苦。但把这些职业的困境全算在AI头上，目前还缺乏足够证据。

    • AI应该为就业困境承担多少责任？不确定
    • 受AI影响职业中入门级工作的减少，是即将到来的其他职业的预兆，还是仅仅是”低解雇、低招聘”劳动力市场的孤立症状？也不知道

    斯坦福的研究发现了一个关键细节

    斯坦福数字经济实验室的研究人员分析了950个职业，按”AI暴露度”分为五档。他们用了ADP的庞大数据集（比BLS的数据大得多），发现了一个有意思的现象：

    在ChatGPT首次公开发布的2022年底之后，受AI暴露度最高的职业（如软件开发和客户服务）中，22至25岁的员工人数开始下降。到2025年，受AI暴露的职业的入门级工作岗位下降了16%。

    但研究同时发现了一个经常被忽略的关键细节：影响取决于AI的使用方式。那些任务可以”最少人类参与”自动化的工作（比如入门级编码），就业人数减少了；而在AI主要用于增强人类工作的工作岗位，入门级工人的就业人数增长反而快于平均水平。

    “编码知识” vs “隐性知识”

    这项研究提出了一个有趣的解释：入门级工作更多依赖于人们通过教育获得的”编码知识”——这类知识容易被AI模仿。而年长工人有更多的”隐性知识”，即基于经验的那种直觉和判断力，这类智慧目前还很难被AI取代。

    这意味着”边赚边学”的传统职业模式，至少在某些职业里，可能真的被打破了。年轻毕业生的技能可以与AI匹敌，所以他们找不到工作了。

    这次会不一样吗？

    对AI取代工人潜力的焦虑并不是什么新鲜事。2013年就有大量报道描述包括AI在内的一系列新数字技术如何开始威胁白领工作。2016年底，奥巴马总统任期的最后几天，他发布了一份由顶级经济和科学顾问撰写的报告，警告AI正在威胁工人。

    当时AI先驱杰弗里·辛顿说：”人们应该停止培训放射科医生”，因为该职业很快就会被AI取代。当然，这个预测没有成真。AI确实已经成为筛查放射学图像的工具，但放射科医生的数量比以往任何时候都多。

    事实证明，人类放射科医生执行大量有价值的任务，包括解释结果和与患者互动，这些任务目前还无法用AI完成。

    也许这次会不同。AI确实已经获得了做类人任务的难以想象的能力。但之前的AI就业焦虑有一个先见之明的教训：我们真正的关注点应该少放在反乌托邦的恐惧上，更多放在可能影响到数百万人的工作场所的真正过渡上。

    我们需要更好的数据

    哈佛大学经济学教授大卫·戴明说：”我们基本上是在盲目飞行。”目前的数据收集工具并不能充分解释AI如何影响庞大而多样的美国劳动力市场。

    斯坦福数字经济实验室即将启动一个定期更新的项目，提供关于AI如何改变经济的数据。在花费数千亿美元推出AI技术的时候，我们在了解这种过渡上投入的资金甚至不到1%。