AI 并未创造就业,它在用任务取代工作 - Mr Chandravanshi
Source: Dev.to
为什么像 RentAHuman.ai 这样的平台看起来像就业却行为不同
打开应用。
出现一个任务。
“拍一张这个货架的照片。”
你完成它。
又出现一个任务。
你也完成了。
你在赚钱。
感觉像是一份工作。
这种感觉并非偶然。它来源于你已经在使用的模型:
工作 = 完成的任务 + 收到的报酬。
这个模型已经使用多年。
传统的就业模型
- 在工作中你完成任务。
- 你获得报酬。
- 你保持受雇状态。
- 关系是稳定的;选拔只在招聘时进行,之后默认你在岗位上。
2026 年初的变化
像 RentAHuman.ai 这样的平台快速扩张——数十万人在数周内注册。叙事随即形成:
AI 正在创造工作岗位。
表面上符合已有模型:有任务,人们完成任务,金钱流动。但行为上却与就业不符。
- 你不是一次性被选中,而是被反复选中。
- 每个任务都是一次全新的竞争。
- 完成任务后不存在持续的“职位”。

分配 vs. 就业
| 方面 | 就业模型 | 分配模型 |
|---|---|---|
| 匹配方式 | 你只匹配 一次;随后工作流向你。 | 工作被拆分成单元,分配给当时 可用 的人。 |
| 连续性 | 表现会随时间累积,提升你的职位。 | 表现只清除当前任务,没有累积。 |
| 稳定性 | 任期越长,安全感和地位越高。 | 可用性、速度和匹配度比任期更重要。 |
实际情况:
- 你今天完成了十个任务。
- 明天打开应用,看到的任务更少,且没有任何解释或反馈。
- 没有任何保证,也没有被剥夺——只是池子当前的需求。
两种模型之间的差距是大多数人没有点名的部分。人们相信“AI 平台在创造就业”,却与它们 在池子中分配任务 的现实相冲突。
含义
- 系统并 不 需要保留你,只需要你随时可用。
- 一旦工作可以被拆分,它就不再需要所有权,也就不需要传统的就业结构。
- 有些工作仍会保持整体(传统岗位);有些会被拆解为微任务。两者将共存。
把任务分配当作就业会产生对系统并未设计提供的稳定性的期待。把它视为分配则能让行为变得可预测:
- 可用性 比任期更重要。
- 速度 比历史记录更重要。
- 匹配度 比忠诚度更重要。
这并非好坏之分——只是不同的系统。
重新思考问题
一旦看到这种转变,你就不再问 AI 是否在创造工作岗位,而是问:
我实际上身处的是哪种工作系统?