早上6点半，AI先替我干了一轮活

每天早上 6 点半，一套定时任务开始替我干活。

它先翻我最近收藏的 30 条材料，剔掉写过的，再和过去 60 篇文章做一次向量去重。分数过线就停，没过线才继续查来源、写草稿、配图、翻译。

我最早只是想省一点重复劳动。可看着它一段一段接管流程，我突然明白：真正先松动的，可能不是“程序员”或“写作者”这个职业，而是职业里那些能被说清、能被验收、能隔着屏幕交付的任务。

把一份资料压成摘要，AI 能做。把 30 条素材按规则排序，它也能做。给定标题、语气、禁区和来源，它甚至能先写出一版完整文章。

这些工作以前要我自己点鼠标、开网页、来回核对。现在只要输入和验收标准足够明确，机器就能一口气跑下去。

AI 先替代的往往是一段段任务，不是整份职业。

国际劳工组织 2025 年那份生成式 AI 职业暴露研究，拆了接近 3 万项任务。它估计全球约四分之一的劳动者处在不同程度的暴露中。

但研究给出的主要判断，是工作更可能被改造，而不是整份职业直接消失。

原因并不神秘。一份工作里，总有些环节可以标准化，也总有些环节要补现场信息、处理例外、协调别人，最后还得有人签字认账。

这也解释了为什么“去做线下工作就安全”听着痛快，落到现实却不太够。

AI 会不会动到一份工作，关键不只看人坐在办公室还是跑现场，而要看这份工作能不能被切成清楚的小块：输入是什么，输出长什么样，错了怎么判断。

如果三句话就能交代完，外包给人还是交给模型，价差迟早会被拿出来算。

以前一份文案、一张图、一段代码的报价，多少还和制作时间绑在一起。买方不知道里面要试多少次、改多少轮，只能拿“需要几天”估算成本。

现在屏幕另一边摆着一个几分钟就能吐出初稿的工具。哪怕初稿还不稳定，它也会先把价格锚点往下拽。卖方再强调自己是手工完成，并不能自动把报价抬回去。

真正还能拉开差距的，是交付物放进具体场景后能不能工作。谁来发现需求里互相打架的两句话，谁来补客户没说出口的限制，谁敢在结果不对时重做，这些才是初稿之外的成本。

不过，把剩下的东西统统叫成“判断力”，也很容易自我安慰。判断只有留下可核对的结果才值钱：改掉了哪条错误要求，挡住了哪次误发，提前发现了哪个失败条件，出了问题有没有证据把过程倒回来。

如果只会说“我更懂业务”，却拿不出这些痕迹，那它和一份模型生成的漂亮自评没有多大区别。

今年 Anthropic 用真实产品使用数据做的研究也很克制。它没有发现高暴露职业已经出现系统性的失业上升，只看到一个值得继续盯的信号：这些职业里，年轻人的招聘可能已经在放慢。

这不是“职业末日”的证据，却像价格变化前的一点松动。公司未必先裁掉一个完整岗位，更常见的顺序可能是少招一个新人，把原来给新人练手的几段任务先交给 AI。

当一份标准化交付物越来越便宜，先消失的往往是靠它建立议价权的台阶。

回到我早上 6 点半那套任务。它能读、能排、能写，也能在规则触发时停下来。

可规则为什么这样定，某条收藏只是情绪还是能公开的判断，事实够不够硬，草稿出了问题要不要撤，最后仍得由我接住。

这部分并不神秘，也不浪漫。它只是很难压成一张放哪儿都能用的操作清单。

所以我不会因为 AI 能替我干活就把它关掉。恰恰相反，我会继续把能说清的步骤交出去。

真正让我不安的，是有一天机器把清单里的活全做完以后，我除了再递过去一张清单，还能不能说清楚：这件事为什么值得做，哪里才算做对，出了问题由谁承担？