每隔一段时间，科技圈就会掀起一场"这次不一样"的就业恐慌。
这一次，主角换成了AI。
各种报告言之凿凿：哪些职业将被摧毁，哪些技能已经过时。
逻辑听起来无懈可击：
AI能做这些任务，做这些任务的人就会失业。
但这套逻辑，有一个致命的漏洞——
技术能完成某项任务，和人们因此失业，是两回事。
01
一个被反复忽略的历史教训
上世纪90年代，软件生产效率大幅提升。
按照"AI抢工作"的逻辑，同样的代码量需要的程序员应该更少才对。
但现实是：
软件开发岗位不降反升，从业人数持续增长了数十年。
原因并不复杂：
当软件变得更便宜、更容易开发，需求也随之爆炸式增长。
更多公司开始做软件，更多行业开始依赖软件，新的数字产品层出不穷。
需求扩张的速度，远远超过了生产率提升带来的"节省人手"效应。
经济学家把这种现象称为"需求弹性"。
简单说就是：当一件东西变便宜，人们往往不是买少了，而是买更多了。
02
数据比恐慌更复杂
美联储经济学家2026年3月发布的一项研究，对ChatGPT发布前后的程序员就业数据进行了追踪分析。
结果发现：2022年11月ChatGPT上线后，程序员就业增速出现了明显放缓，年增长率比此前下降了约3个百分点。
这个数字值得重视。
但不等于"AI正在消灭程序员"。
就业增长放缓，与就业总量下降，是两个截然不同的概念。
程序员整体就业规模仍在增长——只是增速不再像此前那样高歌猛进了。
波士顿咨询公司2026年的分析更细致：
对美国约1.65亿个工作岗位进行系统评估后，结论是：
-
50%到55%的岗位将被AI重塑——工作方式和技能要求发生实质性变化 -
真正可能被彻底消除的岗位，约占10%到15%
"被重塑"和"被消灭"，是完全不同的命运。
03
不是每个岗位都一样
软件工程师是一个典型例子：
AI大幅加速了代码生成和测试，却没有取代那些需要系统设计判断、架构决策和产品理解的核心工作。
AI工具让工程师的产出能力增强，由于对软件的需求持续扩张，总体就业规模并未缩水。
但呼叫中心客服代表呢？
情况截然不同。
客服面对的是有限且相对固定的需求：客户咨询量大体由客户规模决定。
当AI能够高效处理标准化问询时，需求并不会因此扩大——
多余出来的生产率，就会直接转化为岗位减少。
同一套逻辑，应用在需求弹性高的领域和需求弹性低的领域，产生了完全相反的结果。
还有一个容易被忽视的结构性问题：
初级岗位正在承受不成比例的压力。
AI最擅长的，恰好是那些任务清晰、流程固定、需要大量重复操作的入门级工作。
PwC的研究显示，在AI暴露度最高的职业中，应届毕业生和职场新人受到的冲击远大于资深从业者。
即便总就业数字保持稳定，进入职场的通道本身也在悄悄收窄。
04
需求是最终的裁判
历史给我们的答案是：
有时候，需求会爆炸式增长，新技术反而创造了更多工作；
有时候，需求是有上限的，效率提升会直接转化为裁员。
这两种情况同时存在，并将继续同时存在。
AI浪潮也不例外。
它不会均匀地冲击所有人。
它会在不同行业、不同岗位之间，制造截然不同的命运。
理解这种差异，比接受任何一种宏大叙事都更重要。
那些简单宣告"AI将摧毁知识经济"，或者"AI不过是又一次技术革命、杞人忧天"的声音——
恐怕都只说对了一半。