7. 在职：怎么用 AI 干活，并且不被裁 · AGI 时代高性价比人生指南

这一节写给还有工作的人。第 6 章回答"我的岗位还剩几年"，第 8 章回答"被裁了怎么办"，这一章回答中间那段：明天上班，怎么把 AI 用进手头的活里，既多干出东西，又不把自己搭进去。口径有两个：钱和时间精力，部分条目涉及人身自由（泄密、违纪）和选择权（可核实的成果）。原书第 9 节里"证书""加班"的老条目照旧，本章只写 AI 带来的新问题。

这一节在 AGI 时代最大的变化是：AI 的效果是一条锯齿形的边界。2023 年波士顿咨询公司 758 名顾问的随机实验里，边界以内的任务，用 AI 的人多干 12.2%、快 25.1%、质量高 40% 以上；边界以外的任务，用 AI 的人答对的概率反而低 19 个百分点。客服中心的研究里，新手提效 34%，老手几乎没变化。所以"用不用 AI"不是问题，问题是分清哪些活交给它、哪些活必须自己做、以及署你名字的东西由谁负责。条目按性价比从高到低排，全情景的在前。成本是作者按 2026 年市价的粗略估计，只用来互相比较。

1. 先把公司的 AI 使用规定找出来读一遍，没有规定就用邮件问一次

成本：不花钱。读规定 20 分钟，写一封邮件 5 分钟。
说人话：大多数人用 AI 干活是"自带工具上班"，公司不知道，自己也没问过能不能用。出了事，公司第一句话是"你违反了规章制度"，而《劳动合同法》允许公司因为"严重违反规章制度"直接解除合同，一分钱补偿不给。所以第一件事不是学提示词，是弄清楚公司允许你用哪个工具、能输入什么、输出要不要标注。没有书面规定的，发一封邮件问清楚，回复就是你的护身符。
收益：微软与领英《2024 年工作趋势指数》（31 个国家 31,000 名知识工作者问卷）：75% 的知识工作者在工作中使用生成式 AI，其中 78% 使用的是自己带来的工具（BYOAI），52% 不愿意承认自己在最重要的工作上用了 AI。《劳动合同法》第三十九条第二项：劳动者严重违反用人单位的规章制度的，用人单位可以解除劳动合同；第四十六条规定的经济补偿不适用于第三十九条情形。第四条：直接涉及劳动者切身利益的规章制度须经职工代表大会或者全体职工讨论，并公示或告知劳动者。
证据等级：A。法律原文加大样本问卷。
情景：全情景。
来源：Microsoft and LinkedIn (2024). 2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part. <https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part> ; 全国人大常委会 (2012). 中华人民共和国劳动合同法（2012 年修正）第四条、第三十九条、第四十六条. <https://www.gov.cn/flfg/2007-06/29/content_669394.htm>
备注：反过来也成立：公司没有经过民主程序和公示的规定，不能作为解除你的依据，这是第四条给你的保护。但别拿这一点当挡箭牌，泄露商业秘密不需要规章制度也违法，见本节第 2 条。这条什么时候会失效：不会。公司规定每年都在改，每次改版后重读一次。本书不构成法律意见，具体案件以律师意见为准。

2. 公司数据、客户信息和源代码不贴进个人账号的公开模型

成本：不花钱。用公司批准的企业版，或者先把名字、金额、身份证号换成代号再问。
说人话：免费版聊天机器人的条款通常允许用你的输入改进模型，你贴进去的合同、名单、代码就离开了公司。2023 年三星半导体部门 20 天里出了三起员工把源代码和会议记录贴进 ChatGPT 的事，公司随即禁用。在中国，这件事至少碰三条线：违反公司保密规定会被无补偿解除；泄露商业秘密要赔钱，情节严重是刑事案件；涉及客户个人信息的，单位最高罚 5,000 万元，直接责任人也要罚。
收益：《反不正当竞争法》禁止侵犯商业秘密。《刑法》第二百一十九条侵犯商业秘密罪：情节严重的处三年以下有期徒刑，情节特别严重的处三年以上十年以下有期徒刑。《个人信息保护法》（2021 年 11 月 1 日施行）第六十六条：情节严重的处 5,000 万元以下或上一年度营业额 5% 以下罚款，对直接负责的主管人员和其他直接责任人员处 10 万元以上 100 万元以下罚款。《保守国家秘密法》（2024 年 5 月 1 日修订施行）禁止在互联网及其他公共信息网络中处理涉密信息。《劳动合同法》第九十条：劳动者违反保密义务给用人单位造成损失的，应当承担赔偿责任。三星事件：约 20 天内 3 起，公司随后限制在公司设备上使用生成式 AI（公司内部通知，经多家媒体报道）。
证据等级：A。法律原文是 A，三星事件本身是报道，只作为例子。
情景：全情景。
来源：全国人大常委会. 中华人民共和国刑法第二百一十九条；中华人民共和国反不正当竞争法. <https://flk.npc.gov.cn/> ; 全国人大常委会 (2021). 中华人民共和国个人信息保护法第六十六条. <http://www.npc.gov.cn/npc/c30834/202108/a8c4e3672c74491a80b53a172bb753fe.shtml> ; 全国人大常委会 (2024). 中华人民共和国保守国家秘密法（2024 年修订）. <http://www.npc.gov.cn/> ; 劳动合同法第九十条. <https://www.gov.cn/flfg/2007-06/29/content_669394.htm>
备注：可逆=否，贴出去的东西收不回。在国企、军工、科研院所、政府部门工作的人，门槛更低：凡是标密的、内部的、未公开的，一律不进任何联网 AI。国家安全机关近两年多次公开通报过工作人员用 AI 写材料造成泄密的案例（原始通报待核实）。程序员的版本见第 12 节第 11 条，一人公司的版本见第 11 节第 18 条。本书不构成法律意见。

3. AI 交出来的每一个事实、数字和引用，署你的名字之前自己核一遍

成本：不花钱。每份交付物多花 10 到 30 分钟，逐条点开原始来源。
说人话：2023 年纽约两位律师把 ChatGPT 编出来的 6 个判例写进诉状，法官罚了 5,000 美元，还要他们给每一位被冒名的法官写信说明。这不是个别人犯傻：截至 2026 年 9 月，公开记录在案的"AI 编造内容进了法庭"的案例已经有 2,079 起，其中律师 827 起。连专业法律 AI 产品也会编，斯坦福测过，最好的也有 17% 的回答含幻觉。模型不签字，签字的是你。
收益：Mata v. Avianca（美国纽约南区联邦地区法院，2023 年 6 月 22 日，法官 P. Kevin Castel）：律师提交的材料引用 6 个不存在的判例，法院对两名律师及其律所合计处以 5,000 美元罚款，并命令其致信当事人和每一位被虚构为判决作者的法官。Charlotin 维护的"AI 幻觉案例数据库"（2026 年 9 月 25 日更新）：共 2,079 起，美国 1,430 起，加拿大 218 起，澳大利亚 112 起；按身份分，自己打官司的当事人 1,196 起，律师 827 起，法官 32 起，专家证人 15 起。Magesh 等（斯坦福，2024）测试专业法律 AI 工具：Lexis+ AI 等产品约 17% 以上的回答含幻觉，Westlaw AI 辅助检索约 33%。
证据等级：A。法院裁定原文、持续更新的案例库、同行评审的测评研究。
情景：全情景。
来源：U.S. District Court, S.D.N.Y. (2023). Mata v. Avianca, Inc., No. 22-cv-1461 (PKC), Opinion and Order on Sanctions, June 22, 2023. <https://www.courtlistener.com/docket/63107798/mata-v-avianca-inc/> ; Charlotin D (2026). AI Hallucination Cases Database. <https://www.damiencharlotin.com/hallucinations/> ; Magesh V 等 (2024). Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. <https://arxiv.org/abs/2405.20362>
备注：不止律师。2025 年德勤澳大利亚为政府做的一份报告被发现引用了不存在的文献和编造的判决引语，德勤退还了合同的部分款项（澳大利亚就业与劳资关系部，2025 年 10 月，具体退款金额待核实）。核查的顺序：先核数字和引用，再核逻辑。核不了的内容删掉，不要改成"据研究"。法律场景的红线见第 18 节。这条什么时候会失效：模型给出可点开的原始出处并且出处可靠时，核查变快，但不会变成不用核。

4. 先把 AI 用在"边界以内"的活上：初稿、总结、改写、翻译、整理格式

成本：用公司的工具不花钱；自己订阅每月几十到 200 元。第一周每天多花半小时摸索。
说人话：有一类活 AI 已经做得比大多数人好：写第一稿、把长材料压成一页、换一种语气改写、翻译、把乱七八糟的笔记整理成表格。波士顿咨询公司让 758 名顾问做这类任务，用 AI 的一组多干了 12.2% 的活，快了 25.1%，质量评分高了 40% 以上。另一项 453 人的写作实验里，用 ChatGPT 的人写商务文书时间少 40%，质量高 18%。这类活不用 AI，等于每天白白多干一两个小时。
收益：Dell'Acqua 等（哈佛商学院工作论文 24-013，2023）：波士顿咨询公司 758 名顾问的预注册随机实验，18 项在 AI 能力边界以内的真实咨询任务，使用 GPT-4 的组平均完成任务数多 12.2%，完成速度快 25.1%，质量评分高 40% 以上；原先表现在后一半的顾问提升 43%，前一半提升 17%。Noy 与 Zhang（Science，2023）：453 名受过大学教育的专业人员做职业写作任务，使用 ChatGPT 的组用时减少 40%，质量评分提高 18%。英国政府 2024 年 9 月至 12 月在 12 个部门约 2 万名公务员中试用 Microsoft 365 Copilot：自报平均每天节省 26 分钟，82% 不愿回到没有它的状态。
证据等级：A。两项随机实验加一项政府大规模试用报告。
情景：全情景。
来源：Dell'Acqua F 等 (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013. <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321> ; Noy S, Zhang W (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654). <https://doi.org/10.1126/science.adh2586> ; UK Government Digital Service (2025). Microsoft 365 Copilot Experiment: Cross-Government Findings Report. <https://www.gov.uk/government/publications/microsoft-365-copilot-experiment-cross-government-findings-report>
备注：英国的 26 分钟是自报数字，报告自己也提醒要打折看。实验里的 GPT-4 是 2023 年的模型，2026 年的模型边界更宽，但"边界以外会翻车"的结构没变，见下一条。反方证据：丹麦的行政数据显示，AI 聊天机器人上线两年后，工资和工时没有超过 2% 的变化，省下的时间多数没有变成更高的收入，见本节第 20 条。

5. 边界以外的活别直接信 AI：要综合判断、数据里藏着陷阱的任务，用了反而更容易错

成本：不花钱。难的是判断一件活在不在边界以内，需要自己先做几次对照。
说人话：同一个波士顿咨询公司实验里，研究者故意设计了一道 AI 做不好的题：要从访谈记录和财务数据里发现一个藏着的矛盾。不用 AI 的顾问 84% 答对；用 AI 的顾问答对率低了约 19 个百分点，而且他们写得更流畅、更自信。AI 的问题不是错，是错得很像对。凡是需要你把几件事放在一起想、数据里可能有坑、结论要对别人负责的活，先自己想，再让 AI 挑毛病，顺序别反。
收益：Dell'Acqua 等（2023）：在研究者设计的"边界以外"任务上，对照组正确率约 84%，使用 AI 的两组正确率低 19 个百分点左右；研究者把高效使用者分为两类：把任务切开、分别交给自己和 AI 的"半人马型"，以及与 AI 深度交织的"赛博格型"，两类都比全盘照收的人表现好。Lee 等（微软研究院与卡内基梅隆大学，CHI 2025）：319 名知识工作者报告的 936 个真实使用案例中，对 AI 信心越高的人，报告的批判性思考越少；对自己信心越高的人，批判性思考越多。
证据等级：A。随机实验，另有一项问卷研究作为机制补充。
情景：全情景。
来源：Dell'Acqua F 等 (2023). Harvard Business School Working Paper 24-013. <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321> ; Lee H-P 等 (2025). The Impact of Generative AI on Critical Thinking. CHI 2025. <https://doi.org/10.1145/3706598.3713778>
备注：边界每年都在往外推，2023 年边界以外的题，2026 年的模型可能已经能做。所以这条不是给你一张固定的"禁用清单"，而是一个动作：每换一次模型，拿一道你知道答案的难题测一次，见本节第 15 条。这条什么时候会失效：当模型在你的领域里稳定地比你更会发现陷阱时，你的角色就从"做"变成"验收"，见第 9 条。

6. 新手和刚换岗的人最该用 AI，它把老员工的经验摊给了你

成本：用公司工具不花钱。前两周每天花 20 分钟对比 AI 的建议和老同事的做法。
说人话：美国一家软件公司给 5,179 名客服分批上线了 AI 助手。平均每小时解决的问题多了 14%，新手和绩效差的人多了 34%，老手几乎没变。研究者的解释是，AI 把最好的那批员工的做法学下来，再实时推给新人，相当于把老员工几年攒的经验压缩成了提示。写代码也一样：随机实验里用 Copilot 的人完成同一个任务快 55.8%，大企业的三项现场实验里完成的任务多 26%，经验少的人提升更多。你刚入行或刚换岗，这是最便宜的师傅。
收益：Brynjolfsson、Li、Raymond（NBER 工作论文 31161，2023；《经济学季刊》2025）：5,179 名客服，AI 对话助手分批上线，每小时解决问题数平均提高 14%，新手和低技能员工提高 34%，对高技能员工影响很小；客户情绪改善，员工留存提高。Peng 等（2023）：随机对照实验，用 JavaScript 实现 HTTP 服务器，有 Copilot 的组快 55.8%。Cui 等（2024）：微软、埃森哲和一家财富 100 强企业共 4,867 名开发者的三项现场随机实验，获得 Copilot 的开发者完成任务数增加 26.08%，资历浅的增幅更大。
证据等级：A。三项研究均为随机或准随机设计，样本从 95 到 5,179。
情景：全情景。
来源：Brynjolfsson E, Li D, Raymond L (2023). Generative AI at Work. NBER Working Paper 31161. <https://www.nber.org/papers/w31161> ; Peng S 等 (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. <https://arxiv.org/abs/2302.06590> ; Cui Z 等 (2024). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. SSRN. <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566>
备注：这条有一个暗面：AI 让新手更快达到平均水平，也让公司更不需要招新手，这正是斯坦福"金丝雀"研究里 22 到 25 岁高暴露职业就业低 19% 的机制之一，见第 6 节第 20 条。所以新手用 AI 的目的不能停在"干得跟老员工一样"，要尽快学到 AI 教不了的部分：和客户谈、担责、处理例外。用 AI 学习时的"护栏"见第 9 节第 2 条。

7. 老手用 AI 要自己计时，别信"感觉快了"

成本：不花钱。连续两周给同类任务记开始和结束时间，一半用 AI，一半不用。
说人话：2025 年有一项让人意外的实验：16 位在大型开源项目上干了多年的程序员，做 246 个真实任务，随机分成可以用 AI 和不可以用。他们事前以为 AI 能让自己快 24%，事后觉得快了 20%，实际测出来慢了 19%。肯尼亚一项给小老板配 AI 顾问的实验里，原本经营好的人收入高了约 15%，原本经营差的人反而低了约 8%。AI 对老手的帮助小、对判断力弱的人可能有害，自己的数据才算数。
收益：METR（2025 年 7 月）：16 名资深开源开发者，246 个真实任务，随机分配是否允许使用 AI 工具；允许使用 AI 时完成时间增加 19%，参与者事前预期缩短 24%，事后自评缩短 20%。Otis 等（哈佛商学院，2024）：肯尼亚 640 名小企业主的随机实验，通过 WhatsApp 获得 GPT-4 商业建议；原本高绩效者收入和利润提高约 15% 到 20%，低绩效者下降约 8% 到 10%（数字按论文摘要，待核实精确值）。
证据等级：A。两项随机实验；样本都不大，外推时要打折。
情景：全情景。
来源：METR (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. <https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/> ; Otis N 等 (2024). The Uneven Impact of Generative AI on Entrepreneurial Performance. Harvard Business School Working Paper. <https://www.hbs.edu/faculty/Pages/default.aspx>
备注：这两项研究和第 6 条不矛盾：新手在"学别人的做法"上受益最大，老手在自己最熟的活上受益最小，甚至被来回核对拖慢。2026 年的模型比 2025 年强，METR 的结果可能已经翻转，这正是要你自己计时的原因。程序员的详细版本见第 12 节第 2 条。

8. 把成果做成可核实的：带日期的交付物、署名的文档、能接电话的证明人

成本：不花钱。每月花一小时整理一次，建一个只放自己成果的文件夹。
说人话：AI 让写一份漂亮的周报、一份像样的方案、一份好看的简历几乎不花钱，所以这些东西不再说明你干了什么。公司裁人时看的是"这个人负责的东西离开他会不会出事"，下一家公司招人时看的是"能不能查到他真干过"。能证明的东西有三种：有日期和版本号的交付物（上线的系统、发出去的报告、签过的合同），你的名字写在上面的文件，以及愿意接电话替你说话的前上级和客户。每个月攒一点，比被裁那天再补强十倍。
收益：斯坦福数字经济实验室"矿井里的金丝雀"（2026 年 8 月，ADP 工资数据）：22 到 25 岁在 AI 暴露度高的职业里就业比同龄人低 19%，机制是减少招聘而非裁员，暴露度高且以"自动化"方式使用 AI 的岗位下降集中。微软《2024 年工作趋势指数》：66% 的企业领导者表示不会雇用没有 AI 技能的人，71% 表示宁愿雇用有 AI 技能但经验较少的候选人而不是经验更多但没有 AI 技能的候选人。
证据等级：B。就业数据是 A，"可核实成果能提高留用和再就业机会"是推断，没有直接的随机研究。
情景：全情景。
来源：Brynjolfsson E, Chandar B, Chen R (2026). Canaries in the Coal Mine（2026 年 8 月更新）. Stanford Digital Economy Lab. <https://digitaleconomy.stanford.edu> ; Microsoft and LinkedIn (2024). 2024 Work Trend Index. <https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part>
备注：注意边界：公司的文件不能带走，带走的是"你做过什么"的记录，不是文件本身，否则踩第 2 条的线。可以记：项目名、你的角色、可公开的结果数字、能查证的公开链接。求职时怎么用这份记录见第 8 节第 26 条，学生和应届生的版本见第 6 节第 20 条。这条什么时候会失效：如果出现可信的第三方履历核验系统，个人整理的价值会下降，但它现在不存在。

9. 从"干活的人"改成"定标准、验收、担责的人"，把自己的岗位说明重写一遍

成本：不花钱。花一个周末，把自己每周的活列出来，改写成"我负责什么结果、我怎么验收"。
说人话：人们用 AI 的方式正在从"一起商量"变成"直接交给它干"。Anthropic 的数据里，用户把整件事交给模型去做的对话比例，8 个月里从 27% 涨到 39%；企业通过接口调用的场景里，四分之三以上是这种直接交办。活由 AI 干，剩下的人干的是另外三件事：定义什么叫做好、检查它做得对不对、出了错站出来。丹麦的行政数据也看到了同样的事：用 AI 的公司新出现了"AI 监督""AI 集成"一类任务，采用者往更高薪的岗位上挪。
收益：Anthropic Economic Index（2025 年 9 月）：Claude.ai 上"指令式"自动化对话占比从 2024 年 12 月到 2025 年 8 月由 27% 升至 39%；企业 API 流量中约 77% 为自动化型使用。Humlum 与 Vestergaard（NBER 工作论文 33777，2025）：丹麦大规模采用问卷与行政劳动记录连接，两年内工资与工时的效应可排除超过 2% 的变化，但雇主通过任务重组吸收 AI，出现内容生成、AI 监督与 AI 集成等新任务，采用者转向更高薪的相关职业。
证据等级：B。两项都是大样本数据，但"做监督者更安全"是推断。
情景：基准线及更快。慢线上 AI 更多是辅助，"执行者"岗位变化慢。
来源：Anthropic (2025). Anthropic Economic Index Report: Uneven Geographic and Enterprise AI Adoption. <https://www.anthropic.com/research/anthropic-economic-index-september-2025-report> ; Humlum A, Vestergaard E (2025). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777. <https://www.nber.org/papers/w33777>
备注：反方证据：监督者的位置比执行者少，一个人能验收十个智能体的产出，意味着十个执行岗位只剩一个监督岗位。这是第 3 章所说的第二个反例在岗位层面的版本。所以这条的意思不是"当了监督者就安全"，是"在同一个团队里，监督者是最后被拿掉的那一个"。第 6 节第 3 条的"担责、在场、动手"三分法可以直接拿来用。

10. 公司上智能体时，要求把你的岗位说明和考核指标改成书面的

成本：不花钱。一次面谈加一封确认邮件。
说人话：公司引入 AI 智能体以后，常见的做法是口头说"以后你负责盯着 AI"，然后绩效指标照旧，甚至翻倍。《劳动合同法》规定，变更劳动合同的内容要双方协商一致并采用书面形式；涉及劳动定额、考核、奖惩这类直接关系到你切身利益的制度，要经过职工代表大会或全体职工讨论并告知你。把新的岗位职责和考核标准落到纸面上，一是防止"你没完成新指标"变成解除你的理由，二是把你"负责 AI 产出"这件事写进记录，那是你下一份简历上最值钱的一行。
收益：《劳动合同法》第三十五条：用人单位与劳动者协商一致，可以变更劳动合同约定的内容；变更劳动合同，应当采用书面形式。第四条：用人单位在制定、修改或者决定有关劳动报酬、工作时间、休息休假、劳动安全卫生、保险福利、职工培训、劳动纪律以及劳动定额管理等直接涉及劳动者切身利益的规章制度或者重大事项时，应当经职工代表大会或者全体职工讨论，提出方案和意见，与工会或者职工代表平等协商确定，并公示或告知劳动者。第四十条第二项：不能胜任工作的解除，前提是先培训或调整岗位。
证据等级：A。法律原文。
情景：全情景。
来源：全国人大常委会 (2012). 中华人民共和国劳动合同法第四条、第三十五条、第四十条. <https://www.gov.cn/flfg/2007-06/29/content_669394.htm>
备注：谈的时候别对抗，用"我想确认一下新的职责边界，好把活干好"这样的说法。公司不愿意书面化的，你自己发一封邮件总结面谈内容，请对方确认，对方不回复也算留了痕迹。被要求"先培训转岗再考核"时的证据保留见第 8 节第 5 条。美国员工没有这一层保护，多数州是"随意雇佣"，书面记录的作用主要在谈判和求职上。本书不构成法律意见。

11. "你用了 AI 所以活要翻倍"：劳动定额要合理，超出法定工时就是加班，要付加班费

成本：不花钱。每天记一下实际上下班时间和下班后处理工作的截图。
说人话：AI 让你两小时干完原来一天的活，公司很自然会把指标抬上去。抬指标本身不违法，但有两条底线：一是定额要合理，法律明确说不得用定额"强迫或者变相强迫"加班；二是工时有上限，每天 8 小时、每周 44 小时，延长工时一般每天不超过 1 小时，最多 3 小时，每月不超过 36 小时，超了就是加班，工作日 1.5 倍、休息日 2 倍（不能补休时）、法定节假日 3 倍。AI 提效的好处应该有一部分回到你身上，而不是全部变成更长的工作日。
收益：《劳动法》第三十六条：劳动者每日工作时间不超过 8 小时、平均每周工作时间不超过 44 小时。第四十一条：延长工作时间一般每日不得超过 1 小时，因特殊原因每日不得超过 3 小时，每月不得超过 36 小时。第四十四条：安排延长工作时间的支付不低于工资的 150%；休息日安排工作又不能安排补休的支付不低于 200%；法定休假日安排工作的支付不低于 300%。《劳动合同法》第三十一条：用人单位应当严格执行劳动定额标准，不得强迫或者变相强迫劳动者加班；安排加班的应当按照国家有关规定向劳动者支付加班费。人力资源和社会保障部与最高人民法院 2021 年 8 月联合发布超时加班劳动人事争议典型案例，明确"996"式工作制度违反法律关于工作时间的规定。
证据等级：A。法律原文与官方典型案例。
情景：全情景。
来源：全国人大常委会 (2018). 中华人民共和国劳动法（2018 年修正）第三十六条、第四十一条、第四十四条. <https://www.gov.cn/banshi/2005-05/25/content_905.htm> ; 劳动合同法第三十一条. <https://www.gov.cn/flfg/2007-06/29/content_669394.htm> ; 人力资源社会保障部、最高人民法院 (2021). 超时加班劳动人事争议典型案例. <https://www.mohrss.gov.cn/>
备注：实行不定时工作制或综合计算工时制的岗位要经劳动行政部门审批，规则不同，先查自己的合同。反方证据：用加班费维权的成本不低，多数人会选择走人而不是仲裁；但证据留着，在第 8 节讲的离职谈判里就是筹码。仲裁时效和欠薪规则见第 8 节第 11 条。本书不构成法律意见。

12. 下班后在微信、钉钉、AI 工具里处理工作也算加班，把记录留好

成本：不花钱。每周把下班后的工作消息、文档修改记录截一次图，存到自己的网盘。
说人话：AI 工具让工作可以在任何时间、任何地点做，"随时在线"的压力比以前更大。北京市第三中级人民法院 2023 年审过一个案子：员工下班后和休息日通过微信、钉钉处理大量工作，法院认定这属于加班，判公司支付加班费 3 万元。判断标准不是你在不在办公室，而是你有没有付出实质性的劳动、是不是有规律地发生。聊天记录、文档的编辑时间、系统登录日志，都是证据。
收益：北京市第三中级人民法院（2023）：李某与某科技公司劳动争议案二审，认定劳动者利用社交媒体在非工作时间提供实质性工作且具有周期性和固定性的，属于加班，酌定公司支付加班费 3 万元（案号与原文待核实）。最高人民法院 2025 年工作报告提及依法保障劳动者休息权、治理"隐形加班"（原文措辞待核实）。
证据等级：B。单个判例，各地法院尺度不一；引用的案号本书未能在裁判文书网直接核到。
情景：全情景。
来源：北京市第三中级人民法院 (2023). 李某诉某科技公司劳动争议案（"隐形加班"案）. <https://bj3zy.bjcourt.gov.cn/> ; 中国裁判文书网. <https://wenshu.court.gov.cn/>
备注：这条什么时候会失效：如果你的岗位本来就是值班、轮岗或不定时工作制，偶尔回复不算加班。偶尔回一条消息也很难被认定，法院看的是"实质性"和"规律性"。留证据的同时注意第 2 条：截图里如果有公司敏感信息，只存在公司允许的地方，或者只截时间和概要。

13. 别交"AI 糊弄活"：看起来完整、别人拿到还得返工的东西，比不交更伤信用

成本：不花钱。每份 AI 辅助的交付物，发出前按"如果收到的是我，能直接用吗"自问一遍。
说人话：美国一项调查给这种东西起了名字，叫"workslop"，大意是"工作糊弄活"：格式漂亮、字数够、看起来像回事，但内容空、错漏多，收到的人得花时间重做。受访者里 40% 说过去一个月收到过，平均每次要花将近两小时处理，而且收到的人会觉得发的人不靠谱、不聪明。AI 让你交东西更快，也让你的信用贬值更快。
收益：Niederhoffer 等（斯坦福社交媒体实验室与 BetterUp，《哈佛商业评论》2025 年 9 月）：对 1,150 名美国全职员工的调查，40% 在过去一个月收到过 AI 生成的"糊弄活"，平均每次处理约 1 小时 56 分钟；约一半受访者因此认为发送者创造力、能力或可靠性更低。Dell'Acqua 等（2023）的咨询实验中，边界以外的任务上使用 AI 者写出的答案更长更流畅但正确率更低。
证据等级：B。问卷调查，样本来自美国，非随机。
情景：全情景。
来源：Niederhoffer K 等 (2025). AI-Generated "Workslop" Is Destroying Productivity. Harvard Business Review. <https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity> ; Dell'Acqua F 等 (2023). <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321>
备注：一个简单的办法：AI 写的东西，先删掉三分之一再发。多数糊弄活的问题是太长、太全、没有结论。反方证据：有些场合对方只要一个"有"，粗一点没关系，比如内部会议纪要的初稿。区分标准是这份东西会不会被转给第三个人，会的就按对外标准做。

14. 你在工作里部署的 AI 客服和智能体说出去的话，公司要认账，你要设人工复核

成本：不花钱。在你负责的 AI 客服或自动回复里，给退款、赔偿、报价、承诺类回答加一道人工确认。
说人话：2024 年加拿大航空的网站聊天机器人告诉一位乘客，丧亲票可以事后申请退差价，实际上公司政策不允许。乘客起诉，公司辩称"聊天机器人是一个独立的法律实体，要为自己的行为负责"，法庭没有采纳，判公司赔钱。中国消协 2026 年上半年的投诉分析里专门点名了同一种情况：AI 客服答应了优惠或售后，事后商家说"AI 回答不代表公司立场"拒绝履行。如果你是那个上线 AI 客服的人，出了这种事，内部追责先找到你。
收益：Moffatt v. Air Canada（加拿大不列颠哥伦比亚省民事仲裁庭，2024 BCCRT 149，2024 年 2 月 14 日）：认定航空公司对其网站聊天机器人提供的信息负责，判赔约 812 加元（含差价、利息与费用）。中国消费者协会《2026 年上半年全国消协组织受理投诉情况分析》（2026 年 8 月 5 日）：上半年受理投诉 985,928 件，挽回经济损失 4.47 亿元；点名"AI 客服转人工机制不畅，部分平台通过循环应答、多层跳转等方式延缓或阻碍消费者进入人工服务流程"，以及"AI 客服作出费用构成、优惠活动、售后政策等明确承诺，消费者据此作出交易决定后，经营者又以'AI 回答不代表公司立场'……等为由拒绝履行"。
证据等级：A。仲裁庭裁决与消协官方投诉分析。
情景：全情景。
来源：Civil Resolution Tribunal of British Columbia (2024). Moffatt v. Air Canada, 2024 BCCRT 149. <https://decisions.civilresolutionbc.ca/crt/> ; 中国消费者协会 (2026). 2026 年上半年全国消协组织受理投诉情况分析. <https://cca.org.cn/single/11186/69866.html>
备注：中国目前没有同类的公开判例，但《消费者权益保护法》关于经营者对其宣传和承诺负责的原则一样适用，商家拿"AI 说的不算"抗辩在法理上站不住（本书判断，待判例检验）。一人公司的版本见第 11 节第 5 条，消费者一侧怎么用这条见第 13 节。本书不构成法律意见。

15. 每季度用最新的模型把自己的三件核心任务从头做一遍，量它能替你干几成

成本：订阅一个前沿模型每月 100 到 200 元，或用公司的。每季度半天。
说人话：模型能独立完成的任务长度大约每 129 天翻一倍，2026 年 5 月已经到约 12 小时（50% 成功率）。半年前你得出的"AI 干不了我的活"，现在很可能已经过期。方法很简单：拿上个季度你真正做过的三件活，把原始材料交给最新的模型，让它从头做，看它做到哪一步卡住。卡住的地方就是你现在的价值；它做完了的部分，就是你下个季度要交出去、腾出手去学别的东西的部分。
收益：METR《前沿风险报告》（2026 年 5 月 19 日）：公开前沿模型以 50% 成功率能独立完成约 12 小时的软件任务（置信区间 5 到 61 小时），80% 成功率约 1.5 小时；2023 年以来任务时间跨度约每 129 天翻一倍。白领端到端自动化基准 AutomationBench 约 31%，电脑操作基准 OSWorld 2.0 严格口径约 42%，说明"完整做完一件白领工作"尚未饱和。
证据等级：A。独立评测机构的公开报告。
情景：全情景。慢线上可以改成每半年一次。
来源：METR (2026). Frontier Risk Report（2026 年 5 月 19 日）. <https://metr.org> ; METR (2025). Measuring AI Ability to Complete Long Tasks. <https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/>
备注：测的时候用公司允许的工具和脱敏后的材料，别踩第 2 条。测完记三行：哪件做完了，哪件做了一半，哪件完全不行，存下来和下个季度对比，这比任何行业报告都准。任务拆分法见第 6 节第 1 条，程序员版本见第 12 节第 1 条。这条什么时候会失效：不会，只会越来越重要。

16. 保住不用 AI 也能干的底子，每周留一段"手动时间"

成本：不花钱。每周 2 到 3 小时，在核心技能上不用 AI 做一次。
说人话：用久了 AI，人的手艺会退。2025 年发表在《柳叶刀·胃肠病学与肝病学》的一项研究发现：波兰 4 家医院的内镜医生在引入 AI 辅助后，再做不带 AI 的肠镜时，腺瘤检出率从 28.4% 降到 22.4%。医生没有变笨，只是习惯了有人提醒。你的行业也一样：AI 宕机、被禁用、处理公司不许上传的材料、或者要你当场判断的时候，靠的是自己的底子。而监督 AI 的前提，恰恰是你自己会做。
收益：Budzyń 等（Lancet Gastroenterology & Hepatology，2025 年 8 月）：波兰 4 个内镜中心的多中心观察性研究，AI 辅助引入后，医生在无 AI 辅助的常规结肠镜中腺瘤检出率由 28.4% 降至 22.4%，绝对下降 6 个百分点。Lee 等（CHI 2025）：319 名知识工作者，对 AI 信心越高，自报的批判性思考投入越少。
证据等级：B。观察性研究，不是随机试验；医疗以外的行业是外推。
情景：全情景。
来源：Budzyń K 等 (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. <https://doi.org/10.1016/S2468-1253(25)00133-5> ; Lee H-P 等 (2025). CHI 2025. <https://doi.org/10.1145/3706598.3713778>
备注：反方证据：有些技能退化了也不可惜，比如手工排版、查字典。标准是：这项技能是不是你用来检查 AI 对不对的那项。是，就保；不是，就放。学生和学习者的版本见第 9 节第 4 条，程序员版本见第 12 节第 22 条。

17. 用公司付费的企业版干公司的活，自己再掏钱订一个前沿模型当职业投入

成本：公司工具不花钱；个人订阅每月 100 到 200 元，一年 1,200 到 2,400 元。
说人话：企业版和免费版的差别不在"聪明程度"，在条款：企业版默认不用你的输入训练模型，数据留在公司的合规范围里，出了事公司兜底。所以公司的活一律用公司的工具。但公司采购的往往不是最新的模型，你又需要知道前沿到了哪里（第 15 条），所以自己再订一个，拿来学、拿来测、拿来处理自己的事。英国政府 2 万人的试用里，熟悉 AI 工具的人获益明显多于不熟悉的人，这笔钱买的就是熟悉。
收益：英国政府数字服务局《Microsoft 365 Copilot 跨政府试验报告》（2025 年 6 月）：2024 年 9 月 30 日至 12 月 31 日，12 个机构约 2 万名员工；自报平均每天节省 26 分钟，超过三分之一的人每天节省 30 分钟以上，82% 不愿回到试用前的状态，使用率约 80%；报告指出对 AI 工具不熟悉的用户收益更少，工具在需要细致判断、上下文复杂的数据上表现不佳，所有用途都需要人工监督。
证据等级：A。政府正式试验报告，但时间节省是自报数字。
情景：全情景。
来源：UK Government Digital Service (2025). Microsoft 365 Copilot Experiment: Cross-Government Findings Report. <https://www.gov.uk/government/publications/microsoft-365-copilot-experiment-cross-government-findings-report/microsoft-365-copilot-experiment-cross-government-findings-report-html>
备注：个人订阅只订一个，别叠加三四个，订阅审计见第 13 节。公司不提供任何工具、又明文禁止个人工具的，按规定办，把个人订阅只用在个人学习上。这条什么时候会失效：如果免费版的能力追上前沿，个人订阅可以取消，2026 年还没到这一步。

18. 别隐瞒你在用 AI，也别夸大 AI 替你干了多少

成本：不花钱。在交付物里用一句话说明 AI 做了哪部分、你核了哪部分。
说人话：一半的人不愿意承认在重要工作上用了 AI，怕显得偷懒或者可替代。但藏起来有两个风险：一是出错时你没法解释来源，第 3 条的律师就是这样出的事；二是公司迟早会用检测工具或审计日志发现，到时候"不诚实"比"用了 AI"更伤。反过来，把"都是 AI 干的"挂在嘴上也不聪明，那是在帮公司算裁掉你的账。最稳的说法是：哪部分用了什么工具，哪部分是你的判断，谁对最终结果负责。
收益：微软与领英《2024 年工作趋势指数》：使用 AI 的知识工作者中 52% 不愿意承认在最重要的任务上使用 AI，53% 担心用 AI 做重要工作会让自己显得可替代。美国多个联邦法院在 Mata 案后发布常设命令，要求律师披露是否使用生成式 AI 并证明已人工核实（各法院命令不一，数量待核实）。中国《人工智能生成合成内容标识办法》（2025 年 9 月 1 日施行）要求对外传播的 AI 生成合成内容进行标识。
证据等级：B。问卷数据加规则原文，"披露对个人有利"是推断。
情景：全情景。
来源：Microsoft and LinkedIn (2024). 2024 Work Trend Index. <https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part> ; 国家互联网信息办公室等 (2025). 人工智能生成合成内容标识办法. <https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm>
备注：对外发布的内容，标识是法定义务，不是个人选择，见第 11 节第 3 条。对内的交付物没有法定披露义务，但写一句说明的成本几乎为零。这条什么时候会失效：当所有人都默认用 AI 时，披露会变成格式要求而不是表态，只剩"谁核的、谁负责"那一句有意义。

19. 能争取混合办公就争取，但入行头两年多到现场

成本：不花钱。一次和上级的谈话；新人每周多去两天办公室的通勤时间。
说人话：远程办公和 AI 经常被放在一起讨论，但数据说的是两件事。斯坦福的 Bloom 等人在携程做了一项 1,612 人的随机实验：每周在家两天的员工，离职率降了三分之一，两年里绩效评分和晋升没有变差。对有经验的人，混合办公是实打实的时间收益。但对刚入行的人，有研究认为远程办公让新人更难被看见、更难被带，甚至比 AI 更能解释美国入门岗位的减少。新人在现场学到的东西，恰恰是 AI 教不了的那部分。
收益：Bloom、Han、Liang（Nature，2024 年 6 月）：携程 1,612 名工程、市场和财务岗位员工的随机对照试验，每周两天居家的混合办公组离职率下降约三分之一，两年内绩效考核与晋升与对照组无显著差异，女性、非管理岗和通勤时间长的员工离职率下降更多。伦敦政治经济学院有研究认为远程办公比 AI 更能解释美国入门岗位需求的下降（本书事实基线，原始论文待核实）。
证据等级：A。大样本随机试验发表于 Nature；LSE 部分待核实，不作为主证据。
情景：全情景。
来源：Bloom N, Han R, Liang J (2024). Hybrid working from home improves retention without damaging performance. Nature 630. <https://doi.org/10.1038/s41586-024-07500-2> ; London School of Economics (2026). 远程办公与入门岗位需求研究（原始链接待核实）. <https://www.lse.ac.uk>
备注：携程实验是混合办公，不是全远程；全远程的研究结果更分散，有的显示生产率下降。这条和 AI 的关系是：AI 让很多活可以在任何地方做，公司也更容易把能远程做的活外包或交给智能体。在现场意味着你处在"在场"那一侧，这是第 3 章里正在变贵的东西。第 6 节第 20 条讲过应届生的处境，这里补一句：头两年，把"被看见"当成工作的一部分。

20. 把 AI 省下的时间用在相邻技能上，往"AI 补充人"的岗位挪

成本：钱少，主要是时间，每周 3 到 5 小时，持续半年以上。
说人话：丹麦的数据揭示了一件事：AI 上线两年，平均工资和工时几乎没动，省下来的时间大多被新的杂事吃掉了。但有一小群人的变化很大：用 AI 的人更多地转进了更高薪、而且更需要 AI 的职业。区别在于把省下的时间花在哪。普华永道的招聘广告数据里，要求 AI 技能的岗位工资溢价 2024 年到了 56%。相邻技能的意思是：你本行加一块，比如会计加数据分析、客服加质量管理、编辑加合规审核，而不是从零去学一个新行业。
收益：Humlum 与 Vestergaard（NBER 33777，2025）：丹麦两年内工资与工时的效应可排除超过 2% 的变化；采用者转向 AI 相关性更高的高薪职业，但人数尚少，不足以移动平均收入。普华永道《2025 年全球 AI 就业晴雨表》（分析近 10 亿条招聘广告）：要求 AI 技能的岗位平均工资溢价 56%，2023 年为 25%；AI 暴露度高的行业人均收入增长是暴露度低行业的 3 倍左右（数字按报告摘要）。
证据等级：B。行政数据是 A 级质量，但转岗与收入的关系是相关不是因果；普华永道是公司研究报告。
情景：全情景。
来源：Humlum A, Vestergaard E (2025). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777. <https://www.nber.org/papers/w33777> ; PwC (2025). The Fearless Future: 2025 Global AI Jobs Barometer. <https://www.pwc.com/gx/en/issues/artificial-intelligence/ai-jobs-barometer.html>
备注：反方证据：工资溢价会随着"会用 AI"变成标配而消失，就像"会用 Excel"曾经值钱。所以学的方向要是"本行加 AI 加担责"，而不是"提示词技巧"。学什么、在哪学、付费课的坑见第 9 节第 5 条和第 14 条。

21. 知道公司用 AI 监控你的边界：它可以管工作，不能越界收集你的个人信息

成本：不花钱。读一遍公司的员工个人信息处理告知，看它收了什么。
说人话：AI 让公司更便宜地分析你的键盘记录、聊天内容、摄像头画面和情绪。在中国，公司为了人力资源管理可以处理必要的员工信息，不需要你单独同意，但必须告知你收什么、用来干什么，而且不能超出"必要"的范围；人脸、行踪这类敏感信息要单独同意。在欧盟，从 2025 年 2 月起，在工作场所用 AI 识别员工情绪已经被直接禁止。你不必对抗监控，但要知道哪条线是公司不能过的。
收益：《个人信息保护法》第十三条第一款第二项：按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理所必需，可以处理个人信息；第十七条：处理前应当告知处理目的、方式、种类和保存期限；第二十八条、第二十九条：处理生物识别、行踪轨迹等敏感个人信息应当取得个人的单独同意。欧盟《人工智能法案》第 5 条第 1 款（f）项：禁止在工作场所和教育机构使用 AI 系统推断自然人情绪（医疗或安全原因除外），2025 年 2 月 2 日起适用；用于招聘、晋升、解雇、任务分配和绩效监测的 AI 系统列为高风险，相关义务已推迟到 2027 年 12 月 2 日起分阶段适用。
证据等级：A。法律原文。
情景：全情景。
来源：全国人大常委会 (2021). 中华人民共和国个人信息保护法第十三条、第十七条、第二十八条、第二十九条. <http://www.npc.gov.cn/npc/c30834/202108/a8c4e3672c74491a80b53a172bb753fe.shtml> ; European Union (2024). Regulation (EU) 2024/1689 (AI Act), Article 5. <https://artificialintelligenceact.eu/article/5/>
备注：反方证据："人力资源管理所必需"的边界在司法实践中还很模糊，公司监控工作电脑上的工作内容一般被认为合理。你能做的是：工作设备只干工作，私事用自己的设备，这比事后争论边界便宜得多。美国没有联邦层面的员工隐私保护，各州规定不一。本书不构成法律意见。

22. 学会写"任务说明书"：目标、材料、标准、不许做什么，写清楚就等于做完一半

成本：不花钱。每次交代任务之前花 10 分钟写，前一个月会觉得慢。
说人话：宝洁 2025 年和哈佛合作做了一项 776 人的实验：一个人加 AI 做新产品方案，表现和两个人不用 AI 的团队差不多；两个人加 AI 的团队最容易拿出顶尖方案。关键不在于 AI 多聪明，而在于人能不能把问题讲清楚。给 AI 交代任务和给新同事交代任务是同一种能力：要做成什么样、手头有什么材料、怎么算做好、哪些事不许碰。这项能力在交代给智能体时价值最大，因为它会一口气干几个小时，方向错了就全错。
收益：Dell'Acqua 等（NBER 工作论文 33641，2025，"The Cybernetic Teammate"）：宝洁 776 名专业人员的预注册随机实验，使用 AI 的个人与不使用 AI 的两人团队表现相当，使用 AI 的团队产出排名前 10% 方案的概率显著更高；使用 AI 者用时更短，并报告更积极的情绪。
证据等级：B。单项企业内随机实验。
情景：全情景。
来源：Dell'Acqua F 等 (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641. <https://www.nber.org/papers/w33641>
备注：这条和第 9 条是一回事的两面：会写任务说明，才谈得上验收。程序员的版本是"规格说明就是代码"，见第 12 节第 20 条。这条什么时候会失效：如果模型能稳定地自己追问、澄清需求，写说明书的技能会贬值，但"知道自己要什么"不会。

23. 公司的材料、你给公司写的提示词和知识库，离职时一律不带走

成本：不花钱。离职前一周清理个人设备和个人 AI 账号里的公司内容。
说人话：很多人在工作里积累了一套好用的提示词、一个喂满公司资料的 AI 知识库、几百段和 AI 的工作对话。离职时觉得"这是我的方法"，顺手导出带走。问题是里面几乎一定混着客户名单、报价、内部流程，这些可能构成商业秘密。你带走的是方法，公司看到的是数据外流。要带走的是能力和成果记录（第 8 条），不是文件。
收益：《反不正当竞争法》对商业秘密的定义包括不为公众所知悉、具有商业价值并经权利人采取相应保密措施的技术信息、经营信息等商业信息。《刑法》第二百一十九条侵犯商业秘密罪（见本节第 2 条）。《著作权法》第十八条：职务作品著作权一般由作者享有，但单位有权在业务范围内优先使用；主要利用单位的物质技术条件创作并由单位承担责任的工程设计图、产品设计图、地图、示意图、计算机软件等职务作品，著作权由单位享有。《劳动合同法》第二十三条：用人单位可以与劳动者约定保守商业秘密的事项。
证据等级：B。法律原文是 A，但提示词和 AI 知识库是否构成商业秘密尚无明确的公开判例，属于推断。
情景：全情景。
来源：全国人大常委会. 中华人民共和国反不正当竞争法；中华人民共和国著作权法（2020 年修正）第十八条. <https://flk.npc.gov.cn/> ; 劳动合同法第二十三条. <https://www.gov.cn/flfg/2007-06/29/content_669394.htm>
备注：可逆=否，一旦被认定带走了商业秘密，赔偿和竞业问题会跟你很久。竞业限制只对高管、高级技术人员和负有保密义务的人适用，见第 8 节第 12 条。你在个人时间、用个人设备、不含公司信息写的通用提示词属于你自己，但为了避免争议，离职前把它们和公司内容分开存放并留下创建日期。本书不构成法律意见。

24. 在团队里别当"AI 布道师"，也别当"AI 反对派"，当那个把 AI 产出核对到能签字的人

成本：不花钱。需要改掉在会上表态的习惯。
说人话：公司推 AI 的时候，最显眼的两种人是鼓吹者和抵触者。鼓吹者的风险是把自己塑造成"会用工具的人"，工具普及以后这个标签一文不值，甚至帮上级论证了"这个岗位可以用 AI 替代"。抵触者的风险更直接，在裁员名单上显得理由充分。第三种人最少也最稳：不评价 AI 好不好，只负责让 AI 产出的东西变得可以对外交付，并在出错时站出来。这是第 3 章里"责任比技能保值"在办公室里的样子。
收益：本条为作者判断，没有直接研究。间接依据：盖洛普 2026 年调查中 79% 的美国人预期 AI 会减少就业；Challenger 报告显示 2026 年 1 到 8 月美国 116,175 人的裁员被归因于 AI，占全部裁员的 22%，说明"AI 替代"已经成为公司对外解释裁员的常用理由。
证据等级：C。作者经验与推断。
情景：全情景。
来源：Gallup (2026). Americans' Views on AI and Jobs. <https://news.gallup.com> ; Challenger, Gray & Christmas (2026). August 2026 Job Cuts Report. <https://www.challengergray.com>
备注：反方证据：在某些公司，早期的 AI 推动者确实被提拔去负责 AI 转型项目，这是真实的机会。区别在于你推动的是"用 AI 替换人"还是"用 AI 把活做对"，前者的功劳会随项目结束而消失，后者会写进你的职责。识别"AI 裁员"话术见第 8 节第 3 条和第 4 条。

25. 公司让你把经验写成 AI 的知识库或训练材料，把这件事当成成果记下来，同时准备好下一步

成本：不花钱。每次交付知识库或标注材料时，给自己记一笔：交付了什么、覆盖多少流程、上线后效果如何。
说人话：2026 年越来越多的公司要求老员工把处理流程、常见问题、判断标准写成文档，喂给 AI 客服或内部智能体。这件事有两个意思：你的经验被公司认为有价值，以及公司在准备让系统接手这部分工作。拒绝通常不现实，也可能违反岗位职责。更好的做法是做好它，把"搭建并验收了某流程的 AI 知识库"写进成果记录，因为这正是下一家公司要的能力，同时把储备金和求职准备提前三个月。
收益：本条为作者判断。相关事实：客服研究发现 AI 助手的作用机制正是"把高水平员工的做法传播给新人"（Brynjolfsson 等，2023，见第 6 条）；中国 2026 年一季度客服岗位招聘需求下降 23%（本书事实基线）；Salesforce 客服人员由约 9,000 人降至约 5,000 人（公司表态，见第 1 章）。
证据等级：C。机制有研究支持，个人应对是推断。
情景：基准线及更快。慢线上知识库只是辅助工具，不会带来岗位变化。
来源：Brynjolfsson E, Li D, Raymond L (2023). NBER Working Paper 31161. <https://www.nber.org/papers/w31161> ; Challenger, Gray & Christmas (2026). Job Cuts Reports. <https://www.challengergray.com>
备注：如果这个过程之后公司以"客观情况发生重大变化"调岗或解除，你之前留下的记录就是第 8 节第 5 条要用的证据。反方证据：很多公司的 AI 知识库项目最后效果平平，岗位并没有被替代，所以这条不是让你恐慌，是让你两手准备。储备金见第 14 节第 1 条。

26. 如果 2027 年真出现能可靠干一周活的智能体，在职者的重点从"用好工具"换成"管好一组智能体并对结果负责"

成本：每月一两百元的前沿模型订阅，每月一个周末试着让智能体独立完成一件多步骤的真实工作。
说人话：本书设定的基准线是 2027 年出现能可靠完成一周任务的智能体，快线更早。到那时，"会不会用 AI"不再是区分，区分变成：你能不能把一件大事拆给几个智能体、给每个设好权限和验收标准、在它们出错时及时发现。这件事现在就可以小规模地练，比如让一个智能体替你整理一个月的报销、或者跑完一次完整的数据报告。练过的人在快线上有几个月的领先，没练过的人在慢线上也不吃亏，因为练习本身几乎不花钱。
收益：METR 2026 年 5 月：前沿模型 50% 成功率的任务时间跨度约 12 小时，约每 129 天翻一倍；按这个速度外推，约一年后达到一周量级（本书推演）。同一报告：超过 8 小时的成功任务中至少 16% 涉及作弊，说明长任务的验收问题会越来越重要。
证据等级：C。2027 年以后的情景一律是推演。
情景：只在快线。慢线和基准线早期，这条的收益要打折扣，所以性价比降一档。
来源：METR (2026). Frontier Risk Report. <https://metr.org> ; 本书第 2 章"三条情景线".
备注：练的时候遵守权限最小原则：别让智能体碰公司的生产系统、支付账户和客户数据，见第 12 节第 5 条和第 11 节第 7 条。这条什么时候会失效：如果时间跨度翻倍周期放缓到 250 天以上（慢线），一周级智能体会推迟到 2029 年以后，这条可以放一放。

这一节在 AGI 时代变了什么、没变什么

先说变了什么。原书时代，一个人在工作里的价值大致跟"会做多少事、做得多快"成正比，所以提升自己的办法就是学更多、练更熟。2023 年以来的几项随机实验把这条关系打碎了。波士顿咨询公司的顾问、美国客服中心的新人、写 HTTP 服务器的程序员，用上 AI 之后在一部分任务上快了四分之一到一半，而且差距主要被抹平在新手和中等水平的人身上。换句话说，"会做"变便宜了，而且是从下往上变便宜。这正是第 3 章第二节表格第一行和第二行说的事：信息、文本、代码、初级分析在变便宜，入门级白领劳动在变便宜。

但同一批实验也画出了另一条线。任务一旦越过 AI 的能力边界，用 AI 的人反而错得更多，而且错得更自信。资深开发者以为自己快了 20%，实际慢了 19%。能力弱的小老板听了 AI 的建议，收入下降。律师把模型编的判例交给法院，2,079 起有记录的案例说明这不是个别人的失误。这些事实共同指向原则 5：用 AI，但不把判断外包。在职的人每天面对的真正问题不是"AI 能不能做"，而是"这件事做错了谁负责"。模型不会被罚款、不会被解除合同、不会被吊销执照，签字的人会。所以本章把"核查每一个事实"排在第 3 位，把"成为定标准、验收、担责的人"排在第 9 位，它们是原则 3 "责任比技能保值"在办公桌上的具体形态。

第二个变化是风险的形状。原书时代，普通员工很难一不小心泄露公司的核心资料，因为资料在内网里，搬出去要费劲。现在一次复制粘贴就能把合同、名单和代码送进一个境外服务器，而且当事人往往觉得自己只是"问了个问题"。泄密、违纪和侵犯个人信息的法律后果一条没有减轻，发生的门槛却降到了几乎为零。这就是为什么本章第 1 条和第 2 条是"先读规定""不贴数据"，它们不花钱、不花时间、只需要一个习惯，却守着的是人身自由这一口径。原则 1 说可逆优先，这两条恰恰是全章少有的不可逆动作：贴出去的东西收不回。

第三个变化是劳动关系里的讨价还价。AI 带来的效率提升归谁，法律没有直接规定，但劳动法里关于定额、工时、加班费、合同变更的条款一条没变，它们在 AI 时代反而更重要。提效以后指标翻倍、下班后随时在线、口头改岗不改合同，这三件事都在把 AI 的收益单方面转给雇主。本章第 10 到 12 条不是教人对抗，而是教人留下书面记录，因为在第 8 章讲的离职和裁员场景里，这些记录就是你的筹码。

再说没变什么。第一，身体没变。AI 省下的时间如果全部变成更多的工作，你并没有赚到，原则 2 说身体是最后的护城河，这一点在高效办公时代更容易被忘记。第二，人和人之间的信任没变。第 8 条讲的可核实成果、第 13 条讲的不交糊弄活、第 18 条讲的如实披露，本质上都是原则 4：把信任当资产管理。当所有人都能在五分钟内写出一份漂亮的方案时，同事和上级记住的是谁的东西拿来就能用、谁出了错会站出来。第三，底子没变。内镜医生的研究说明，工具用久了手艺会退，而监督 AI 的前提是自己会做，所以第 16 条要求每周留一段手动时间。

最后是情景。本章 26 条里，23 条是全情景的：无论 AI 走慢线、基准线还是快线，读规定、不贴数据、核事实、计时、留记录、攒成果都不亏。只有第 25 条和第 26 条依赖更快的情景，第 26 条按规则降了一档。这是有意的安排：在职的人最大的风险不是押错了 AI 的速度，而是在任何速度下都把自己放在了"只会执行"的位置。原则 6 说储备决定你能等多久，本章补充的是：在职期间攒下的可核实成果、书面记录和相邻技能，决定了你被迫离开时能走多远。还在岗位上的时候，是做这些准备成本最低的时候。