姜铠丰教授在2026超A大会上说，AI替代就业的速度没有想象中那么快，但冲击远未到达终点。这句话的关键在转折：现在不快，不代表以后安全。关于AI和就业的争论，很多人只盯着眼前有没有裁员，却忽略了真正的风险在后面。
一、"AI洗白"：裁员的新借口
越来越多的公司在裁员时把"投资AI"搬出来当理由。姜铠丰团队的研究发现，很多公司根本不清楚AI能省多少钱，却急着拿技术革命当借口。
这背后有一套管理逻辑。企业需要削减成本时，说技术变革比承认经营失误好听。资本市场也吃这套：贴上AI标签，裁员就从负面信号变成有远见的证明。员工更难受了，他们不是被公司抛弃，而是被时代淘汰，连谈判的对象都找不到。
更麻烦的是，这种风气正在扭曲企业的真实决策。当同行都在喊AI驱动优化，不跟进的CEO显得落伍。于是，一场以AI为名的竞赛开始了，很多人连AI能做什么都没搞清楚。
二、岗位不是消失，是变了
姜铠丰分析45万条招聘数据后发现，AI暴露指数在2019年达到高点后一路下滑，到2024年跌到35%左右。这不代表AI影响变小，而是说明招聘结构已经改变：那些高度程序化的岗位不再公开招聘，直接消失了。
但岗位消失不等于工作消失。以财务领域为例，基础核算岗确实在减少，但财务+数据分析的复合岗在增加。这不是简单的替代，而是工作重构：AI做了标准化的部分（对账、报表），人负责需要判断的部分（异常识别、业务解读）。
问题是，招聘系统还没学会描述这种新工作，还在用旧标签招人。
三、金融业最危险，却最不敢动手
数据显示金融业AI暴露指数最高，但实际裁员幅度却相对温和。为什么？
金融从业者的价值不只是会做Excel，更在于客户关系、合规经验和市场判断。这些能力嵌在人的经验里，AI复制不了。企业如果裁掉"可被替代"的分析师，可能同时损失不可替代的客户信任。
于是出现一种拖延：明知AI能写研报、做风控，却不敢大规模替换.因为分不清该留谁、该裁谁。这种拖延创造了暂时的就业稳定，但也埋下隐患。一旦AI能力突破某个关口，积压的替代需求可能集中爆发，冲击会比逐步调整猛烈得多。
四、服务员的工作安全吗？未必
餐饮、物流的AI暴露指数最低，但这可能是误导。这些行业正经历另一种变化：AI不一定取代人，但正在把人变成算法的工具.人只负责执行，决策权被算法拿走。
外卖骑手的工作没被机器人抢走，却被导航算法管得更细:每分钟算钱，每单路线定死。平台不需要换人，只需要让人变得更听话：从自己想路线变成按导航走，从靠经验变成靠体力。
姜铠丰说AI无法替代服务员上菜、厨师烹饪，但没说这些工作的质量正在变化。当后厨变成中央厨房的标准化操作，当服务员被点餐系统支配，不可替代可能只是机器暂时做不到的另一种说法.人没被淘汰，只是变得更便宜、更听话，填补了机器还没法干的空档。
五、招不到人和裁不掉人
一边裁员一边招不到人的矛盾，根源在技能断裂。企业想要AI时代的复合型人才，市场供给的是旧体系的单技能人才。
这不是培训能解决的。高校专业设置总是滞后产业需求好几年，企业自己也不愿为培养人才买单，担心培训完就被竞争对手挖走。于是大家都想直接招现成的，结果合适的人根本不够。
这种断裂让就业市场变了形：底层岗位太多（AI把简单活干了，不需要那么多新人），顶层岗位招不到人（复合人才太少），中间的路却断了。年轻人要么委屈自己干低档次的活，要么眼巴巴看着高处上不去。
六、长期风险
姜铠丰引用一个经典判断：我们总是高估短期影响，低估长期影响。但这需要补充一个关键维度：路径依赖陷阱。
如果企业现在只是拿AI当借口而非真投入，短期内就业冲击确实小，但整个社会的应对准备也会停滞。职业教育不改，技能培训不投，劳动法规不调整。一旦AI能力突破临界点，替代可能突然加速，而届时劳动力市场毫无缓冲。
这种延迟冲击比渐进替代更危险，因为它剥夺了调整的时间窗口。
七、人力资源部的困境
超A大会请的是各公司管人的一把手，这个细节很关键。当CEO把裁员归因于AI，HR部门被迫承担双重指责：既被质问为什么招不到AI时代需要的人，又被抱怨为什么裁掉了不该裁的人。
这说明HR的地位在下降。当公司把AI挂在嘴边时，HR从管人的核心部门变成了跑腿的。他们懂怎么招人、怎么培养人，却不懂AI能做到什么程度，于是高层开会时插不上话。
但这也可能是翻身的机会。当公司真要搞人机协作时，HR最该干的是设计活。不是帮AI找人来替，而是重新设计怎么让人和AI一起干活：岗位怎么分、怎么算绩效、需要什么样的人。这需要HR改改老习惯，但也可能是甩掉背锅标签的唯一办法。
结语
姜铠丰的研究提醒我们，AI对就业的影响不是要么替代要么不替代，而是分阶段来的：一开始AI干一部分活，接着人和AI重新分工，最后整个部门的工作方式都变了。
现在正处在AI干一部分活、但还没完全重新分工的乱糟糟阶段。企业拿AI当借口掩饰慌张，劳动者盯着那个暴露指数自我安慰，政策制定者还在等更多数据。但真正的问题是：等冲击真来的时候，我们可能才发现，吵来吵去的时间都浪费了，根本没做准备。
不是AI太快，是我们以为它还远，结果什么都没准备。