你的工作AI能替代吗？LSE教授说，关键不在于多复杂，在于这两点

那家咨询公司两周内就完成了分析报告：航空公司忠诚度积分计划重设方案，数据完整，逻辑严密。

然后，真正的工作才开始。

各层管理层需要逐一说服，方案随反馈持续修改，合作酒店和信用卡公司要一家家谈妥——从方案出炉到第一位乘客在新系统里积到第一个积分，整整花了半年。

伦敦政治经济学院（LSE）公共政策教授Luis Garicano今年讲这个故事，是为了说明他新书的核心论点：AI替代不了那种"乱糟糟"的工作。

末日预言建立在一个误解上

2025年5月，Anthropic首席执行官Dario Amodei向媒体预测，AI将在一至五年内消灭半数初级白领岗位，推动失业率升至10%-20%。那时美国失业率是4.2%，16个月后的今天是4.1%。

Garicano与香港大学经济学教授Jin Li和Yanhui Wu合著的新书《Messy Jobs: The Work That AI Cannot Reach》认为，这类预言犯了一个根本错误：把编程领域的AI能力套用到全部知识工作上。

"机器写代码很厉害，为什么？因为代码是单一可验证任务。运行测试，看它跑不跑通，正确与否一目了然。"

但大多数知识工作没有这样一个客观的终点。

Garicano提出了"乱糟糟工作"的两个特征：

任务能否被拆开。 销售员既要理解客户，又要在饭桌上察言观色、临时切换推荐方案——这两件事无法单独剥离出来交给机器。

人际关系是否核心。 工厂首席工程师要招人、说服管理层、与市政部门谈建设许可，这张关系网本身就是工作，而非工作的附属品。

反过来，高风险的岗位特征是：只做一件事，而且有客观标准判断对错。技术性翻译、标准合同起草、简单账目核对，属于这类。

他特别强调，风险与复杂度无关。国际象棋极其复杂，但IBM的深蓝1997年就赢了卡斯帕罗夫——因为棋局是单一可验证任务，结果黑白分明。

即便在"乱糟糟"的工作中，会议里真正驱动决策的信息往往不在会议记录里。Garicano指出有三类知识是AI系统难以获取的：

策略性知识——你知道自己卖房的底价，但不会告诉买家。职场中大量信息出于博弈原因被刻意隐藏，录音加转录文字根本捕捉不到这层。

默会知识——资深顾问凭经验判断客户会拒绝某个提案，但说不清楚为什么。匈牙利哲学家迈克尔·波兰尼（Michael Polanyi）将其概括为：我们知道的，远多于我们能说出来的。

涌现知识——有些认知不存在于任何一个人脑中，它在对话过程中被创造出来。市场部和销售部各有盘算，开会才碰出真正的洞见。

2025年12月，一项发表于《科学》期刊的研究（由牛津大学、英国AI安全研究院、LSE等机构联合完成，涉及近7.7万名英国成年人）显示，AI在政治说服方面的效果已超越专业游说人员。

Garicano的回应是：这不改变他的判断。背后的权力博弈并不因为某一方的AI说服能力增强而消失——另一方的反制能力同样会增强。"AI无法说服一个面临连任压力的市议员放弃反对意见。"

丹麦目前失业率约3.1%。记者问Garicano三年后会是多少，他的回答是：5%至6%。作为参照，2008年金融危机期间丹麦失业率峰值是6.2%。

他对丹麦劳动力市场模式相当推崇："那是全世界羡慕的对象，灵活雇用加上完善失业保障网，这个组合应对这轮冲击大概率是够的。"

对在丹麦的外籍工作者来说，这句话需要区别理解。本地公民依托dagpenge（失业金）体系有约两年的缓冲期；持工作签证者一旦失业，居留资格可能同步受压，实际可承受的缓冲时间更短。在这种条件下，选择什么类型的工作，对这个群体的影响尤为直接。

Garicano把判断浓缩成一句话：如果你整天只做一件有客观对错标准的单点任务，那份工作处于真正的风险中；如果工作由彼此交织的任务和人际关系构成，即使看起来不那么"高深"，也远比你想象的难被机器取代。

所以他的建议是：主动选那个"乱糟糟"的工作。

真正值得持续关注的，是自己岗位上可验证单点任务的占比是否在悄悄增加——这往往才是真正的风险信号，而不是新闻头条里那些宏观的失业预测数字。