谷歌 IO 开完会，Google 自己人出来说 AI 不会抢你工作

谷歌 IO 大会今日凌晨在山景城开幕。两个小时的主题演讲里，Sundar Pichai 宣布了Gemini Omni、Gemini 3.5 Flash、 Gemini Spark、AI Mode 新搜索、Information Agent等等等等，每隔几分钟就有一个新产品——AI 正在被塞进谷歌旗下的每一款产品。就在同一天，Platformer 的 Casey Newton 发布了他"AI 与就业"系列的最新一篇：和谷歌 SVP James Manyika 的对谈。

Manyika 不是普通的谷歌高管。他在麦肯锡全球研究院主导了近十年关于 AI 对就业影响的研究，那份"50%的工作任务可被自动化"的报告就出自他手。现在他坐在谷歌，负责技术与社会议题。Casey Newton 在采访里没有客气——他把 Mustafa Suleyman"18个月内白领工作全面可自动化"的预言、Dario Amodei 关于高失业率的警告都摆在了 Manyika 面前，逼他表态。

Manyika 的回答出人意料地强硬：我愿意打赌。

这大概是目前最有分量的一次"AI 不会大规模抢工作"的公开表态——不是情绪化辟谣，是一个研究了十年这个问题的人，用劳动经济学的框架，在谷歌 IO 开幕当天，正面接下了所有反驳。

以下为编译。

上周，我与 Box CEO Aaron Levie 进行了一次对谈。他提出了一个我认为颇具说服力的论点：工作岗位实际上比 AI 公司反复告诉我们的更难被自动化取代。Aaron 的核心观点大致是：人类工作的"最后一公里"——判断力、情境理解、那些混乱而复杂的部分——在短期内并不会真正被自动化；未来将有更多人类与 AI agent 协同工作，这意味着我们的工作还不会消失。那次对话结束后，我相当乐观。

这周，我想把这种乐观拿去接受一个人的检验——他职业生涯的大半时间，都在研究新技术究竟会对工作产生什么影响，研究尺度有时涵盖整个国家经济。James Manyika 是谷歌和 Alphabet 的高级副总裁，负责谷歌的研究与实验室运营，以及公司内部一个名为"技术与社会"的团队——这个团队专门评估 Gemini 等 AI 系统的更广泛影响，并为谷歌制定相应战略。

需要考量的事情很多。正如我在这次对谈中与 Manyika 讨论到的：目前有十分之七的美国人反对在自己所在社区建设数据中心。而 AI 行业向普通美国人传递的信息——先是"我们要抢你的工作"，最终可能是"我们会消灭人类"——显然并没有为大型科技公司赢得多少民心。

考虑到他的职位，Manyika 持更乐观的立场并不意外：他认为工作岗位比硅谷通常描绘的更难被自动化，整个过程也将比其他前沿 AI 公司发出的那些激进预测慢得多。（这一观点也得到了谷歌部分高管的认同：DeepMind CEO Demis Hassabis 今天警告《连线》杂志，用 AI 工具全面取代软件开发者可能是个错误。"我认为这是缺乏想象力，也是对真实情况的误判，"他说。）

但与大多数大型科技公司高管不同，Manyika 的观点是在硅谷之外的漫长职业生涯中形成的。他曾长期担任麦肯锡高管，近十年前便与人合著了一篇关于自动化对劳动力市场潜在影响的论文。此后，他共同主持了联合国秘书长的 AI 高级别顾问机构，并在拜登政府期间担任美国国家 AI 顾问委员会副主席。

因此，当微软和 Anthropic 等竞争对手的高管坚称大量白领工作即将消失时，Manyika 持怀疑态度。

"这些预测，有些是两年前做出来的——说两年内50%的工作岗位会被消灭，"Manyika 告诉我，"好，两年到了，来对个账吧。谁再拿两年后做赌注，我愿意奉陪。"

以下是本次对谈的重点节选，经编辑整理，适当调整了顺序与长度。

原文链接：https://www.youtube.com/watch?v=Ook4pD92KJg&source_ve_path=OTY3MTQ&embeds_referring_euri=https%3A%2F%2Fwww.platformer.news%2F

1

AI 对就业的影响

主持人： 你研究技术和就业很多年了。现在看这轮 AI，对工作的影响到底会是什么？

James Manyika： 我现在的看法，和 10 年前做研究时其实差不多。AI 对就业的影响，大致会分成三类：第一，有些岗位会减少；第二，有些岗位会增长；第三，也是最重要的一类，更多岗位不会消失，但会被改写。 真正值得争论的，不是"这三件事会不会发生"，而是三者分别占多大比例。我本科在津巴布韦大学，1993 年发表的本科论文就是训练和建模人工神经网络。当时有一位从加拿大来的博士后，他跟 Geoff Hinton 那一批人共事过，他建议我做这个方向。两件事让我着迷：一是《星际迷航》和《2001 太空漫游》里对 AI 的想象；二是"建造能完成高级认知任务的系统"这件事本身就让我觉得极度有趣。所以后来去牛津，我继续读 AI 和机器人。

主持人： 你现在是 Google 高管，Google 是这波 AI 浪潮最大的受益者之一。你怎么区分"劳动经济学家在说话"和"Google SVP 在说话"？

James Manyika： 我同时听到两个声音。作为 AI 研究者和计算机科学家，我看到技术进展的速度，会觉得"天啊，这太了不起了，它会非常快地到来"。但作为劳动经济学家，我马上会说"等一下，这些变化在经济中实际发生的过程其实没有这么快，而且更加复杂"。AI 研究者往往基于技术前沿的进展来推断劳动力市场的变化，这是两种完全不同的对话。

任务可自动化 ≠ 岗位会消失

主持人： 你们以前做过一个判断：大约 50% 的任务可能被自动化，但只有不到 10% 的职业会被高度自动化。现在这个比例还成立吗？

James Manyika： 如果看"任务"层面，变化确实很大。现在能自动化的任务比当年多了很多。在任务持续时间上进步尤其明显，2017 年时，AI 能可靠完成的单次任务大概只有 30 秒到 1 分钟，现在可以做到 4 个小时以上。但如果看"职业"层面，情况没那么简单。一个职业通常不是由单一任务组成，而是由很多任务拼在一起。问题在于：只要其中有几个关键环节还很难自动化，整个岗位就很难被完整替代。 你可以把它理解成"短板效应"，一个岗位里有些环节 AI 做得很好，但只要还有一些环节做不了，整个工作流就不能真正跑通。所以直到今天，如果你去看"一个岗位中 90% 以上任务都能自动化"的职业，占比依然不到 10%。大多数认真研究这个问题的人，结论都差不多。劳动经济学家之间的争论，是"未来十年这个数字是 2-3% 还是 9-10%"。没有任何认真做过分析的人会说"50% 的工作将被自动化"。

主持人： 所以你的意思是：任务自动化比例在上升，但职业整体自动化比例还是卡在原来的区间？

James Manyika： 对。因为技术进步的速度，和经济系统真正吸收技术的速度，不是一回事。AI 研究者看到模型能力飞涨，很容易得出"劳动力市场马上剧变"的结论。但从经济学角度看，事情通常不会这么快发生。技术前沿的变化，和社会、企业、行业、地区真正完成调整，中间有一个明显时差。这两个时钟，走得不是一个速度。

主持人： 微软的 Mustafa Suleyman 说 18 个月内白领工作都可能被自动化，Anthropic 的 Dario Amodei 也在警告高失业风险。你觉得他们错了吗？

James Manyika： 我的回应很简单，那就来打赌。 两年前，也有人说"两年之内，50% 的岗位会消失"。现在两年过去了，我们完全可以回头看结果。如果还有人说"再过两年就会发生同样的事"，我愿意继续和他们打这个赌。我不是说 AI 不会深刻改变工作。我只是认为，它在经济中的展开速度，不会像技术演示那样快。它会比工业革命快，但不会快到社交媒体上那些预言的程度。技术在实际经济中的渗透速度和我们坐在旧金山感受到的完全不同。我们在旧金山已经坐了三年无人驾驶车，但芝加哥的居民根本不知道我们在说什么。技术本身存在参差不齐的边界，经济中也有同样参差不齐的落地速度。

程序员不会消失，但工作方式在变

主持人： 如果不是大面积消失，那最大的变化会是什么？你在 Google 内部看到了什么？

James Manyika： 最明显的一类就是软件开发。开发者现在越来越多地与 agent 协作，他们不再把大量时间花在手动修 bug、机械性编码上，而是开始管理 agent、提出问题、评估结果、决定方向。历史上这种事发生过很多次。银行柜员这个职业还在，但今天的银行柜员和 1970 年的银行柜员做的根本不是同一份工作。放射科医生也是一样。未来很多职业也会如此：岗位名称可能还在，但每天做的事、依赖的技能、协作方式都会明显变化。

但这不代表软件工程师不需要了。恰恰相反，软件的需求还远远没有被满足。 还有大量软件没被写出来，大量系统没被设计出来。在这种需求弹性很强的行业里，AI 提升效率之后，未必对应岗位减少，反而可能让更多事情值得做、能去做。但并非所有行业都是这样，有些领域的需求是有限的。在这些领域，"岗位减少 vs 岗位新增"的平衡会呈现出不同的样貌。

主持人： 那你会怎么建议今年毕业、准备进入职场的年轻人？

James Manyika： 如果是十年前，我可能会说去学编程。但今天，这句话需要重新解释。如果所谓"学编程"指的是机械地写代码，那这部分价值已经在下降。因为模型越来越擅长生成代码。但如果你说的是更完整的计算机科学能力，比如算法设计、系统理解、抽象能力、问题建模，那它仍然非常重要，甚至比以前更重要。未来更吃香的，不是"会敲代码的人"，而是能提出问题、定义系统、理解复杂结构的人。 而且从我看到的实际数据看，软件开发岗位需求目前并没有下降，反而还在增长。变的不是岗位总量，而是岗位技能结构。

很多"裁员归因于 AI"，其实未必真是 AI

主持人： 一边有人说工程师不够用，另一边很多公司又说在为 AI 时代裁员，这就很矛盾了。

James Manyika： 是的，但这里面有很多因素混在一起，不能都算到 AI 头上。我的判断是：无论是正面影响还是负面影响，AI 对整个经济的实质性冲击，其实都还没有真正大规模发生。 比如外界常讨论"初级岗位招聘下降"，但如果时间线对不上，就不能简单归因为 AI。有些研究里，招聘下滑出现在 2022 年 10 月；可 ChatGPT 是 2022 年 11 月才发布，企业真正开始采用更是 2023 年以后的事。那你就得承认，这里面一定还有更大的宏观因素，比如货币环境、疫情后遗留影响等。AI 也许有影响，但目前看，规模还没到外界想象的程度。

主持人： 很多人现在开始觉得，自己的工作正在变成"审 AI 的输出"。这会不会让工作变得更无聊？

James Manyika： 会有这种成分。你确实会花不少时间检查系统输出、纠正方向、让它别跑偏。但我不觉得这一定更无聊。因为真正稀缺的能力，正在转向另一边，你要决定该做什么、问什么问题、派多少 agent 去试什么方向、怎么比较不同方案、怎么组织实验。如果你面前有 10 个 agent，真正有价值的就不是"亲手写每一行"，而是：你如何组织它们、设计任务、比较结果、推进创造。 这种创造力并没有消失，只是换了载体。我在 Google Labs 亲眼看到了这种现象。那些创造全新 AI 原生产品的团队，确实花一部分时间审查系统的输出，但大量时间花在梦想和构建新东西上。

主持人： 那关于 AI 和就业，什么最让你担心？

James Manyika： 不是未来十年里"岗位突然大面积消失"。真正让我担心的是，工作转型来了，但社会没有准备好怎么接住这些人。 这和全球化时代的教训有点像。从总量上看，受冲击的人也许不是全社会的大多数；但对具体地区、具体家庭、具体职业的人来说，那就是全部。所以真正重要的是培训、技能再建设、过渡支持、工资保险、安全网。如果这些没有准备好，就算总量冲击不大，也会带来非常真实的社会不安。

真正危险的，不是技术太快，而是社会接不住

主持人： 你之前提到"AI 鸿沟"。你担心 AI 会扩大贫富差距吗？

James Manyika： 当然担心。没有任何经济规律能保证技术进步一定会让所有人受益。历史已经证明过很多次，科技红利完全可能先流向最有资源、最会用工具的人。所以接下来最重要的问题之一就是，谁能接触到算力、模型、训练、教育和基础设施？如果这些条件分布不均，AI 很可能会放大现有差距，而不是自动缩小它。这也是为什么我们在构建更容易获取的模型，从最强大的 Pro 模型，到 Flash 模型，到开放权重的 Gemma 模型。覆盖整个帕累托前沿，是为了让更多开发者、更多用户、更多社区能够使用这些技术。

主持人： 什么事情会真正改变普通人对 AI 的看法？

James Manyika： 不是模型跑分，也不是发布会 demo。而是 AI 在科学和公共服务上的实际成果。比如 AlphaFold，已经在 190 多个国家被 350 万研究人员使用。比如 AI 辅助癌症筛查、结核病检测、糖尿病视网膜病变识别，我们刚在《自然》杂志上发表了与英国国家医疗服务系统合作的乳腺癌检测研究，超过 20 万名患者参与。再比如洪水预警、野火预测，这些系统已经能提前几天给出提醒，覆盖 150 个国家、超过 20 亿人口。很多 AI 的正向价值，普通人未必会直接感知为"这是 AI 带来的"。你收到洪水预警短信，你会感谢系统，但未必意识到：过去其实做不到这一点。你做了一次更早、更准的癌症筛查，也不一定会把这归因于 AI。但这恰恰说明，AI 真正改变社会的方式，未必总是以"聊天"的形式出现。

如果问我，关于 AI 和工作，什么最让我睡不着觉，不是岗位消失。未来十年真的不是。让我担心的是，我们如何支持工人将要经历的转型和变化？我们如何确保像我们这样的公司，以及企业和政策制定者，在穿越这个时刻时始终把这一点放在心上？当我们在 AI 领域谈论"消灭 50% 工作"的时候，这对我们真正想推动的公共利益毫无帮助。首先，我不认为这件事会发生。经济学研究和分析大多不支持这个结论。其次，我们很可能正在通过吓唬每个人来削弱这项技术发挥巨大影响的可能性，而这种恐惧本身是没有根据的。不要让技术发展的速度混淆了它真正在经济中落地发挥作用的速度。

点击关注我哦