如果说人工智能正在影响数以百万计的泰国劳动者，人们很容易把它理解成软件将大规模取代人类。但最新数据呈现出的变化要复杂得多。
泰国国家经济和社会发展委员会（NESDC）把生成式人工智能的职业影响框架应用于2025年第四季度劳动力调查数据，估计约有 870万名劳动者，占泰国劳动力总数的21.8%，处于可能受到生成式AI影响的职业之中。
但这个数字内部存在重要区别。其中约220万人，占劳动力的5.4%，属于任务替代风险较高的群体；更大的群体约为650万人，占16.3%，更接近任务增强，也就是AI提高工作效率，但核心职责仍然依赖人的能力。
因此，更有意义的问题不只是“AI会抢走多少工作”，而是：AI会先改变工作的哪些部分，而当这些部分变得更便宜、更快之后，人类的价值会转移到哪里？
受到AI影响，不等于岗位一定消失
一个岗位通常由许多不同任务组成。有些任务可以自动化，有些可以被加速，还有一些仍然高度依赖沟通、谈判、判断和责任承担。
NESDC把影响大致分成两类。第一类是 Task Replacement（任务替代），也就是AI能够替代部分甚至全部结构化、重复性任务，估计涉及约220万名劳动者，其中包括部分行政、会计和编程工作。
规模更大的第二类是 Task Augmentation（任务增强），估计涉及约650万人。AI可以处理其中一些步骤或提高信息处理效率，但工作的重要部分仍然需要人来完成。
东盟层面的数据也呈现类似方向。国际劳工组织（ILO）估计，2025年东盟22.9%的就业岗位处于高于最低程度的生成式AI暴露之中，但只有3.3%的就业岗位属于最高暴露类别。截至2026年7月，ILO表示尚未看到生成式AI造成大规模劳动力市场扰动的证据。
这并不意味着风险不存在，而是说明“工作正在变化”和“岗位正在消失”不是同一件事。
AI通常先替代任务，而不是整个岗位
可以把一个岗位看成一组任务。财务人员可能需要收集数据、制作表格、检查异常、向管理层解释结果，并对建议负责。营销人员可能需要研究客户、起草内容、分析活动效果、与客户沟通，并决定预算投向哪里。
AI可能在其中一些步骤上迅速提高效率，但这不意味着岗位中其他部分的价值会同时消失。
如果AI能够在几分钟内完成报告初稿，那么“写出第一版”的价值可能下降。但判断哪些数据可信、哪里出现异常、某个结论是否风险过高，以及接下来应该采取什么行动，这些能力反而可能更重要。
因此，仅用“职业对AI的暴露程度”来判断就业风险容易过度简化。高暴露职业可能同时包含容易自动化的任务，也包含AI能够提高 Productivity（生产率） 的任务，也就是用相同资源创造更多有效产出。
当一个任务变便宜，公司并不只有“裁员”一个选择
假设软件把一小时的工作缩短到十五分钟，这项任务的成本下降了，但公司接下来怎么做并没有唯一答案。
企业可能减少人员，也可能维持原有团队，同时增加产出、服务更多客户、加快产品测试，或者把员工从重复性工作转移到更需要判断的工作。如果人均产出提高，而且市场能够吸收更多产品或服务，AI可能推动业务扩张，而不是立即压缩就业。
相反，如果市场需求没有同步增长，而自动化之后也没有多少高价值工作留下，企业减少岗位的动力就会更强。因此，就业结果不仅取决于技术本身，也取决于商业模式、市场需求，以及劳动者能否转向AI仍然不擅长的任务。
不存在“生产率提高20%，员工就一定减少20%”这样的简单公式。
更有价值的工作，可能是需要判断和负责的工作
当工具越来越擅长处理结构化任务，稀缺能力可能不再是最快生成文字或完成计算，而是理解情境、提出正确问题，并对最终结果负责。
OECD指出，AI正在提高许多工作岗位的技能门槛。在其调查中，制造业和金融业有超过一半的雇主表示，采用AI后对高学历劳动者的需求增加。同时，OECD估计，需要模型开发或AI编程等高级AI技能的劳动者不到1%。
对大多数人来说，更重要的是更广泛的能力，包括使用、分析和解释数据，以及解决问题、创造力、管理能力和其他人类技能。
如果AI让“第一个答案”变得更便宜，那么劳动者的价值可能更多来自 定义正确的问题、核查答案、把答案放进业务情境，并在信息不完整时做出决定。
这些能力并不能保证永远不会被自动化。但在企业重新设计工作方式的阶段，它们往往决定AI究竟只是一个试验工具，还是能够真正创造经营成果的系统。
更值得警惕的，可能是职业阶梯的第一步
劳动力市场的变化不一定表现为大规模裁员，也可能表现为企业减少招聘新人。
很多入门岗位过去承担收集信息、起草文件、检查资料、完成基础分析和解决结构化问题等任务。这些工作同时也是年轻劳动者积累经验、逐步进入需要更强判断能力岗位的重要训练过程。
如果生成式AI降低了企业对这些初级任务的人工需求，即使资深员工仍然保有工作，一些职业的第一层阶梯也可能变窄。
斯坦福数字经济实验室的美国数据可以作为一个值得关注的信号，但不能直接代表泰国。其截至2026年6月的工资和就业数据表明，在AI暴露程度较高的职业中，22 – 25岁劳动者的就业水平比“如果其就业与同龄低暴露职业劳动者保持同样增长速度”所对应的水平低约19%。变化主要来自新招聘减少，而不是离职增加。
斯坦福同时强调，这些只是描述性模式，并不是证明AI造成该结果的因果估计，其他劳动力市场因素也可能发挥作用。即便如此，这仍提出了一个对其他经济体很重要的问题：如果AI承担越来越多初级任务，年轻人要通过什么路径积累进入高级岗位所需的经验？
并不是每个人都需要成为AI工程师
面对AI，起点不应该是让所有人都去学习机器学习或模型开发。
对很多职业来说，真正的优势可能来自更深入理解自己的专业，用AI减少重复工作所占时间，同时提高依赖专业知识、核查和判断的部分。会计人员可以让AI帮助整理数据，但仍要验证结果并解释其含义；营销人员可以让AI生成多个方案，但仍需要理解客户、预算、品牌和商业目标。
对企业来说，购买AI工具也不会自动带来生产率提升。如果数据质量差、流程设计不清楚、员工不知道如何核查结果，企业可能只是更快地产生更多错误。
真正的经济机会在于重新设计工作，让人与AI分别承担各自更有优势的部分，并把生产率提升转化成更有价值的产品和服务，而不只是用更少时间完成原来的工作。
接下来要看什么
第一个信号是 泰国入门级岗位的招聘情况，尤其是办公室支持、金融、会计、营销、科技和基础分析岗位。如果初级职位空缺下降速度快于整体就业，就可能说明企业正在重新设计职业阶梯。
第二个信号是 招聘信息中的技能要求。重点不只是有没有出现“AI”这个词，而是企业是否越来越需要分析、核查、沟通、项目管理和行业专业知识。
第三个信号是 AI增强型工作的工资和就业，与容易自动化任务所在工作的差异。如果两个群体开始明显分化，就能比“企业买了多少AI工具”更直接地看到AI对劳动力市场的经济影响。
最后一个信号是 企业对Upskill和Reskill的投入，以及中小企业能否真正有效采用AI。如果生产率提升主要集中在大型企业，不同规模企业之间的效率和工资差距可能进一步扩大。
AI确实可能降低某些任务的价值，但这不意味着人类工作的价值会以同样速度下降。越来越关键的问题是：当AI接手工作中的一层任务之后，剩下的人类工作究竟会变得更有价值，还是被进一步压低价值，以及劳动者和企业能否足够快地转向新的价值来源。
