AI时代最危险的错觉2.0：为什么“专家”的经济护城河正在迅速消失｜不懂经网站

2022年5月至2025年5月，美国律师、会计师、软件开发者和管理分析师这四类职业，合计净增约33.7万个岗位。但是，其中99%的净增量，出现在这些职业各自的主要专业服务行业之外。

这是伦敦政治经济学院教授路易斯·加里卡诺（Luis Garicano）对美国官方就业数据的计算。他在今年9月提交布鲁金斯学会的一篇会议论文里，把专业人员做什么工作，与他们受雇于什么行业，做了一个仔细的对比。

两张图景之间出现了裂缝。社会仍然需要律师、会计师和程序员，这些职业还在增加岗位；但法律服务、会计服务等对应的专业行业，合起来几乎没有分到这批增长。这批净增量主要出现在使用这些能力的企业、政府以及相邻的专业服务企业里。

加里卡诺从这种分布的变化中，提炼出一条专业工作重新分配的初步线索。

如果你只盯着“AI到底消灭了多少专家”，就很容易漏掉这种变化。一个职业的名字可以继续存在，围绕它建立起来的专业服务生意，却未必还能照旧。

今年1月，我写过一篇。其中有一个判断：AI正在把信息、标准技能和标准产能，变成可以调用的基础设施。当知识获取的成本下降，能够跨越专业边界、把不同能力组织起来的人，就获得了更大的行动空间。我把这个变化称为“通才的文艺复兴”。

加里卡诺的这篇论文，为这个判断提供了经济学上的解释。它的名字就叫《专业化优势的消失》。论文开篇便指出，知识变得便宜，会削弱专才相对于个人通才和组织的优势，过去需要交给多个专家的工作，可以集中到一个人或一家企业的控制之下。

这条逻辑继续往前走，会碰到一个许多知识工作者不愿接受的结果：就算你比过去更专业，使用AI之后也更高效，客户仍然可能减少购买你的服务。

越是专家或专业人士，越要为未来的这种被动局势做准备。

你很专业，但客户不需要成为你

很多人相信，只要专家也学会用AI，自己的位置就稳了。毕竟，外行能用的工具，内行也能用，而且往往用得更好。这个判断听起来无懈可击，直到你把客户自己做事的成本也算进去。

我们先想想，过去一家企业为什么要找外部专家。

设想一家制造企业，偶尔会碰到某一类特殊的合同问题。公司有自己的法务，但要专门掌握这类交易的规则，跟进变化，积累足够多的处理经验，仍然需要额外投入。每年只碰到几次，为这几次需求长期养着一整套能力，未必划算。

律所的处境就不同了。它把许多家企业的同类问题集中到一起，客户偶尔遇到的事，可能正是律师每天在做的事。同样一份学习和维护专业能力的成本，企业只能摊在自己的几次需求上，律所可以摊到许多客户的业务里。客户支付的费用，换来了自己不必单独承担的那笔投入。

这也是专业化能够长期成立的一个经济基础。学习昂贵，重复使用相对便宜。有人集中投入，其他人在需要时付费请他出场。分工就这样把一份昂贵的知识，变成了一门可以反复经营的生意。

我们习惯把专家的收入解释为聪明、勤奋、资历和专业深度。这些当然影响服务质量。但一个客户愿意付多少钱，还取决于另一件事：他要靠自己可靠地解决同一个问题，需要付出多大代价。

AI正在改变后面这笔账。

ai能降低建立和维持某些专业能力的成本。以前需要额外花很长时间掌握的资料与处理方法，现在可以由工具协助获得。人仍然需要学会检查、判断和使用这些结果，但在那些已经容易核验的任务上，建立这套能力的门槛可以明显下降。

这里所说的成本，包括取得可靠结果所需要的核验能力。一份看起来像模像样的意见书，如果你没有办法查清它是否胡说，就还不能算已经获得了处理问题的能力。客户接回工作，要跨过的是这道门槛。便宜的订阅费，只是其中很小的一部分。

律所也能获得这份好处。可律所原本已经把投入摊到了许多业务上，每一笔业务分担的成本相对有限。对于那家一年只遇到几次问题的企业，原先横在面前的，却是为少量需求维持整套能力的高成本。当这笔成本降下来，企业就可能第一次觉得：这几类问题，交给内部人员处理，也划算了。

而向外部专家求助，始终还有另一层麻烦。你需要把公司的情况讲清楚，把合同背后的交易安排交代明白，解释哪些条件可以让步，哪些地方绝对不能出错。专家可能对法律更熟悉，却要从头理解你的生意。内部法务已经知道其中许多事情，只是过去还缺少某一块专业能力。

当AI帮助他补上这一块，把工作留在内部，就有了新的经济理由。

这时候，外部专家完全可能仍然比他强。如果让两个人参加一场专业考试，专家依然胜出。可是，客户付钱要解决的那几类问题，已经不必全部送出去了。

客户不需要成为你，也能减少对你的依赖。

这才是“专家也会用AI”无法自动守住的地方。你借助AI提高效率，客户也借助AI扩大了自己能够处理的范围。你算的是一天可以多接多少单，客户算的是哪些事情以后可以不下单。

市场并不按你为一项能力付出过多少年，来决定它以后每年值多少钱。曾经让客户愿意付费的高门槛一旦降低，知识还在你脑子里，专业也没有白学，原来的收费空间却可能跟着缩小。

客户不需要拿走你的整个专业。他只需要拿回属于自己的那几个问题。

工作回到问题发生的地方

这个变化，已经进入客户的账本。

企业法律顾问协会ACC与法律科技公司Everlaw的2025年调查显示，美国受访企业法务人员中，在法律工作中使用生成式AI的比例，从上一年的23%升至52%。64%的美国受访者预期，生成式AI将减少日常法律事务对外部服务商的依赖。

这些是受访者的使用情况与预期，还不能算成已经消失的外包订单。但客户正在考虑什么，已经很清楚了。律所在想怎样用AI提供更多服务，内部法务在想怎样用AI少买一些服务。

顺着这个方向看，许多职业讨论都需要换一个观察位置。我们总喜欢站在专家旁边，问AI能不能做他的工作。站到客户旁边，看到的会是另一幅景象：哪些问题，本来就没有必要离开这家公司？

继续看前面那家制造企业。一份合同背后，可能是一个合作多年的供应商，交付能力不错，但现金紧张；也可能是一家新客户，订单很大，验收条件却很苛刻。同样的付款条款，放进不同的关系和现金流处境，意义完全不同。

外部律师可以把条款写得严密，但公司最终要处理的事情，还包括供货会不会中断、销售部门答应了什么、账上能不能撑到回款。内部人员每天就在这些约束里工作。许多背景根本没有被整理成文件，它们存在于一连串决定、争执和妥协之中。

把这一切讲给外部专家，需要时间。对方给出建议以后，再把建议变成公司能执行的决定，又需要一次翻译。专业服务的报价之外，还藏着客户自己承担的解释成本、交接成本和等待成本。

这里要看清两种变化。如果工具主要让你更容易找到专家、更便宜地说明需求，那么买服务更方便了，外包就可能增加。可如果工具降低的是你自己获得可靠能力的成本，原本需要购买的服务，就可能自己做。交易变便宜，与知识变便宜，会把企业边界推向不同的方向。AI可以同时影响二者。只说一句“AI让大家效率更高”，会把这场重新分配整个遮住。

加里卡诺强调的，是知识成本下降带来的变化。专业知识更容易调入具体场景，原先不得不往外送的一部分工作，就有机会留在问题发生的地方。

知识昂贵时，我们把问题送到有知识的人那里。知识可以调用时，我们开始把知识带到有问题的人这里。

这也是1.0里“上下文智能”的经济含义。一个人对业务、客户和现实约束的理解，过去可能因为缺少专业手段而无法兑现。AI把部分手段交给他，那些原本不起眼的现场知识，就能参与决定谁来完成工作。

这里发生了一次权重变化。你熟悉某个专业，决定了你能提供什么；你熟悉具体问题，决定了哪些能力值得调用、做到什么程度、结果能否落地。当第一种知识获取起来越来越便宜，第二种知识在交易中的分量就会上升。

所以，专业工作转入企业内部，也未必意味着企业必须多养一个庞大的部门。内部人员借助工具，可以接住更宽的任务范围。一家公司覆盖的工作更多了，需要雇用的人数却未必同比增加。工作范围与组织人数，开始脱开。

这恰好解释了开头那组数据的要点。专业能力继续被需要，与传统专业服务机构继续占据同样的位置，是两件事。前者增长，完全可以与后者失去一部分工作份额同时发生。

通才的优势，需要落在一件完整的事上

在1.0里，我写过：“现实世界的问题从来不是按照学科分类的。”

一家公司要把一件产品卖出去，不会先得到一个纯粹的营销问题，再得到一个纯粹的设计问题，最后得到一个纯粹的技术问题。它面对的是一件混在一起的事：客户为什么不买？究竟是产品不对、价格不对、表达不对，还是根本找错了人？

过去，把这些问题分别交给专业人士，往往是获得可靠能力的可行办法。于是，一件事被拆成几个合同、几轮沟通和几份各有道理的交付物。把它们重新拼起来，依然是客户自己的工作。

为了说明这种变化，设想一个长期研究某个行业、准备推出付费产品的人。他知道同行真正卡在哪里，也有人愿意为他的解决办法付费。过去，从研究到交付，中间还有资料整理、数据处理、页面搭建、图表制作、客户反馈整理等一串环节。

每一环都可以找到专人。但如果产品尚未验证，光是说明需求、比较报价、协调进度，就可能把他拖进另一份全职工作。还有一些环节太小，找专业机构嫌贵，自己从头学习又嫌慢。事情停在这里，往往连第一位客户都见不到。

现在，假如他能用AI把其中一些任务做到可检查、可交付，启动这件事需要购买的外部服务就少了。某个页面不够漂亮，先看看读者能否看懂、能否完成购买；某个分析是否有用，直接拿到真实客户那里检验。少一次交接，就多一次直接修正问题的机会。

他的专业深度可能仍集中在一个行业里。但围绕这个行业完成一整件事的能力，已经跨过了好几个职业的边界。过去必须靠一家小公司才能凑齐的部分能力，如今可以围绕一个人重新组织。这就是“一人公司”能够接上这篇论文的地方。

懂一些设计、技术、心理和商业，能够帮助他识别各环节之间的牵连；持续面对客户，又让他知道该把力气放在哪里。这些知识通过同一件事互相校正，成为他的生意。

这比“多学几个领域”困难，也比再收集几门课程有用。广泛兴趣本身没有收入，知识之间的连接也不会自动产生订单。你得有一件真正要做成的事，才能知道那些连接值多少钱。

我仍然认同1.0对通才的判断。不过更值得期待的变化，是一个人终于有机会让行动范围接近自己的问题意识。你看到一个问题，可以继续向前处理它，不必每走几步就停下来，等另一种职业替你开门。

对于依靠这些关口收费的专业服务商来说，同一件事就没那么美妙了。用户获得的自主性，可能正是你失去的一部分市场。

客户要离开你，一声招呼也不会打

到这里，还有一笔更大的账。

专业知识变得容易调用，并不等于生产这些知识的成本凭空消失。谁在训练模型、整理数据、建设系统、维护可靠性，谁仍然需要投入。加里卡诺在论文中提出，通用、可重复使用的知识，可能进一步集中到模型生产者那里。

律所把学习成本分摊给许多客户，模型提供商则可以把一部分通用能力的生产成本，分摊到远比单家专业机构更大的使用范围里。同一项能力可以被不同公司的内部人员调用，也可以被原来的专业服务商调用。

沿着这条机制看，专业服务机构会承受来自两端的挤压。上游的模型提供通用能力，下游的客户掌握具体问题。原先必须在专业机构内部完成的知识与场景结合，如今有一部分可以直接在客户那里发生。

一份常规分析要用的方法，工具可以提供；这份分析要服务什么决定，客户最清楚。中间那家机构如果主要依靠获取资料、执行标准流程、把结果整理成报告收费，它就必须重新解释，自己在这次结合中究竟增加了什么。

这会改变“专家被替代”的样子。未必有一个AI律师把所有律师都赶走，也未必有一家新咨询公司抢走所有咨询订单。客户只是逐项发现，有些东西自己也能做了。以前定期采购的服务，变成偶尔采购；以前整包委托的项目，变成只请专家处理其中最难的一段。

甚至连一封终止合作的邮件都没有。到下一次出现同类问题时，客户没有再来问价。

如果这种变化持续，专业服务商面对的就是业务组合被改写。那些重复性较高、流程已经成熟的任务，原本可以稳定复用已有能力，如今更容易被客户收回。留下的工作，可能更特殊、更难解释、更需要额外判断。专家依然忙碌，每一单却未必还像过去那样容易摊薄成本。

“我们还有客户”当然是真的。但这句话无法回答，留下的是怎样的客户、怎样的工作，以及原来的生意结构还剩多少。

这也是效率提升与利润增加之间容易被忽略的距离。AI让你更快，只解决了供给一侧的问题。客户有了新的选择，节省下来的成本能够留在谁手里，还要经过重新议价。

专业服务的总需求仍可能增长，整个行业甚至可能继续增加收入。需求扩张能把更大的市场带来，却无法自动恢复客户过去那种非你不可的依赖。行业有没有增长，与一个专家能否继续收取原来的溢价，需要分别计算。

我更关心这场变化中的收入归属。客户少付的钱，可能变成自己的利润，也可能变成更低的产品价格，还可能流向软件和模型供应商。掌握模型入口、拥有客户关系、能够直接完成交易，都可能成为参与分配的条件。

这里没有人人受益的承诺。提供能力的人即使做得更多，也未必能把原来属于自己的那笔钱留住。

小众，也未必安全

专业人士很容易给自己找一个退路：常规工作会被压价，那我就再往深处走，做更复杂、更罕见的事情。

但这里必须分清楚，一件事究竟是对谁罕见。

一家企业十年才遇到一次的问题，放到整个市场上，可能每天都有人处理。一种规则对普通人很陌生，对汇集大量公开材料和案例的系统，未必同样陌生。客户使用频率低，原本是外部专家得以存在的理由；如果这类知识在更大范围内已经容易获得，这个理由也会被削弱。

“客户不懂”与“知识难以获得”，曾经高度重合。AI正在把它们拆开。

所以，给专业名称再加几个定语，未必能把护城河加深。真正要看的是，可靠地掌握这项能力，是否依然需要高昂投入；这个具体客户是否又很少使用，因而没有理由自己维持。按照论文的机制，这两个条件还在，专业化就仍然有经济上的支撑。

有些问题确实很难被标准化。譬如一家企业需要重组，表面上是组织设计，里面牵涉的是谁愿意让出权力、谁的话可信、什么承诺能够兑现。公开材料可以教你很多方法，却无法替你把这些现实关系变得透明。在这种地方，取得可靠知识、验证建议是否有效，仍然昂贵。

专家保有优势，是因为他仍能解决客户难以自行解决的具体困难。专业头衔只能说明一种身份，不能代替这项检验。

对一个已经投入十几年的人来说，这个检验很刺耳。我们总希望经历能够储存价值，今天比昨天多懂一点，明年就比今年更安全一点。专业社会长期给人的许诺，也正是这种积累感。

可你积累的是能力。收入还要由客户手里的替代方案定价。

客户多了一个选择，你过去的努力不会因此消失。但他为什么还愿意付同样的钱，需要重新回答。把这个问题改成“我难道不够努力吗”，对保住生意没有帮助。

我不赞成继续用“只要足够专业，就一定安全”来安慰知识工作者。那种安慰把客户的选择藏起来，把所有压力都变成个人还不够努力。等收入出了问题，人首先怀疑自己，继续考证，继续把领域切得更窄，直到终于发现，自己精通的那件事已经很少需要单独购买了。

沿着1.0继续走，我们需要重新组织专业能力的用途。懂法律的人可以更贴近交易，把技术、商业和法律一起放进同一个结果里；懂技术的人可以更贴近使用者，让代码跟着真正的问题走；研究一个行业的人，可以把研究延伸到产品和交付。原有的深度，能够成为扩大行动范围的起点。

这种转变要求你走出按专业名称切好的任务，面对一件事的全貌，也面对它做不成时的后果。你要知道客户最终要完成什么，自己的工作在哪一步真正改变了结果，哪些环节如今已经可以接过来。

这也是我理解的“通才的文艺复兴”。一个人终于有机会把分散在不同职业里的能力重新聚到一起，围绕自己的目标工作。对于那些长期被锁在某个工序里的人，这是自由；对于依靠客户无法跨越专业边界来收费的生意，这是护城河的消失。【懂】

经叔最近做了一个网站，可在本号首页右下角订阅。

人肉筛选挖掘的硬核优质内容及深度原创，重点关注科技、文化、财富、权力四大要素以及它们之间的互动与影响。网站定价1999元/年，目前内测优惠价1299元/年，感兴趣的读者可以加经叔微信订阅。

另外，欢迎加入经叔的知识星球。在这里，我们拒绝无用的焦虑，只谈底层的逻辑与实战的干货。我会结合最新的AI前沿动态、深度的商业创新分析（如一人企业的构建）和独特的文化思潮（如麦克卢汉的媒介洞察），帮助大家把握时间窗口。

我是不懂经的经叔，国内最早翻译介绍了纳瓦尔的《如何不靠运气获得财务自由》，以及影响了纳瓦尔、中本聪、马斯克等大佬的《主权个人》。

不懂经知识星球，众多百万粉丝大V、千万及亿万富翁订阅。专注分享一人企业、一人创投主题，关键词：AI、IP、创投、科技及商业前沿的高杠杆内容。

愈懂愈自由