国庆刚过返工的话题还没凉另一条讨论又冒出来有做AI基础设施的工程师说AI的效率被严重高估了。生成是快了但审核没跟上人反倒成了整条流水线的瓶颈工作量翻了好几倍。同一时间还有一组数据在网上传——据报道全球大厂公开因AI替代人力、裁掉的岗位预计达23万个而一家国际调研机构预测到2027年约有一半因AI裁员的公司会把同类岗位的人再招回来只是换个岗位名称。一边裁一边招很多人看不懂。其实这两件事背后的逻辑是通的。生成快了交付没快AI压掉的是写这一步的成本代码、文案、文档几分钟出一版。但一个任务真正交付中间还有审核、验证、对齐需求、做决策。这几步AI基本帮不上忙反而因为产出变多而更重。以前你写完自己测一遍就能发现在AI给的初稿看着结构完整、测试也过但你不确定它在哪埋了坑只能一行一行看。有工程师形容自己从创作者变成了流水线上的质检员——创造能带来心流审核只会带来决策疲劳。更别扭的是责任这块。过去的代码逻辑是确定的输入A得到B出问题能一路追回去。大模型的输出带随机性同一个提示词两次结果可能不一样出错了很难说清为什么追溯链直接断在这。这种不确定性最后都变成人要花的审查时间。裁了又招是成本算错了公司裁人时算的是AI能顶掉多少人力落地才发现AI省下的是生产成本涨上去的是审查、协调和决策成本而这几个成本全压在人身上。有研究机构此前也泼过冷水——据报道砸钱做AI的企业里大多数还没靠它赚到钱。这就是回旋镖的来源高估了工具低估了把人拆掉之后的协作成本和返工成本。这里得分清情绪和事实。“AI明天就取代我更多是情绪短期更普遍的情况是活没少反而多了只是考核口径变了。有报道提到个别公司开始按员工使用AI的token用量排名、和绩效挂钩。这就等于把用得多当成了产出多”是典型的拿过程指标冒充结果指标。普通打工人能做的几件事第一给审核设一个时间上限。AI产出先定够好就发的标准别无限打磨。每天开工的头一段时间刻意不看AI用纸笔或纯手写推演问题护住自己从零推理的能力。判断力被磨没了才是真的危险。第二把省下来的时间变成能看见的记录。AI生成多久、人审多久、返工几次简单记一笔。当有人问AI都帮你了怎么还慢你拿得出数据而不是空口解释。重要改动保留评审记录出问题时能定位到是人还是模型。第三谈绩效前先分清口径。把AI产出量和经人审后的有效交付分开报。如果被按token用量考核最好在邮件或IM里书面确认一下这个指标到底算使用量还是算产出质量。口径不清背锅的往往是干活的人。第四判断要不要走别问会不会被AI取代改问这个岗位的活是不是已经被拆成纯审核、纯搬运还不给判断权限。只做质检、不给决策才是真正需要警惕的信号。工具本身没对错问题出在用它的方式。你最近的活是变多了还是变少了评论区聊聊。