永无止境

当AI开始抢工作，印度和菲律宾为什么最先倒霉？_我的网站

笑傲江湖

一 | NASA和欧洲航天局周四发布了一张来自哈勃太空望远镜的新图像，显示这个双小行星系统已经形成了一个“双尾”，被视为从一个明亮的蓝色光球向后延伸的两条条纹。9月26日，DART任务创造了历史，当时该航天器撞向Dimorphos，一颗在较大小行星Didymos周围轨道上的小卫星。这是一个测试，看看这样的撞击是否能改变一个空间天体的轨道。在印度德里郊外，有一家大型服装工厂。它成功了，并且为人类如何处理一颗即将威胁到地球的危险小行星提供了一个蓝图。哈勃和詹姆斯-韦伯太空望远镜很早就看到了从撞击中喷出的物质卷。天文学家后来用地面望远镜观察了这颗小行星的长长的尾巴，计算出它大约有10000公里（6000英里）长。

二 | 新的哈勃望远镜显示了此后所发生的一切。NASA称第二条喷射物尾巴的发展是“一个令人惊叹的惊喜”。工人每天坐在缝纫机前，一干就是十几个小时，替欧美品牌加工衣服。自撞击发生以来，哈勃已经多次重访该小行星系统。最近两个月，这些工人的头上多了一样东西：摄像头。数据显示，第二个尾巴是在10月2日和10月8日之间的某个时候形成的。NASA说：“虽然类似的行为在彗星和活跃的小行星中经常看到，但双尾是一个意想不到的发展。”科学家们正在寻求了解DART的工作后果，现在正在深入研究双尾的奥秘以及它是如何发展的。

三 | 摄像头会记录工人的每一个动作，布料从什么角度推进去，袖口怎么折，针脚怎么走，一件衣服做完以后又该怎样检查。所有动作被录下来，再送进人工智能系统，让机器学习这些工人几十年积累下来的经验。虽然在不久的将来没有已知的小行星对地球的威胁，但我们有很多例子可以说明太空石块可以造成的损害。DART的牺牲是为了做好准备，但这一旅程并没有随着撞击的发生而结束。现在研究人员需要了解小行星的行为，并研究如何将这些知识应用于保护地球。工人白天在流水线上干活，晚上数据被送去训练机器。等机器学会以后，第一个可能被换掉的人，就是教会机器干活的那批工人。听起来有点残酷，却很可能成为未来十年里，印度和菲律宾最常见的一幕。

四 | 很多人谈到AI抢工作，首先想到的是美国程序员、中国设计师或欧洲白领。但AI真正大规模冲击的行业，可能还轮不到北京、纽约和伦敦。它一定会先冲向印度和菲律宾。因为这两个国家过去20多年的经济增长，很大一部分建立在一个看起来非常聪明的生意上：替西方公司做外包生意。

五 | 作者声明：该图片由AI生成一个国家从贫穷走向富裕，过去通常要走三步。第一步是农业，大部分人种地，收入很低；第二步是工业化，农民进入工厂，生产衣服、家电、汽车和机械；等制造业发展起来以后，国家才会进入第三步，金融、软件、咨询、医疗和其他服务业开始占据主导。英国、德国、美国、日本和韩国，大体都走过这条路。中国也是如此。改革开放以后，大量农村人口进入珠三角、长三角和沿海工业区。有人生产鞋子，有人组装电视，有人焊接自行车架。

六 | 一个鞋厂旁边，会出现鞋底厂、鞋带厂、纸箱厂、运输公司和维修店；一座汽车厂落地，周围会长出玻璃、轮胎、座椅、芯片和物流企业…… 国家的工业能力，就是这样一层层堆起来的。作者声明：该图片由AI生成但印度和菲律宾走了一条不太一样的路。 21世纪初，中国制造业已经非常强大了。廉价衣服、玩具、电子产品和日用品，大量从中国工厂运往全世界。

七 | 其他发展中国家再想从低端制造业切进去，需要和中国已经形成的产业链正面竞争，难度相当大。于是，印度和菲律宾发现了一条新的路。既然工厂比不过中国，那就直接卖服务。特别是互联网普及以后，很多工作不再要求员工坐在公司总部。客户服务、数据录入、软件测试、会计处理、电话销售和技术支持，只要有电脑和网络，在世界任何地方都能完成。菲律宾长期使用英语，文化上也比较熟悉美国；印度人口庞大，使用英语的人很多。这两个国家很快成为欧美企业的“远程办公室”。作者声明：该图片由AI生成举个例子：一家美国软件公司需要招1000名客服。如果在纽约招聘，每个人一年可能需要十万美元，再加上办公场地、保险和福利，公司一年要花掉1亿美元。如果把业务外包到印度，一个员工的年成本可能只有美国的1/10，甚至更低。客户半夜打电话，印度刚好是白天；美国办公室下班以后，印度团队可以接着工作。对企业老板来说，这笔账非常好算。于是，美国公司把客服中心搬到菲律宾首都马尼拉；把软件维护交给印度首都新德里；把财务报表送到印度的班加罗尔（注：印度第六大城市，人口约1050万人）。西方消费者打电话投诉信用卡，很可能接电话的是菲律宾马尼拉的年轻人；美国程序员白天写完代码，晚上交给印度团队测试，第二天早上就能拿到结果。一批城市也因此迅速发展起来。印度的班加罗尔、海得拉巴、浦那，菲律宾的马尼拉、宿务，都出现了大量写字楼。年轻人穿着衬衫坐在电脑前，工资虽然远低于欧美同行，在本国却属于体面收入。印度和菲律宾的相关外包产业，每年创造的收入合计达到约2900亿美元。这个规模已经接近一个中等欧洲国家一年的经济总量。对很多家庭来说，外包岗位改变了命运。一个菲律宾年轻人进入呼叫中心以后，可能养活父母和弟妹；一个印度程序员替美国公司维护软件，收入远高于家乡务农。房租、餐馆、出租车、商场和房地产，也都跟着这些工资一起增长。

八 | 这条捷径，确实帮助两国发展了20多年。可捷径有一个问题：这些岗位大多掌握在海外企业手里。现在，印度和菲律宾遇到了一个不领工资、不睡觉，也不需要办公楼的新对手：AI人工智能。如果外包客服处理一次问题，需要花费6到12美元，AI处理一次可能只需要1.5美元左右。AI不会请假，不要求加薪，也不会因为夜班太累而离职，更不会组织工会。它一天可以工作24个小时，同时回答成千上万个客户。你问它信用卡为什么被扣费，它立刻查账单；你问航班怎么改签，它可以同时读取票价、座位和退改政策；你说英语，它用英语回答，你换成中文，它马上跟着切换。对于企业老板来说，印度员工已经很廉价，可AI更廉价。过去，印度和菲律宾靠工资差距，从美国人手里抢走了工作。现在AI又凭借更低的成本，从印度人和菲律宾人手里抢工作。这一轮轮替，看起来非常熟悉。美国客服原来一年挣5万美元；后来工作转到菲律宾，菲律宾员工一年可能只挣几千美元；等AI成熟以后，公司连这几千美元也想省下来。资本寻找成本最低的地方，从来不会讲感情。以前最低成本在亚洲，今天最低成本在服务器里。有人会说，人工智能现在经常胡说八道，怎么可能真的取代客服和程序员？这种质疑有道理。 2024年，欧洲金融科技公司Klarna曾经高调宣布，AI客服完成了相当于700名员工的工作，一个月处理230万次对话，还能使用几十种语言。消息传出以后，全球大型客服外包公司的股价受到冲击。很多人觉得，呼叫中心的时代已经结束了。可一年以后，Klarna又开始重新招聘真人客服。原因很简单， AI处理“怎么重置密码”“订单送到哪里了”这类标准问题，表现通常不错；遇到复杂情况，它就容易出问题。比如一个客户说，自己的丈夫刚刚去世，希望取消贷款。

九 | 真人客服会理解情绪，知道这件事情需要谨慎处理；AI可能按照流程回复一串模板，甚至给出错误的法律信息。再比如保险理赔，一句话说错，可能导致公司被起诉；银行客服涉及转账和账户安全，AI随口编一个数字，后果也比普通聊天严重得多。所以很多公司发现，现阶段还不能把人全部赶走。

十 | 但这并不代表外包岗位安全了。真正危险的变化正在悄悄发生：这些客服人员和技术人员，开始被安排去训练AI了。一位做了十年客服的员工，最清楚客户会问什么问题，也知道怎样回答最合适。

十一 | 公司让他每天检查AI的回复，指出哪里错误，重新写出正确答案。 AI回答一万次，他就修改一万次。几个月以后，AI学会了他的语言、判断方式和工作流程。

十二 | 员工看起来多了一份“AI训练师”的新工作，实际上正在把自己的经验复制到机器里。就像一名老师每天教一个永远不会忘记的学生。普通学生学会以后，还需要老师继续教下一届；AI学会以后，可以复制一万份，同时共享到全球客服中心。因此，短期内外包员工可能更忙（因为要训练AI），长期风险反而更大。工厂里的摄像头也是同一个道理。机器暂时还不会完整地缝好一件复杂衣服，所以需要工人继续工作；工人头上的摄像头，会把每个动作都记录下来。机器学得越多，工人未来被替换的可能性就越高。

十三 | 这是一场非常奇怪的交接。

十四 | 旧员工拿着工资，亲手培训未来的替代者。假如印度一家外包公司裁掉1万名员工，损失的只是1万个岗位吗？远远不止。

十五 | 一个印度年轻人在客服中心上班，每个月拿到工资以后，要交房租、坐出租车、点外卖、买衣服，周末还可能去电影院。房东收到房租，会去超市购物；餐馆有了生意，会给厨师和服务员发工资；司机挣到钱，要给汽车加油和维修；商场有人消费，店铺才会继续招聘员工。一份工资会在城市里转很多圈。假设客服中心一次裁掉10万人，这些人的消费会迅速下降。出租房空置，餐馆生意减少，网约车订单下降，商场销售额也会受到影响。最后，失去工作的人可能远远超过最开始被裁掉的那10万人。印度和菲律宾对外包产业依赖较高，一旦大量岗位被AI取代，冲击会从写字楼传到整座城市，再从城市传到全国经济。 2008年金融危机期间，美国失业率最高也没有超过10%。但美国相关研究却认为，未来几年可能有接近九成外包岗位面临较高自动化风险，菲律宾约1/3劳动者对AI高度暴露。这些预测未必会全部成为现实，但哪怕只实现一部分，对两国也会形成巨大压力。这一次，利润可能留不下来有人会问，技术进步淘汰岗位，人类历史上已经发生过很多次，为什么这一次特别危险？过去，电话接线员被自动交换机取代，银行柜员被ATM机取代，工厂工人被机器人取代。

十六 | 旧岗位减少以后，社会又创造出工程师、维修人员、软件开发者和设备制造岗位。所以很多经济学家认为，技术虽然会毁掉一些工作，也会带来新的工作。问题在于，印度和菲律宾这一次面对的情况有些特殊。

十七 | 假设一家美国银行过去在菲律宾雇佣5000名客服，每年把几千万美元工资发到菲律宾。这些钱会进入当地家庭、餐馆、房地产和零售市场。

十八 | 银行使用美国公司开发的AI以后，客服成本下降了，省下来的钱留在美国银行，或者支付给硅谷的人工智能公司。菲律宾原来的5000份工资消失了，AI带来的利润却没有回到菲律宾。美国本土在自动化过程中，旧岗位减少以后，利润仍然留在美国，可能被投资到新工厂、新软件和新产业；印度和菲律宾失去外包岗位以后，大部分收益流向海外，本地很难依靠这些利润创造新的就业。

十九 | 这才是印度和菲律宾最棘手的问题。

| 它们过去依靠的是国外企业的工作订单，没有真正掌握客户、品牌、平台和核心技术。当国外企业找到更廉价的解决方案，订单可以随时离开。印度经常被拿来和中国比较。印度人口已经超过中国，拥有大量年轻人，也有不少软件工程师和英语人才。很多人因此认为，印度会复制中国过去几十年的经济奇迹。

| 但两国的发展路线差别很大。中国崛起的核心是制造业。即使一个工厂只是生产打火机，也会牵动塑料、模具、金属、包装、运输和电力；工厂越多，产业链越完整，技术人员和管理经验也越多。印度的软件外包和客服产业能够迅速赚钱，却很难产生同样庞大的产业链。一个印度呼叫中心可能坐着5000名员工，除了电脑、耳机、办公楼和网络，周围需要的工业配套并不多；而一座5000人的中国汽车工厂，背后可能带动几万甚至十几万人生产轮胎、钢材、玻璃、座椅、电子零件和机械设备。

| 服务外包让印度获得了高楼、工资和外汇收入，却没有完全补上制造业留下的基础。现在AI冲击服务岗位，印度才发现，自己过去绕开的制造业，可能还得重新补回来。这件事也并非完全没有转机。中国制造业升级，反而给印度留出了一扇窗中国这些年工资上涨，产业开始向新能源汽车、机器人、芯片、航空航天和高端装备移动。一些利润较低、劳动密集的制造环节，正在向越南、印度、孟加拉国和其他国家转移。这给印度和菲律宾留下了一个机会。过去中国在低端制造业上的优势太强，其他国家很难竞争；随着中国向产业链上游移动，服装、鞋帽、简单组装和部分电子制造，可能出现新的空间。

| 印度拥有庞大人口和市场，如果能够改善电力、港口、道路、土地政策和工人培训，确实有机会承接一部分制造业。但这条路不会轻松。呼叫中心需要一栋办公楼、稳定网络和英语员工；制造业需要港口、铁路、电厂、供应商、工程师、熟练工人和长期稳定的政策。就印度那糟糕的基建能力和一个客服中心半年就能建起来，一条完整的电子产业链可能需要十几年。