AI发展误区，取代人非进步，政策与企业正转向赋能人类能力

近期，关于人工智能发展的讨论持续升温，但焦点正从“能否替代人”转向“如何更好地协同人”。华南理工大学公共政策研究院蒋余浩教授在《IPP评论》撰文指出，当前AI发展最大的误区，是把“取代人”当作技术进步的标志。这一观点在政策与产业层面正获得广泛呼应。

2026年10月23日，国务院办公厅发布《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，明确提出要“积极增强人工智能创造就业机会、赋能传统岗位、提升就业质量、激发创业活力”，并强调“努力实现技术进步、产业升级与就业促进、民生改善相协调的包容性发展”。该文件标志着国家层面已系统性纠偏——技术演进的目标不是削减人力需求，而是通过人机协同拓展价值边界。

这一转向并非空谈。德勤中国与香港大学联合发布的《从试点到规模化——打造AI原生企业》白皮书揭示了现实困境：尽管企业普遍投入AI，但多数仍停留在局部效率提升阶段，未能进入核心价值链。更关键的是，AI应用ROI低于预期的主因并非技术失败，而是前期商业假设过于乐观，且缺乏对“人机分工逻辑”的清晰设计。德勤中国合伙人唐捷直言：“真正的AI转型，不是让AI替代人，而是让AI承担动作，让人承担方向。”

图1数据来自德勤与美国劳工统计局分析：2024至2033年间，制造业将新增380万个岗位，其中76万来自行业自然增长，280万来自退休潮带来的空缺，仅23万由《芯片法案》等政策直接催生；但同期，因技能缺口导致的190万个岗位可能无人填补——这说明问题不在岗位消失，而在人岗匹配失衡。若AI仅用于替代而非赋能，反而会加剧结构性失业。

历史经验亦佐证此点。蒋余浩指出，“自动化”自20世纪中叶起就存在两类路径：一类是工人监督、维护并优化机器运行（增强型）；另一类是将人类操作拆解为标准化步骤，由机器逐项接管（替代型）。英国18世纪珍妮纺纱机与法国19世纪雅卡尔提花机的差异，正体现不同社会条件下的适配选择——前者面向劳动力短缺，后者服务分散化农村生产。二者都提升了效率，但路径迥异。关键在于“因地制宜”，而非盲目复制某一种模式。

当前全球AI落地实践正印证这一分化。Anthropic总裁丹妮拉·阿莫代在Think Health大会访谈中强调，AI不应延续社交媒体时代的“去中介化”逻辑，制造孤独的AI伴侣或依赖情绪刺激的广告变现。她主张：“AI应承担令人枯燥、重复的工作，将人类时间归还给亲情、反思与社区参与。”其个人经历颇具说服力：怀孕七个月时，她被三位医生误诊，最终依靠Claude识别出罕见细菌感染，并推动正确检测，挽救母子生命。但她明确表示，Claude并未替代医生，而是让医生腾出时间专注“床边态度”与同理心——这正是AI赋能人类的核心场景。

图2源自波士顿咨询公司亨德森研究所分析，清晰呈现AI影响劳动力的四象限模型：在“高需求扩展性”区域，AI降低执行成本，释放并扩大劳动力需求；在“低需求扩展性”区域，AI虽降本但无法扩产，仅减少人力；而真正理想的方向是“AI增强人类劳动能力”——即AI自动化部分工作环节，人类仍主导判断、协调与问题界定。该模型表明，技术路线选择决定社会后果：若只追求替代，结果必然是就业收缩与焦虑蔓延；若聚焦增强，则可实现效率与福祉双提升。

值得注意的是，市场反馈也在验证这一趋势。尽管“通用个人助理”概念火热，朱啸虎等投资人已公开表达谨慎态度；而企业端最成熟的落地场景仍是面向知识工作者的生产力工具——如Claude辅助研发、法律文书生成、客户服务优化等。这些应用不取代岗位，而是提升单人产出上限，使员工能处理更高阶任务。

政策层面的配套措施同步跟进。江西等地已出现因AI部署引发的劳动纠纷案例：某企业以AI系统替代质检员后，未提供转岗培训，被法院判赔26万元。多地人社部门开始要求企业在引入自动化前提交“人岗适配方案”，包括技能再培训计划与心理支持机制。这种“技术-制度”协同，正是构建就业友好型AI生态的关键一环。

图3为Anthropic总裁丹妮拉·阿莫代在Think Health大会现场对话画面。她所倡导的“拥抱光明与阴影”文化，意在平衡风险防控与价值创造——既警惕AI滥用，也坚定相信其在医疗、教育、科研等领域“安静地”推动普惠进步的潜力。她举例称，OpenEvidence平台正帮助全球基层医生快速检索最新医学文献，跨越信息鸿沟；这并非取代医生，而是强化其专业判断能力。

回看历史，每一次技术革命都伴随对“人之位置”的重新定义。工业革命初期，卢德主义者砸毁织布机，恐惧被机器取代;但最终，新岗位、新产业与新生活方式随之涌现.关键区别在于：当时的社会尚未建立有效的再分配与技能更新机制；而今天，我们拥有更成熟的政策工具与组织经验。

AI的真正挑战从来不是技术本身，而是我们是否愿意重构工作意义、组织逻辑与价值分配体系。当企业不再问“这个岗位能否被AI替代”，而是问“AI如何帮这个人做得更好”，当政策制定者优先考虑“如何让劳动者掌握与AI协作的新能力”，技术进步才能真正成为社会进步的引擎。