AI抢不走放射科医生的饭碗：技术替代悖论正在浮现

人工智能对就业市场的冲击并非如人们想象的那般单向和直接。2016年，人工智能先驱杰弗里·辛顿曾大胆预言，深度学习在五年内将超越放射科医生，并建议人们停止培训相关人才。然而，十年后的现实提供了一个更为复杂的叙事样本。 时至今日，美国食品药品监督管理局已批准了超过1000种人工智能放射学工具，其中部分工具在分析医学影像、检测损伤或疾病方面的准确度已超过人类专家。但令人意外的是，对人类放射科医生的需求却不降反升。自辛顿发表预言的2016年以来，放射科医生的人数增长了17%，该领域的职位空缺率接近历史最高水平，平均薪资更是从约35万美元飙升至57万美元，使其成为美国薪酬第三高的医学专业。 这一反直觉现象揭示了单纯用“替代”视角理解AI与工作关系的局限性。一种更具洞察力的框架来自经济学家路易斯·加里卡诺及其合著者在即将出版的《混乱的工作》一书中提出的观点。他们认为，大部分白领工作可视作“清洁”任务与“混乱”任务的混合体。 所谓“清洁”任务，指的是那些结构化、规则明确、可通过标准化流程或算法高效完成的工作，例如从海量简历中筛选候选人。一位在大型人力资源公司任职的招聘人员，过去大部分时间就消耗在这种劳动上，而如今AI可以轻松代劳。与之相对，“混乱”任务则涉及大量模糊性、情境判断、人际沟通和非结构化问题的解决，目前的人工智能尚不擅长处理这类工作，至少现阶段如此。 工作的替代风险，很大程度上取决于其内部任务的捆绑方式。以出庭律师为例，其案件准备工作与最终的出庭表现高度关联，构成一个“强捆绑”的整体。尽管准备环节包含大量文件审阅等看似可为AI所用的任务，但若将其完全剥离并交由AI，不仅无助于提升效率，反而可能割裂辩护策略的连续性和创造性，被视为一个巨大的战略失误。 反观放射科医生，其工作远不止是识别图像异常。一份诊断报告背后，可能需要与临床医生沟通患者情况、结合复杂的病史进行综合研判、在模糊边界上做出不确定性的权衡，甚至在手术室中进行紧急介入。AI确实在“图像识别”这项清洁任务上实现了超越，但却无法替代构成该职业核心的众多混乱任务。因此，AI的介入非但没有取代放射科医生，反而作为一项强大的工具，提升了他们的处理能力和服务的总量，从某种意义上推高了整个行业的价值。 类似的逻辑也可能正在更广泛的领域展开。Anthropic首席执行官达里奥·阿莫迪去年声称，人工智能将很快“消灭一半的入门级白领工作”。这一判断的准确性或许取决于我们如何定义“工作”。如果许多入门级岗位恰好是主要由重复性清洁任务构成的“弱捆绑”工作，那么冲击确实可能发生。但对于那些清洁与混乱任务紧密交织的复杂职业，AI所扮演的角色更可能是一个能力增强者，而非职业终结者。因此，人工智能是否会取代某个职业，并非一个可以简单预测的命题，它取决于任务的可分解性以及职业内部的捆绑结构。

EntAI观察

放射科医生需求的逆势增长，可能预示着一个更深层的经济现象：技术在自动化部分任务的同时，往往会通过降低成本、提升质量或创造新需求，反而扩大整个行业对核心人类技能的总需求。这意味着，评估AI对就业的影响，不应仅聚焦于它能完成多少任务，更值得关注的是它对职业任务结构的重构能力。如果一个职业中无法被编码的“混乱”任务占比足够高，且与“清洁”任务形成了强关联，那么该职业面对AI的韧性可能远超预期。这或许也说明，驱动未来人力资本价值波动的关键，不是人与机器的直接竞赛，而是复杂情境下的整合、判断与协调能力正在形成新的溢价。