当下，围绕人工智能对经济、社会乃至人类生存影响的争论日益激烈。然而，这场喧嚣背后潜藏着一种更深层的失控感——许多讨论被简化为“AI能做什么？”这种被动思维暗示，决定AI对工作影响的是技术本身，而非人类自身。在轻信这些危险的“自我实现预言”之前，科技界、商界和社会各界的领导者，以及我们每一个普通人，都必须认清前方的双重陷阱，方能精准避坑。
2022年，埃里克·布林约尔松教授提出并命名了“图灵陷阱”，即盲目把AI的目标设为模仿人类，以期用机器取代人力，而非构建能补充并拓展人类能力的系统。
如果说“图灵陷阱”代表一种错误的工程视角，那么与之对应且同样具有破坏性的，就是“人才陷阱”——一种广泛存在、却有着根本缺陷的用工观。按照“人才陷阱”的思维方式，社会人才总量是固定的，人才主要由学校培养，并以学历来衡量；企业胜出的关键是争夺这批有限的人才，而非广泛培育新血。这种思维把一部分人视为值得争取、培养和发展的“人才”；把另一部分人仅看作“劳动力”，认为后者只需嵌入他人设计好的固定流程，无需拥有自主判断的空间。
“人才陷阱”世界观，把劳动者视为能力固定不变的静态存在，而非持续进化的“在职学习者”。因此，随着AI在越来越多认知任务上达到新基准，这些任务乃至于相应岗位都会随之消失，把人类推向更多体力密集型工作，或仅催生出极少数拥有新兴领域高级学位者才能胜任的新岗位。这种思维还把让劳动者适应AI经济的重担，一股脑压在学校、高校和正规再培训项目身上。
然而，那些可能让我们陷入AI“人才陷阱”的观念根本站不住脚。劳动者的潜力并非固定不变，大多数学习都发生在正规教育体系之外；而与工作相关的技能，往往形成于与他人和工具协作解决客户、公司或社区实际问题的过程中。
高等教育当然至关重要，但对雇主而言，最重要的人才来源其实是美国每年1,000万名劳动者，他们凭借在工作中积累的技能，转向薪酬更高且需求旺盛的岗位。这个人才群体的规模，是应届大学毕业生的五倍。这些向上流动的劳动者中，有一半属于“通过非传统途径获得技能”（Skilled Through Alternative Routes，简称STARs），没有大学学位。而且，他们高度集中在极少数“门户岗位”中。塑造这条人才输送管道的主力是雇主，不是学校。在Opportunity@Work，我们多年来一直研究STARs及其他劳动者的技能和职业路径，目标就是帮助雇主识别那些原本可能被忽视的人才。
“门户岗位”涵盖了约75种职业，贡献了62%的高薪岗位跃升。例如，每年都有数千名客服代表（这便是一种门户岗位）转岗成为销售代表或调度员。这些岗位薪酬更高，但其看重的是同一套基础能力：积极倾听、迅速读懂他人、在压力下保持冷静，以及在利益攸关时紧紧留住客户。劳动者先在较低薪的起点岗位中培养技能，再在门户岗位深化技能，最终将技能运用到薪酬更高的目标岗位——这正是劳动者实现职业发展、人才池不断扩大的基本途径。
Opportunity@Work与布鲁金斯学会（Brookings Institution）的一项最新研究显示，从“门户岗位”转向更高薪工作的机会中，约有一半高度暴露于AI日益增强的能力之下，而这些能力既可用于自动化任务，也可用来增强劳动者技能。按照“人才陷阱”思维，人们会把受AI影响最深的门户岗位中1,860万名劳动者的技能视为固定不变，并把重点放在自动化他们的岗位上。如果以这种方式将AI应用于客服和行政助理等岗位，那么冲击范围就会扩大到仍在向这些岗位晋升的劳动者，以及所有依赖劳动者在这些岗位上积累技能的雇主，比如未来的销售团队。这些选择对美国产业、劳动者和劳动力市场的影响，将远大于它们对大学应届毕业生入门职业路径的影响——尽管后者同样重要。
与其跌入AI“人才陷阱”，不妨换个思路：如果企业在工作场所部署AI时，目标是补充和发挥最广泛的人类才能，用新颖方式更深入服务客户，会怎样？
首先，绝大多数美国劳动者都可以在现有工作环境中，针对重塑后的岗位接受再培训，并通过基于技能的转岗实现职业转型。企业采用AI时，可善用一线劳动者的隐性知识和潜力，例如让行政助理牵头重新设计业务流程，让医疗助理与患者互动以处理不健康行为。对于销售等难以填补的目标岗位，企业可利用AI增强业务能力，从而支持技能相近的门户岗位劳动者（例如客服人员）胜任新角色。这无疑将成为一套稳健的人才输送战略。
届时，就会有更少的企业高管把AI当作大规模裁员的理由或借口。更多公司可能会采取类似沃尔玛（Walmart）的做法：沃尔玛此前宣布，即便“随着AI的深度应用，每个岗位所需的技能都将发生改变”，公司仍计划保持员工总数稳定。此后6个月，沃尔玛股价涨幅达到标普500指数的两倍。区域性的产业网络也可以把技术与人才结合，打造更灵活的劳动力队伍，培育新能力、拓展新业务线，并扩大市场份额。
核心技术投资的方向也会发生变化。目前，前沿AI实验室往往通过技术基准来测试和推广最新模型，这些基准衡量的是模型取代人类完成任务的能力。未来，它们可转而设定另一类基准，用来评估人类与AI共同完成目标、共同学习的成效。AI人才工具还可以分析劳动者在打破“学历门槛”后的晋升数据，从而成为“人才陷阱”的矫正器，而非放大器。甚至可能出现新商业模式，比如“按需付费的能力增强”：AI可以先补足劳动者缺失的技能，再通过在职指导帮助他们逐步掌握这些技能，最后对技能熟练度进行认证。
鉴于AI拥有强大的变革能力，能够将人类智慧积累的成果用于我们选择的几乎任何目标，“AI”其实更应该代表“被放大的意图”（Amplified Intention）。我们为AI设定的目标至关重要，足以形成自我实现的预言。如果我们投入数万亿美元，意图用机器智能取代在职学习者，去解决我们今天已在解决的同一批问题，最终就会得到这样的结果。但如果企业能够避开AI“人才陷阱”中的错误假设，转而投资AI技术，以增强并发展尽可能广泛的人类才能和情境知识，解决尚未解决的问题，就可能带来一场“认知工业革命”，以及一场我们现在才刚刚开始想象的劳动力转型。（财富中文网）
本文作者拜伦·奥古斯特是Opportunity@Work的首席执行官，曾于2013年至2015年担任美国国家经济委员会（National Economic Council）副主任。贾斯汀·赫克为Opportunity@Work高级研究总监。
Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。
译者：刘进龙
审校：汪皓