AI 时代，劳动任务被不断解构和重组：有些更适合人类，有些更适合 AI，有些则需要加强人机协作。有人说，AI 越来越像人，而人越来越像机器，这值得警惕。
AI 赋能之下的机器人格化
目前，AI 的智能水平越来越高，可以通过学习来感知和理解现实世界。在学习能力之外，AI 还具有较强的逻辑判断能力以及模仿人类动作的能力。今后，AI 还可能拥有持久记忆能力。倘若如此，AI 将不需要每次都从零进行学习、演练、推理和规划，而是在以往学习和思考的基础上不断累加、持续改进。
AI 赋能之下，一些智能机器已初步具备自我意识，表现出很强的主体性和人格化。智能机器不仅可以学习人类伦理，像人类一样行事，还可以由神经网络和大数据建构起智能化思维，形成自己的伦理让人类遵守，如数据至上、效率优先等。
正如英国剑桥大学特聘研究员、《人类简史》作者尤瓦尔 · 赫拉利所指出，AI 不只是自动化，不仅是我们手里的工具，它意味着一种主体性，是一个智能体。智能机器可以通过互联网聚合其他机器的数据和算力，形成机器间的互动和团队协作能力，拥有一定的社会性，且与人类互动所依赖的社会网络相比，机器互动的网络效应更强。
AI 竞争下的人类机器化
一些 AI 程序和机器开始在劳动场景中与人类展开正面竞争。世界经济论坛发布的《2025 年未来就业报告》预测，到 2030 年，39% 的工人的核心技能将发生变化，高达 86% 的受访者预计，到 2030 年人工智能和信息处理技术将彻底改变其业务方式。
在笔者看来，随着人类与 AI 在劳动场景中的竞争加剧，劳动者或将陷入 " 减少社会联系 "" 听从信号指令 "" 失去劳动意义 " 的困境，被迫像机器一样运转。
一是劳动者作为人的社会联系减少。资本主义工商业的一个特点就是通过产权制度和公司制度以及金融体系，将劳动与资本之间的雇佣关系变成各尽其责的契约关系，使得资本雇佣劳动获得合法性。
历史上，工厂制、公司制和财团等组织形式都是在强化对劳动者的控制，比较有代表性的是美国的流水线生产模式、M 型组织架构为特征的福特制、日本的终身雇佣制和年功序列制。
AI 时代出现了反向操作，科技的发展使得许多商品的生产过程被分解，服务供应过程被分包，引发了生产活动去公司化、去组织化的趋势。这种组织方式的变化映射到劳动关系上，引发从 " 企业—员工 " 到 " 平台—个人 " 的重大转变，个人与企业的契约关系明显松绑，颠覆了资本雇佣劳动这一传统经济下的当然规则。
在此阶段，对劳动者的劳动条件、工资、社保等方面的政策保护，可能促使企业采用更多机器以降低成本。
二是劳动者被虚拟的信号所控制。随着技术发展，企业越来越多地采用基于 AI 的复杂监控系统来追踪员工的工作行为和产出。这些系统能够精细记录从键盘活动、软件使用到任务完成效率等各类数据，员工的工作表现变得前所未有的透明。
这种增强的监控能力给员工带来了显著的工作压力，并可能间接促使其延长工作时间。换言之，部分劳动者受到资本家在虚拟世界中施加的潜在控制，劳资对抗关系从现实世界转入虚拟世界。也即，资本家用更少的资本付出、获得更强的经济控制权，西方资本主义社会进入数字资本主义阶段。
例如，Uber 存在 " 向前派单 " 算法，在司机完成当前订单前，AI 会自动分配下一个订单，司机既无法评估下一趟行程的利润，也无法选择下一趟行程的合作伙伴（不接受该指令将受到一定的惩罚或得不到相应的奖励）。算法凌驾于司机的自我选择之上。
深究背后的契约与权力关系可知，以往资本家利用生产资料来实现对工人剩余价值的占有，并通过契约的形式将其合法化。但在 AI 时代，契约关系被打破，资本对劳动在虚拟空间内以更加 " 自由自愿 " 的、技术化的方式加以控制，越过了委托人与代理人之间的权责关系和法律约束。或者说，剥削不再是以异化和去现实化的方式进行，没有了契约的羁绊，变成了个体为追求自我实现和经济效率而 " 心甘情愿 " 地压榨自身。
三是劳动者感受不到工作的意义。平台通过算法管理设置一系列窄而频繁的选择来制造工人的同意，甚至提供一些冗长的条款，使得人们在不断受限的选择中被迫同意（如勾选一些协议才可以正常使用 App），剥夺了人们工作的实际参与感和掌控感，体会不到算法流水线上的工作意义。
换言之，AI 出于绝对理性的逻辑将人当作机器，打破人体的生理极限、带来心理上的压制。例如，亚马逊员工工作全过程均被自动化算法监控，感到堪比在监狱工作；Uber 司机缺乏与同事的社交、与上级建立联系的机会，存在孤独感与被隔离感。
AI 替代劳动者的现实顺序猜想
与以前不同，AI 科技革命之下，机器不仅可以替代传统的体力劳动者，还可以替代脑力劳动者。从现实顺序来看，有如下几个步骤。
一是直接替代体力。从不同工作的影响程度来看，低技能劳动者影响更大。尽管有研究认为，人工智能对高技能、低技能等不同层次的劳动者都有赋能作用，也都有替代效应。但现实情况是，低技能劳动者首当其冲，而高技能劳动者的工作相对稳定。
这可能是因为，在医疗等高技能行业，人们对人工智能技术的信任度仍较低，仍只是辅助人工而不是完全替代人工。特别是，人形机器人正在让 " 身体 " 追上 " 大脑 " 的发育，加快对劳动者的替代进程。
目前，人形机器人除了本体运动控制，高自由度灵巧手，还有触觉传感器、肌肉骨骼技术、表情模仿控制等，均在不断发展中，虽不完美，但不少试点项目陆续取得了进展。马斯克预言，未来人形机器人数量将超过人类，是人类的 3 到 5 倍，大概有 200 到 300 亿个。
二是冲淡中等技术人员的人力资本，进而进行替代。智能技术在赋能劳动者时，是以劳动者技能降级为代价的，把中等技能转化为机器指令。此时，劳动者没有被替代，但技能遭到退化，如出租车司机的认路技能被导航取代、厨师的火候技能被智能家电取代。
之后，机器再取代退化的中等技能劳动者，如网约车司机和外卖员。我们发现，平台经济新业态产生岗位最多的地方也将是今后下岗最多的地方，这非常耐人寻味。申言之，数字经济时代出现的新岗位可能是 AI 时代下岗的重灾区。现在讨论它们压榨员工，不久的将来，我们会讨论它们辞退员工。
对此，不论个人、企业还是政府部门，都亟待作出前瞻性预判和应对。例如，当前低空经济发展火热，据估计无人机操控员缺口达 100 万人次，但这些岗位会持续多久，恐怕很快就会被 AI 所替代。
三是高技能劳动者因技术通用性被部分替代。一般而言，对于高技能劳动者的赋能，更多是以劳动技能升级为主的，如通过 AI 翻译便利化提高学者思考问题的能力，使得他们更难被替代。然而，共性通用性技术降低了高技能人才的需求。譬如，基座大模型公司实际需要的技术人才规模比移动互联网时代大幅降低。
当然，现实的路径将有明显的国别或地区差异，对于劳动力充足且用工成本低、缺少电力和互联网接入、产业和企业实力较弱的发展中国家，AI 替代劳动的步伐相对较慢。
反思和提升人力资本价值
随着信息可及性增强，今后存在的深层次问题是：认知自动化对人力资本的影响是什么？人力资本是否会贬值？特别是，生成式 AI 应用可以让企业用户访问并使用大量内部和外部信息源，这意味着生成式 AI 的快速采用，将极大促进企业知识和技能的全民化，从而降低了企业生产经营过程中对人类知识的依赖性，或将降低人力资本的经济价值。
据预测，到 2026 年将有超过 80% 的企业使用生成式 AI 或在生产环境中部署支持生成式 AI 的应用，而在 2023 年初这一比例不到 5%。
更进一步的问题是：人能否借助 AI 辅助手段实现认知自动化和人力资本自动化？若能，将如何影响技术进步和经济增长？如果劳动及其知识技能都可以自动化，未来经济增长的瓶颈将是什么？
客观地说，在机器学习和人工智能浪潮到来时，在虚拟世界与现实世界深度交融与高度重叠时，数据与算法到底意味着什么，人们现在还难以完全想象。譬如，个人的智慧和力量是否可以在很大程度上由数据和算法决定，科学原理和技术设计是否可以在很大程度上定义社会的活力与秩序，这些规范性与实证性交织的问题将更多地呈现在世界面前。
保留的工作是什么？体力已经贬值。机器可以工业化的方式学习知识，所以学习能力和记忆能力作为人力资本的重要组成部分也将贬值。机器还可以利用大数据快速迭代，思考能力也很强。那么，人类可能留下情感、创意、逻辑推理、框架设计，如人工智能架构师、耳语者。再如，人类擅长基于因果分析的逻辑判断，机器的优势在于可以利用大数据进行相关性和预测分析。
这启示我们要加强三方面人类能力建设，提高人力资本价值：人之为人的能力（如情感）、人机协作能力、人对 AI 的框架设计和管控能力。
此外，需要注意的是，不能简单比较人类和 AI 的效率。正如美国未来学家凯文 · 凯利说，机器是效率机器，可以不断提升效率，而人是非效率机器，创造性的活动原本就是非标的，是低效的，两者衡量的标准不同。
AI 数字技术是赋能劳动者还是导致劳动者更快被替代，取决于劳动者在 AI 使用过程中技能提高了还是去技能化了。去技能化的下一步，很可能是被 AI 完全替代；技能提高的下一步，很可能是主导 AI 的框架设计。
因此，AI 赋能的方式应该是使劳动者本身的技能提高，使其不易被替代，而不是去技能化更易被替代。这启示我们：在 AI 算法设计之中，不能过度强调数学最优，而是要赋予人文关怀和劳动意义。近期，有平台为骑手设置防疲劳机制，为骑手缴纳社保，就很好地体现了科技伦理。
（作者系中国社会科学院财经战略研究院研究员）
本文来自微信公众号：经济观察报 （ID：eeo-com-cn），作者：刘诚