第03章 就业市场的结构性裂缝
第 02 章把范式转移落到了经济账上——「一个人 = 一支队伍」第一次成立。但成立是一回事，市场是否真的为这种新结构重新定价是另一回事。本章解决一个具体问题：就业市场的裂缝究竟裂在哪里？ 不是岗位在消失，是能力在被重新定价。重复执行、信息检索类能力正急速贬值；判断、编排、领域纵深类能力正在溢价。组织内部正在出现「用 AI 的少数人」与「不用的多数人」之间难以追赶的产出鸿沟。第 04 章会接着判断：这道裂缝还能让你钻多久。
3.1 结论先行：裂缝不在「岗位消失」，在「能力重定价」
关于 AI 对就业的影响，最常见的两种叙事都是错的：
- 恐慌派说「AI 会取代 X 万个岗位」——把现象描述成岗位层级的消灭。
- 乐观派说「AI 会创造更多新岗位」——用未发生的岗位对冲正在发生的重定价。
两个派别都漏了真正正在发生的事：市场不是在消灭岗位，是在重新给岗位背后的能力定价。 同一个「文案策划」岗位，会用 AI 的那个人一周能交付过去五倍的产出，不会用的那个人还在按字数计酬。岗位没消失，但岗位所依附的能力，市场价正在剧烈重定。
能力市场重定价公式：
重复执行类能力 ↓↓↓ （被 AI 直接替代，定价趋近边际成本）
信息检索/整合类能力 ↓↓ （被 AI 大幅压缩，溢价归零）
判断 / 编排 / 领域纵深 ↑↑ （被 AI 放大，定价急速溢价）
─────────────────────────────────────────────
岗位消失是结果，能力重定价才是因。
盯岗位，你会焦虑；盯能力，你能行动。一个具体的信号：欧洲金融科技 Satispay（数据截至 2026 年中，来源 Anthropic 官方案例，无独立第三方审计）工程师团队 90% 以上采用 Claude Code 后，月度代码提交中 75% 以上由 AI 生成。这不是「工程师岗位消失」，而是「纯手写代码」这项能力的市场定价被 AI 拉到了边际成本——剩下溢价的，是「知道该写什么、怎么验收、怎么编排」的那部分。
理解这一点后，本章其余都在回答一个问题：能力市场正在如何重新定价？你该用什么动作响应？
3.2 什么是「结构性裂缝」：定位、能力与边界
与「岗位消失论」「工具升级论」的差异
| 维度 | 岗位消失论 | 工具升级论 | 结构性裂缝（本章） |
|---|---|---|---|
| 单位 | 岗位 | 工具 | 能力 |
| 时间尺度 | 年（岗位消失需要周期） | 月（工具迭代频繁） | 季度（能力定价连续变化） |
| 对个体的含义 | 焦虑、被动 | 乐观、无所谓 | 可行动（审计能力组合） |
| 政策建议 | 保岗位、稳就业 | 学新工具 | 重定价自己的能力组合 |
| 错在哪 | 把现象当原因 | 把范式当工具 | — |
岗位消失论的问题在于：它让你盯着一个无法直接行动的指标（「我的岗位会不会消失」），而真正的变化发生在更细的颗粒度——你岗位背后那 10 项能力，每一项的市场价都在独立浮动。盯岗位的人焦虑到僵住，盯能力的人已经开始甩掉贬值项、做厚溢价项。
能解释什么 / 不能解释什么（边界）
能解释：
- 为什么同一岗位的薪酬开始分叉。 同样的「数据分析师」「内容运营」「前端工程师」，会用 AI 的人产出 3-10 倍于不会用的人，薪酬鸿沟随之拉大。Smartsheet 500+ 工程师团队（数据截至 2026 年中，Anthropic 官方案例）采用 Claude Code 后，代码产出约 3 倍提升，PR 合并量比同团队非用户高 31%——同一个团队，同一份工资单，产出已经分叉。
- 为什么传统经验在贬值。 十年的重复执行经验，其价值正被 AI 压到接近零；而十年的判断与领域理解，反而被 AI 放大成可规模化交付的资产。
- 为什么组织内部正在出现「双速团队」。 即便在同一公司、同一岗位、同一职级，用 AI 的少数人和不用的多数人，正在形成难以追赶的产出差。
不能解释：
- 不能预测具体岗位的消失时间表。 岗位层级的变化受组织、合同、监管等大量非市场因素影响，不在本章能判断的范围。
- 不能替代你个人的转型决策。 本章给的是「能力定价的迁移规律」，至于你具体该押哪条赛道，见第 09 章杠杆点选型。
- 不是社会评论。 本章不讨论「AI 会不会造成技术性失业」这种宏观议题——对个体战略而言，那个答案对你下一步动作没有信号。
3.3 三层能力栈的重新定价（核心方法论）
能力市场的重定价不是均匀发生的。把一个人能做的事拆成三层，每一层的定价曲线完全不同。
┌──────────────────────────────────┐
│ 第三层 · 判断 / 编排 / 领域纵深 │ ← 溢价 ↑↑
│ 决定做什么、怎么验收、如何编排 │
│ 领域专家经验 × AI 放大 = 规模化判断 │
└──────────────┬───────────────────┘
│ 溢价来自 AI 的放大效应
┌──────────────┴───────────────────┐
│ 第二层 · 信息检索 / 整合 / 初稿 │ ← 贬值 ↓↓
│ 资料搜集、翻译、摘要、模板化产出 │
│ Deep Research / Cursor 已达 80%+ │
└──────────────┬───────────────────┘
│ 贬值来自 AI 的直接替代
┌──────────────┴───────────────────┐
│ 第一层 · 重复执行 / 格式转换 │ ← 急速贬值 ↓↓↓
│ 手写样板代码、套模板的文案、报表 │
│ AI 已能以边际成本完成 │
└──────────────────────────────────┘3.3.1 第一层：重复执行类能力——急速贬值
这一层是「按既定规则把 X 做出来」的能力。包括：手写样板代码、套用模板的文案、按 SOP 填报表、按既定流程跑测试用例。
它的定价曲线是断崖式的。因为 AI 在这些任务上已达 ★★★★☆~★★★★★ 的可靠度（详见第 01 章 1.5 能力边界表），边际成本接近一次 API 调用的费用。Satispay 月度提交 75%+ 由 AI 生成，意味着「写代码」这项能力里属于「重复执行」的那部分，已经被市场重新定价到几乎为零。
对个体的战略含义：如果你薪酬的 70%+ 来自这一层能力，未来 12-24 个月你会感到明显的定价压力。不是岗位没了，是支撑你薪酬的那部分能力，市价在跌。
3.3.2 第二层：信息检索 / 整合 / 初稿——中度贬值
这一层是「把多个来源的信息整合成一份产出」的能力。包括：竞品调研、行业报告初稿、翻译润色、文献综述、需求文档草稿。
它的定价曲线是斜向下的。Deep Research 类工具、Perplexity、Claude Projects 已经能完成大部分整合工作（可靠度 ★★★★☆）。但还有一块「最后一公里」——判断哪些信息可信、哪些是噪音、哪些与具体业务上下文相关——仍然需要人。
PwC 的案例最能说明这一层的重定价。在 2026 年的一次内部培训中（数据截至 2026 年中，Anthropic 官方案例，无独立第三方审计），400 名顾问经过 1 小时培训后，能够在 15-20 分钟内产出一份 RFP（需求建议书）草案，再花 15-20 分钟产出功能/技术规格——过去这些初稿需要数天。
注意：被压扁的不是「顾问岗位」，是顾问岗位背后「资料整合与初稿撰写」这项能力。PwC 同时正在进行 3 万人的 Claude Code 培训推广，目标覆盖全球 40 万员工（多家独立媒体独立报道确认）——这是一个大型咨询机构用脚投票：能力市场的重定价已经发生，必须全员迁移。
对个体的战略含义：如果你的核心价值是「我能找到别人找不到的信息」「我能比别人更快写出初稿」，这部分溢价正在快速消失。要把价值锚点上移到第三层。
3.3.3 第三层：判断 / 编排 / 领域纵深——正在溢价
这一层是「决定做什么、怎么验收、如何把 AI 编入生产」的能力。它本身不是新能力，但因为 AI 的放大效应，它的市场定价正在急速溢价。
传统时代的判断力定价： 一对一交付，时薪 X
AI 时代的判断力定价： 一对 N 交付，单次判断可服务 N 人
定价倍数 = N（理论上无上限）领域纵深在这里是关键杠杆。一个不懂法律的 AI 用户，做出的法律助手产品在专业律师眼里漏洞百出；一个有十年诉讼经验的律师，借 AI 把自己的判断封装成「合同风险扫描器」，定价可以是前者的 100 倍。领域纵深决定了你的判断值多少钱，AI 决定它能被放大多少倍。
Harvey AI 服务 142K+ 律所、Elicit 覆盖 5M+ 研究人员（数据截至 2026 年中）——这些垂直领域 Agent 产品的崛起，本质上是「领域专家 + AI 杠杆」这种组合的市场定价被显著抬升。
对个体的战略含义：这是你该把精力投入的地方。判断的准确度、编排的熟练度、领域知识的厚度——这三项的每一分投入，都被 AI 放大成可规模化的产出。
3.3.4 组织内部的产出鸿沟：81% vs 20%
把三层定价合起来看，会出现一道组织内部的产出鸿沟——这是本章最重要的一个数字。
一项面向 1,260 名研究者的调查显示（数据截至 2026 年中，Anthropic 官方调研，样本存在自选择偏差）：81% 的人尝试过 AI 聊天机器人，但只有约 20% 每周使用编码 Agent。
这个 81% vs 20% 的鸿沟意味着：
- 81% 的人停留在「用 AI 当搜索引擎」——他们的能力组合基本没变，依然靠第一、二层能力吃饭，定价压力正在累积。
- 20% 的人进入「用 AI 编排生产」——他们的产出结构已经改变，第三层能力占比上升，定价正在溢价。
这道鸿沟不会自动闭合。 因为 20% 的人每天都在用 AI 放大自己的判断力，他们的产出和经验积累速度远超 81% 的人——时间越久，差距越大。这就是「结构性裂缝」的真正含义：不是岗位层级的不平等，是能力结构层级的不平等，且这种不平等正在自我强化。
这是 WLM 的 W 环最强信号：窗口期仍在，因为采用鸿沟还在。等鸿沟闭合（多数人都开始编排），重定价完成，先发者的优势就被抹平。第 04 章会专门判断这道窗口还剩多久。
3.4 两个心法
心法一：审计你能力组合的「市价」，而不是你的「岗位薪资」
铁律：你的薪酬不取决于你多努力，也不取决于你的岗位 title，而取决于「市场上能替代你这组能力的最便宜方案」的定价。AI 正在压低这个底线。
- 落地动作：列出你岗位背后的 10 项能力，给每项标上市价走向（↓↓ / ↓ / ↑ / ↑↑）。如果你 70% 的薪酬来自 ↓↓ 和 ↓↓↓ 的能力，未来 12-24 个月会很难受。
- 落地动作：每季度更新一次这张表。能力市场的定价变化以季度计，年度审计太慢。
心法二：把贬值的能力甩掉，把溢价的能力做厚
铁律：能力重定价期，赢家不是「什么都会」的人，是「故意不会某些事」的人——把第一、二层主动让给 AI，把省下的精力全压到第三层。
- 落地动作：识别你工作中属于第一层（重复执行）和第二层（信息整合）的部分，强制在 30 天内把它们交给 AI 跑，你只保留验收环节。
- 落地动作：腾出来的时间，全部投到「判断准确度」「编排熟练度」「领域纵深」三项上。这三项才是 AI 放大效应的承载体。
3.5 实战：一张「个人能力审计表」
下面这张表是本章唯一需要你立即动手的产物。把它抄到自己的笔记里，填一遍。
个人能力审计表（每季度更新）
┌──────────────────┬──────────┬──────────┬──────────────────┐
│ 能力项 │ 市价走向 │ 我的占比 │ 处理动作 │
├──────────────────┼──────────┼──────────┼──────────────────┤
│ 手写样板代码 │ ↓↓↓ │ __% │ 甩给 AI / 仅验收 │
│ 套模板的文案 │ ↓↓↓ │ __% │ 甩给 AI / 仅验收 │
│ 按规则跑报表 │ ↓↓↓ │ __% │ 甩给 AI / 仅验收 │
│ 资料搜集整合 │ ↓↓ │ __% │ AI 出初稿 / 我精修 │
│ 翻译 / 摘要 │ ↓↓ │ __% │ AI 出初稿 / 我精修 │
│ 行业判断 │ ↑↑ │ __% │ 主动做厚 │
│ 需求取舍 │ ↑↑ │ __% │ 主动做厚 │
│ AI 编排能力 │ ↑↑ │ __% │ 主动做厚 │
│ 领域纵深（__领域） │ ↑↑ │ __% │ 主动做厚 │
│ 跨域组合能力 │ ↑↑ │ __% │ 主动做厚 │
└──────────────────┴──────────┴──────────┴──────────────────┘
诊断：
- 「↓↓↓ + ↓↓」总占比 > 50% → 你正在被重定价压扁，必须立即迁移
- 「↑↑」总占比 < 30% → 你的护城河太薄，未来 1 年风险高
- 「↑↑」总占比 > 60% → 你已在溢价侧，重点是把判断规模化（导流到第 05 章）验证：你能脱口说出自己薪酬里「↓↓↓ / ↓↓」和「↑↑」的占比。
失败边界（审计误用排查）：
| 症状 | 根因 | 处理 |
|---|---|---|
| 「我每一项都很重要，无法甩掉」 | 自我合理化 | 强制至少 30% 第一、二层能力交给 AI，给自己两周适应期 |
| 表填完了，但能力组合没变化 | 把审计当 KPI 而非行动 | 必须配套一个 30 天迁移动作（具体哪项甩给 AI） |
| 只看薪酬数字，不看能力占比 | 错误锚点 | 薪酬是滞后指标，能力市价才是领先指标 |
| 把「会用 ChatGPT」当 ↑↑ 能力 | 误把工具操作当能力 | 「会用 AI」本身正在贬值，溢价的是「编排 AI 出产物」 |
「会编排」与「会执行」的完整方法论拆解，工程层落地见《一人公司产品工程》第 03 章「你是编排者，不是执行者」。本书只讲战略层的判断：你必须从执行侧迁到编排侧，迁得越早，护城河越深。
3.6 能力重定价 vs 岗位消失论：分工
这两套叙事看似都在讲「AI 对就业的影响」，但指向完全不同的行动。
| 维度 | 能力重定价（本章） | 岗位消失论（媒体主流） |
|---|---|---|
| 关注单位 | 能力 | 岗位 |
| 行动粒度 | 季度审计能力组合 | 等/担心/呼吁政策 |
| 个体可控性 | 高（可主动迁移） | 低（依赖组织/宏观） |
| 时间窗口 | 窗口期内每季度都在分化 | 描述终点，不描述过程 |
| 战略价值 | 可执行 | 仅引发焦虑 |
决策树：
- 你想等公司或政策保护你的岗位 → 岗位消失论（本章帮不了你）
- 你想主动重新定价自己的能力组合 → 能力重定价（本章主线）
- 你想知道这道窗口还剩多久 → 见第 04 章
3.7 失败边界：三种最常见的能力迁移死法
死法一：死守贬值的执行能力
症状：「我十年经验，AI 不可能替代我」——拒绝把第一、二层能力交给 AI，理由是「它做得不如我好」。
根因：把个人认同绑在了「亲手做」上。AI 不需要做得比你好，只需要做到 80% 的水平、以你 1/100 的成本交付，市场就会重新定价。
对抗：每个季度强制审计一次能力组合。凡是市价 ↓↓ 及以下的，必须设计一个「AI 出草稿 + 我验收」的流程替代亲手做。把省下的时间投到 ↑↑ 能力上。
死法二：把 AI 当工具升级，能力结构不变
症状：买了 ChatGPT Plus / Claude Pro，用 AI 加速了第一、二层的工作，效率提升 2-3 倍。但薪酬没涨、不可替代性没增强——因为你的能力组合依然是「70% 执行 + 20% 整合 + 10% 判断」，只是每一项都跑得更快了。
根因：你把 AI 当成了「让旧能力跑更快」的工具，而不是「让能力结构重新组合」的范式转移（第 01 章已论证）。效率提升被你自己消化掉了——原本需要 8 小时的活，现在 3 小时干完，剩下的 5 小时你用来闲着或继续接更多的活，而不是上移到第三层。
对抗：每月自问一句——「我省下来的时间，有没有至少 50% 投到判断 / 编排 / 领域纵深上？」没有，就强制调整时间分配。
死法三：误判「会用 AI」就是终点
症状：学会了 prompt、skill、workflow，能熟练用 AI 出活，自我感觉良好。但一两年后，发现身边所有人都学会了，自己的溢价消失了。
根因：把「会用 AI」本身当成了护城河。事实上，「会用 AI」是一项正在快速贬值的能力——它是新时期的「会用 Office」，是默认技能，不构成差异。
对抗：把锚点从「会用 AI」上移到「被 AI 放大的判断」。后者才是真正的护城河——它由领域纵深 + 编排熟练度 + 判断准确度构成，每一项都需要时间积累，无法速成。这与第 05 章「编排者的护城河是判断力的规模化」一脉相承。
红线边界：不可让渡的迁移决策
- 必须主动迁移：把第一、二层能力的至少 30% 交给 AI，30 天内见效——被动等待 = 被重定价。
- 必须主动做厚：第三层能力的占比，每季度必须提升至少 5 个百分点——不进则退。
- 必须主动审计：能力组合的市价走向，每季度更新一次——能力市场的变化以季度计。
这三条，是「即便你今天薪酬还不错也必须坚持」的迁移纪律。把它们忽略，你会在 12-24 个月后突然发现：岗位还在，薪酬还在，但市场上「能替代你的最便宜方案」已经便宜到无法竞争。
3.8 小结 / 核心心法
就业市场的裂缝不在「岗位消失」，在「能力重定价」——盯岗位的人焦虑到僵住，盯能力的人已经开始甩掉贬值项、做厚溢价项。
- 裂缝裂在能力层——重复执行 ↓↓↓、信息整合 ↓↓、判断编排 ↑↑。三层能力各自独立浮动，组合决定你的市场定价。
- 81% vs 20% 的鸿沟是真窗口——绝大多数人停在「聊天」，少数人进入「编排」，差距每天都在自我强化（呼应 WLM 的 W 环）。
- 组织内部的双速团队已经形成——PwC 3 万人推广、Satispay 75% 提交 AI 生成、Smartsheet 3 倍产出，都是同一个重定价的不同侧面。
- 能力审计是季度动作——你的薪酬数字是滞后指标，能力组合的市价走向才是领先指标。
- 「会用 AI」不是护城河——它正在贬值成默认技能；真正的护城河是被 AI 放大的判断力。
本章锚定了 WLM 的 W 环核心证据：结构性裂缝正在自我强化，窗口期仍在，但每季度都在闭合一分。下一章回答：这道窗口还剩多久，你什么时候进场才不算太早、也不算太晚。
执行清单（能力重定价自检）：
- [ ] 我列出了岗位背后的 10 项能力，并标出每项的市价走向？
- [ ] 我能脱口说出自己薪酬里「↓↓↓ / ↓↓」和「↑↑」的占比？
- [ ] 我有没有把第一、二层至少 30% 的工作交给 AI？（否→本周启动）
- [ ] 我省下来的时间，有没有至少 50% 投到判断 / 编排 / 领域纵深上？
- [ ] 我是否把「会用 ChatGPT/Claude Code」当成了核心能力？（是→重新锚定）
- [ ] 我有没有至少一个「被 AI 放大的领域判断」可以规模化交付？