> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-yi-bu-fen-ren-zhi-pian/02-li-shi-zong-shi-xiang-si.md). # 第 2 章 · 历史总是相似 每逢一种足够通用的新技术出现，总会走过一段几乎相同的循环：先是焦虑与鼓吹——"它将颠覆一切""不转型就被淘汰"；接着一窝蜂上马；然后大部分归于沉寂，少数真正沉淀下来，成了日常。ERP、互联网、上云、大数据，乃至一度喧嚣的区块链和元宇宙，都在这条曲线上走过。AI 也在这条曲线上。看懂这个循环，是既不神化、也不轻视它的前提。 历史还给了一条更具体、也更让人安心的规律：技术拿走的，通常是"任务"，不是"整份工作"。经济学家 David Autor 在其广被引用的研究里指出，自动化某一个环节，并不会让其余环节变得不重要，反而常常抬高了人所独有的那些环节的价值。\[1] 一份工作往往由许多任务组成，机器接手了其中可标准化的部分，人便腾出手来，做那些机器接不了的部分。 顺着这条规律回看，会看到一条清晰的主线：每一次替代，都把人往上推了一层。"computer（计算员）"这个词，最初指的是人——一屋子人用纸笔手工做天文、测绘、航海、精算的运算，这个职业存在了大约两百年。\[2] 电子计算机出现后，这些岗位消失了，但留下来的人并没有失业，而是上移到了"决定算什么、如何建模、如何解读结果"。被拿走的是执行运算，留下的是判断。 这条主线也能给"AI 会消灭大量工作"的恐慌降一降温。经济学家 James Bessen 追踪了 1950 年美国普查列出的约 270 种职业，发现此后真正主要因自动化而被彻底消灭的，只有一种——电梯操作员。\[3] 其余职业当然也有消失的，但主因多是需求萎缩或整体过时，而非自动化；绝大多数情况下，技术改变了工作的内容，而不是取消了整份工作。历史上的替代，几乎总是"部分任务"级别的，而非"整个人"级别的。 但如果只讲到这里，就是在报喜不报忧。因为这条乐观的历史铁律，藏着一个从未被言明的前提：人之所以每次都能"往上爬"，是因为机器只吃掉了某个具体任务，而人爬到的那个新位置，机器够不着——靠的是"通用认知能力是人独有的"这个底座。 而这一次，这个前提可能第一次被动摇。一部分经济学家判断：过去的自动化都是任务专用的，AI 的不同在于，它指向的是通用认知本身。Brynjolfsson 与 McAfee 把它归为像电力、内燃机那样的"通用目的技术"；而转型 AI 的经济学讨论进一步担忧，当 AI 几乎能做任何认知任务时，人可能不再拥有"值得支付工资"的比较优势。\[4] 需要强调：这是一批学者的判断和一个开放问题，不是已经发生的事实。把它写成铁律，和把前面的乐观写成铁律，是同一种偷懒。真实的态度是把它当成一道悬而未决、值得认真对待的问题。 对企业而言，从这段历史里能提炼的姿态很朴素：焦虑没用，轻视也危险。务实的做法，是把 AI 当成一种会长期存在、值得认真对待的通用技术，像当年对待电力和计算机那样——重点从来不是"用没用"，而是"用得好不好、有没有借它把工作重新安排一遍"。这一轮的赢家，大概率不是喊得最响、买得最多的，而是最早看懂"这是一次能力升级、而非一件工具"的那些。 ## 要点速查 * 每种通用技术都走过"焦虑—跟风—沉淀"的循环；AI 也在其中。看懂它，才能不神化、不轻视。 * 历史规律：技术拿走的是"任务"不是"整份工作"（Autor）；每次替代把人往上推一层。 * 给恐慌降温：1950 年以来约 270 种职业中，主要因自动化而彻底消失的只有电梯操作员（Bessen）；多数是部分自动化。 * 诚实的另一面：历史乐观依赖"通用认知是人独有"这个前提；部分学者判断 AI 恰恰瞄准这个前提——这是开放问题，非定论。 ## 给管理者的三步 * 现在：不因焦虑跟风，也不因"以前的风口都过去了"而轻视；把 AI 当成一项要长期认真对待的通用技术。 * 三个月：回看本企业过去一轮技术浪潮（上云、大数据等）沉淀下了什么、又浪费了什么，用同一把尺子审视当下的 AI 投入。 * 一年：把注意力从"用没用 AI"移到"有没有借它重排工作"；前者是跟风，后者才是历史里真正沉淀下来的那部分。 ## 来源 1. David Autor，《Why Are There Still So Many Jobs？ The History and Future of Workplace Automation》（Journal of Economic Perspectives， 2015）： 2. David Alan Grier，《When Computers Were Human》（Princeton University Press， 2005）： 3. James Bessen，《How Computer Automation Affects Occupations》（2016），经 World Economic Forum 引述： 4. 转型 AI 经济学综述（NBER，2024），含通用目的技术与比较优势相关讨论： --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-yi-bu-fen-ren-zhi-pian/02-li-shi-zong-shi-xiang-si.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.