现在 AI 很火，很多人都担心程序员会被 AI 取代，但我觉得至少在不少中国企业里，这件事没有想象中那么快。AI 得先付费才能干活，用了多少实际马上就要付多少。它没有绩效，也不吃压力，哪怕事情做错了，你在对话框里骂它几句，这几句话花掉的 Token 也一样要钱。
程序员谈薪时说的通常是总包，里面包含固定工资、绩效和年终奖，最后实际拿到多少，还要看个人考核和公司的经营情况。公司现金流出了问题，有些地方甚至会拖欠已经到期的工资，项目却不会跟着延期，计划没有完成，领导照样会催。程序员会担心绩效受影响，也怕失去工作，很多人最后还是会加班把事情做完。AI 没有这些顾虑，催得再急也不会因此多写一行代码。
公司把模型接进业务以后，新增的费用也更容易被看见。内部资料要先整理成模型能够使用的形式，哪些数据能交给它，也得提前定下来，生成的结果还要有人检查。程序员遇到项目换方向、线上故障或者临时评审，往往还是原来的人继续处理，工资不会随着每一次变化重新计算。模型的调用量会直接落到账单上，员工在原有工作之外临时接下的事情，大多只留在排期、聊天记录和加班时间里，很少有人把它们另外算成一笔成本。公司于是很容易得出结论，AI 太贵，人更划算。人的那份工资像一只行李箱，需求变化、线上故障和临时评审都可以继续往里塞，只要拉链还没有崩开，财务上就当它没有超重。
企业为什么愿意长期雇一个人
企业为什么愿意长期雇一个人，而不是每出现一项工作就单独购买一次服务？赫伯特·西蒙在 1951 年的《雇佣关系的形式理论》中讨论过这个问题。买卖合同签订以前，交付内容和价格通常就要确定下来。雇佣合同只把任务限定在双方大致能够接受的范围里，员工以后究竟做什么，可以等工作发生以后再决定。西蒙把这个范围称为“接受区间”。
如果企业把一个登录页面交给外包团队，页面需要包含什么功能、什么时候交付、怎样验收以及价格多少，通常都要写进合同。需求中途改变了，双方还可能重新估价。企业招聘一名程序员时，不可能把他未来三年会修改的每一个页面、处理的每一次线上故障和参加的每一场评审会提前列出来，只能先确定岗位、薪酬和大致职责，具体工作以后再安排。
员工入职以后，项目改变方向时可以先放下原来的需求，线上突然出了问题，开发计划也可以暂时让位，企业不必为这些变化重新采购。即使负责的模块被取消，公司通常也会把程序员安排到另一条业务线，而不是作废此前的合同，再为接下来的工作逐项谈价。只要这些安排没有超出劳动合同和合理管理的边界，工资里本来就包含了员工随业务变化继续工作的部分。
模型刚接进公司时，并不知道内部资料放在哪里，也分不清哪些内容可以使用，更不知道结果做到什么程度才算合格。员工在公司做久了，会在一次次项目里逐渐摸清这些规则；模型没有这段经历，只能由人把资料整理进知识库，配置访问权限，再通过评测找出它容易做错的地方。接入以后还会遇到新的问题，输出不稳定要查原因，生成的内容也要安排人检查。原来散在日常工作里的这些事，到了 AI 这里，开始一项项出现在集成费、调用费和人工成本里。
雇佣合同给企业留下了调整工作的余地，不过这不等于员工应该单方面承担所有变化。企业支付工资、缴纳社保，并提供长期协作的条件，员工才会在职责范围内跟着业务继续做下去，经营风险原则上也应先由出资者承担。现实里，有些公司保留了随时调整任务的余地，经营波动和额外工作却长期留给员工。工资表上的数字没有变化，财务上自然看不出新的支出，员工多花的时间和承受的压力则留在了表外。
人为什么有时显得比 AI 便宜
固定工资晚发、绩效工资减少，或者年终奖没有拿到，法律上并不是一回事。如果事先约定的发放条件没有达到，绩效工资或年终奖的金额可能减少。基础工资已经到了发薪日，却不能拿公司现金流紧张当作拖欠的理由。《劳动合同法》第三十条要求用人单位及时足额支付劳动报酬，国家统计局关于工资总额的规定也把奖金计入工资总额。具体到某一笔奖金，员工是不是已经取得了这部分报酬，要看劳动合同、公司制度、发放条件和实际履行情况。最高人民法院发布的指导案例 183 号还提到，员工在年终奖发放前已经离职，不能单凭这一点认定他没有年终奖。
法律不允许企业随意拖欠工资，现实中仍然会有公司这样做。工资发得晚了，员工的房租、房贷和日常开支不会一起往后推，只能先动用自己的积蓄，甚至在生活里拆东墙补西墙，公司账上却暂时多留了一笔钱。如果只把它写成“工资晚了几天”，听起来像一次普通的财务延误，对员工来说却是公司把自己的现金流问题放进了他的日常生活。从经济效果看，这相当于员工被动给企业提供了一笔融资，只是这笔钱通常没有利息，也不会被写进公司的融资成本。
疫情期间，一组研究者调查了 129 家中国酒店，发现延迟支付和更高的主动离职率同时出现。不过，当延期的主要是绩效工资时，这种关系会弱一些。研究者后来又做了实验，想弄清员工为什么会有这样的反应。固定工资到了日期就应该拿到，员工会觉得那已经是自己的钱；绩效工资还与业绩和未来回报有关，什么时候发、最后能发多少，本来就没有同样确定的预期。两类收入的差别，可以解释员工面对延期时为什么会有不同反应，但不能用来说明企业拖延支付是合理的。
有些工作很适合按结果计酬。经济学家爱德华·拉齐尔研究 Safelite 玻璃公司的计件工资改革时发现，改成按件计酬以后，人均产出提高了 44%。一部分增长来自原有员工改变了工作方式，公司也因此吸引了生产率更高的员工，同时有一些生产率较低的员工离开。安装了多少块玻璃容易统计，完成质量也可以核验，员工知道多做一件能增加多少收入，公司也能判断多付的钱有没有换来更多产出。
软件开发很难按照同样的办法计算。代码行数、工单数量和上线次数都好统计，拿这些数字考核程序员，有点像验收一栋房子时只数用了多少块砖：最后砖堆得不少，墙歪不歪、下雨漏不漏，却不在当月的表格里。
程序员今天多花半天补测试，从这周的排期看是慢了，几个月以后却可能少出一次线上故障。项目的架构是否合理，技术债有没有继续积累，同事以后维护起来麻不麻烦，都要过一段时间才看得出来，也很难在当期绩效里换成同样清楚的数字。考核长期只盯着前面的数字，大家当然会先把能换成分数的事情做好，补测试、还技术债和改善架构明知道重要，也可能一再被排到后面。
AI 进入开发工作以后，最先留下数字的往往还是速度。模型很快给出代码，员工接下来要确认它能不能放进现有系统，发现问题要返工，工具刚引入时还要花时间学习。最后上线的是公司的项目，出了问题也不会由模型承担责任。报表能看见任务比以前完成得快，至于检查、修改和学习用了多少时间，常常仍混在原来那笔工资里。
人会感到压力，也会判断这件事公不公平
“AI 不吃压力”之所以听着好笑，是因为我们都见过人被压力推着工作的样子。公司传出裁员消息，原来拖着的工作很快会有人赶着完成。绩效排名开始以后，深夜仍然在线的人也会比平时多。管理者看到这段变化，很容易把员工的害怕当成自己的管理能力。把弓弦绷紧不等于会射箭，员工暂时不敢停下来，也不能说明这种管理真的有效。
工作里总有一些事，没有人明确要求，也很难单独记进绩效。有些员工做完自己的工作，会顺手替同事多看一遍方案。发现职责以外的风险时，他们愿意把问题提出来，摸索出一个好用的办法以后，也会花时间教给团队。一个人肯不肯多做这些事，除了害怕失去工作，也会看自己是否受到公平对待。阿克洛夫在 1982 年讨论劳动合同中的“部分礼物交换”时提出，企业给出高于最低水平的待遇，员工可能愿意用超过最低要求的努力回应。这个理论解释不了每家公司里的每一个人，不过那些不在考核表里的付出，很多时候确实要靠信任才能发生。
害怕失去工作，确实可能让一个人在短时间内做得更多。可他同时也会分出精力自保，留下工作记录，猜测公司接下来会发生什么，真正用来解决问题的注意力就少了。研究者汇总了 106 项已有研究，发现工作不安全感整体上与更差的任务表现、情境表现和安全行为有关。创造力方面的汇总结果没有显示出显著关系，不同工作环境之间也有差异。
程序员拿到一项需求，往往不能照着文字把代码写出来就算结束。现有系统的规则可能和新的要求冲突，一处改动还可能影响订单、权限或结算流程，需求没有写到的边界，到了实现阶段也不会自动消失。程序员做到一半发现了问题，就得回过头确认原来的规则为什么这样定，新要求放进去以后会不会连带改变其他流程。截止日期再提前一点，或者领导再催几次，并不会使答案自动变得清楚。
过去怎样合作，也会影响员工后来愿意多做多少。公司把遇到的困难解释清楚，有人会愿意多给一些耐心；经历过一次明显的失信，他以后做事前就会先看清职责边界。额外付出长期被当作工资里本来附送的东西，团队里的变化通常不会立刻发生，只是愿意多看一遍的人少了，愿意把经验讲出来的人也少了。等管理者发现大家开始只按明文要求做事，再增加绩效指标，已经很难把原来的信任补回来。
AI 把工作做快以后，下一次排期会怎样
AI 确实把一部分编程工作做快了。微软、埃森哲和一家《财富》100 强企业一共进行了三次随机现场实验，4867 名开发者参与其中。2026 年发表于《Management Science》的研究把三次结果放在一起分析，使用代码助手以后，开发者完成任务的数量平均提高了 26.08%。经验较少的开发者更愿意使用，也从中得到了更大的提升，不过三家公司的具体结果并不完全相同。
三次实验记录的是开发者完成了多少任务，没有继续追踪省下来的时间后来去了哪里。原本需要两天的工作缩短到一天，第二天可以用来补测试，也可以处理积压已久的技术问题，公司还可能当天就把下一项任务排进来。要是最后一种安排连续出现，原来的两天排期很快就会变成一天。至于开发者有没有因此多出一点从容的时间，这三次实验没有继续记录。
公司怎么安排这部分时间，员工感受到的变化会完全不同。一项任务第一次借助 AI 提前一天完成，大家会把它看成工具带来的效率改进。连续几次以后，下一轮排期可能只剩一天。后来碰上模型回答不可靠，项目上下文又比上次复杂，程序员也很难再把第二天要回来，因为一天已经成了新的排期依据。AI 本来是为了省时间，落进排期以后却像给跑步机按下了加速键，员工这次勉强跟上，下一次这个速度就成了默认设置。
同样的变化也会出现在写方案、做分析、回复客户和整理会议纪要这些工作里。某个环节提前完成，后面的安排通常也会跟着往前移。省下来的时间会不会留下来补测试、学习或者喘口气，最后取决于公司怎样排下一项工作。
在按照排期和相对绩效管理的团队里，一个人更快完成工作还会改变其他人的比较标准。有人先用 AI 提高了产出，暂时没有使用的人也要面对已经改变的速度。绩效排名表面上仍然比较员工，进入排名的产出却已经包含了 AI 带来的提升。
公司没买的 AI，员工已经用上了
工作速度已经改变，许多公司的工具采购却没有跟上。微软 2024 年的 Work Trend Index 调查中，75% 的知识工作者表示自己已经在工作中使用 AI，其中又有 78% 会把公司没有提供的 AI 工具带进工作。这里的“自带”包括免费版本和员工原本就有的个人账号，不能直接当作自费比例。很多员工当时已经把这些工具带进工作，公司却还没有完成统一采购。
另一项调查直接问员工有没有自己付钱。2025 年，AI 公司 WRITER 和 Workplace Intelligence 访问了美国 800 名高管和 800 名已经在工作中使用生成式 AI 的员工，其中 35% 的员工说，公司没有提供自己想用的工具时会自掏腰包。调查由厂商参与，受访员工本来又在工作中使用生成式 AI，所以 35% 这个比例不能代表所有职场人。在调查覆盖的这批员工中，自费使用公司没有提供的工具已经不算少见。
公司还在会上讨论工具到底买不买，员工手机里的会员续费提醒可能已经弹了两三次。第一次付费也许只是想试试，到了续费的时候，模型已经用来写代码，知识库里存着项目上下文，自己搭建的 Agent 也在处理日常任务，项目能不能按时交付已经开始受到这些工具影响。程序员以前也会自费买一把更顺手的键盘，或者换一块更好的显示器，那通常只是个人偏好。这一次，员工除了提供劳动，有时还得先拿自己的钱，把工作需要的工具准备好。
个人付费以后，订阅费要由员工承担，熟悉工具的时间往往也挤在本职工作之外。使用个人账号处理工作，还要考虑账号管理，以及公司数据会不会被误用。工具提高的产出进入了公司的项目，相关的成本和风险却留在员工这里。公司即使从来没有要求大家自费，也可能早已在使用这些个人账号完成的工作；真出了问题，解释的人仍然是员工。
统一采购一款 AI 工具本来就需要时间。采购部门要评估数据安全，确认供应商能不能长期提供服务，还要安排账号权限、合规和后续维护，工具本身又更新得很快，今天选定的产品，几个月后可能已经落后。许多公司因此会先让员工试用一段时间，用实际结果判断工具值不值得买。如果过了几个月，试用已经变成默认的工作方式，公司还在持续使用这些工具带来的产出，会员费和学习成本就不该一直由员工垫着。
招聘市场还会继续增加这种压力。“熟练使用某个代码助手”“能用 Agent 独立完成任务”一旦写进岗位要求，个人买会员花的这笔钱，就不再只是为了让自己用得顺手，也成了求职者满足岗位要求、维持竞争力的成本。企业甚至不需要强迫每个人购买，求职者之间的竞争已经会推动他们提前准备这些工具。
过去总说“又要马儿跑，又要马儿不吃草”，到了 AI 这里还往前走了一步：AI 不会担心失业，程序员却可能先给自己买一个会员，连草料都准备好了。企业过去支付工资，购买的是劳动者已经掌握的能力。现在为了跟上技术变化，会员费和学习成本也有一部分开始由劳动者自己承担。
管理者如何生产自己的必要性
程序员担心 AI 会改变自己的岗位，管理者同样会担心。整理信息、跟踪项目和生成汇报，本来是不少中间管理岗位每天都在做的事，AI 能够接过其中一部分以后，摆在他们面前的问题就不只是怎样学会一个新工具。公司也可能顺手追问一句：既然这些事情现在可以由模型完成，团队还需不需要保留原来的管理层级？
管理岗位本身有价值。有人能在风险变成事故以前把问题处理掉，能让两个部门少争几轮，也愿意在下属遇到难题时承担决策责任。让人反感的是另一种管理者：他拿不出这样的结果，又不能让上级发现有没有他似乎都一样，于是只能不断增加管理动作，让所有人都看见他正在管理。会越开越多，流程越加越细，原本几个人可以直接解决的问题，最后也要等他拍板。事情被他绕成一团乱麻以后，手里攥着线头的人反而成了最不能缺少的那个。
这种做法背后没有多么高深的管理理论，很多时候就是害怕。他怕 AI 把自己负责的那部分工作直接做掉，怕上级认真核对这个岗位到底创造了什么，怕别人发现自己的能力没有职位看起来那么强，也怕一个更有能力的下属不需要他的指导就能把事情做成。下属越能独立判断，越能直接和其他部门协作，他越容易觉得自己的位置只是信息中转。为了不让这种情况发生，信息要经过他，决定要等他来做，团队取得的成绩也要先通过他再被上级看见。
现实里，一个人能够升到管理层，常常只是说明他以前的工作成绩不错，并不代表企业已经验证过他的管理能力。2019 年的一项研究分析了 131 家美国企业中近 3.9 万名销售人员的晋升和业绩，销售成绩越好，获得晋升的机会越大，可这些人升任经理以后，却未必更能提高下属的销售业绩。研究者没有把结果简单归结为企业选错了人，因为晋升机会也会激励一线员工，公司可能愿意接受一部分错配，来维持这套激励方式。企业在这里考虑的是整套晋升机制，被提拔的人走进经理岗位以后，过去的销售成绩却不能直接告诉他怎样带团队。
过去的工作成绩也不是唯一会影响晋升的东西。一项中国企业研究同时调查了 343 名员工、他们各自的直属上级以及 662 名同事，发现政治技巧较强的员工往往和上级关系更好，得到的职业发展评价也更高，研究者认为上下级关系在其中起到了连接作用。研究没有继续追踪这些人升职以后能不能把团队带好，只记录了晋升之前发生的事。至少在这批样本里，一个人得到怎样的职业发展评价，已经会受到上下级关系影响。这样的评价一旦和晋升连在一起，员工自然会花时间判断怎样获得上级认可，留给业务本身的注意力也会被分走一部分；这种关系会不会进一步变成对下属的控制，单靠这项研究还不能回答。
管理工作中有价值的部分偏偏很难直接计数。风险在出问题以前被处理掉，最后留下的结果只是“什么都没有发生”。两个部门原本可能争执很久，管理者协调得很顺，外面的人也未必知道省掉了多少麻烦。新项目、新流程、考核指标、跨部门会议和定期汇报就不一样，它们都会留下清楚的痕迹，上级随时能够看到这些事情正在发生。
霍姆斯特罗姆关于职业关注的研究讨论过这种处境。外界看不到一个人的真实能力，只能根据他现在的表现作出判断，而这种判断又会影响他以后的收入和机会，他自然会在意怎样使自己的表现被看见。发起项目、调整流程、增加指标、要求汇报和组织跨部门会议，本来都有各自的用途，同时也能证明管理者正在管理。几个人安静地把问题解决掉，写到汇报里也许只有几句话；项目不断出现需要协调的情况，却会留下会议、排期、报告和等待拍板的节点，管理者在里面做过什么也更容易被上级看见。
到了这一步，管理动作开始反过来要求业务为它服务。项目需要显得复杂，风险需要显得严重，下属也需要足够忙，管理者才有东西可以持续写进汇报。团队有多少人、推进了多少项目、处理了多少紧急问题、员工工作到多晚，都可以被当作管理有力度的证明。业务到底有没有改善，短时间内不容易判断，满满的会议安排和不断增加的协调节点，却能随时证明这个岗位一直在发挥作用。
有些管理者会怕下属做不好，更怕下属不需要自己也能做好。社会心理学家 Maner 和 Mead 的实验发现，当领导者的支配动机较强，组织层级又不稳定时，他们更可能优先维护自己的权力位置。能力强的下属本来可以减轻管理者的负担，在一个缺乏安全感的管理者眼里，却可能触犯“功高盖主”的忌讳，随时证明这个团队没有他也能继续工作。
这种恐惧进入日常工作以后，团队讨论就不再只看方案本身，还要先看是谁提的。同一条意见，由自己人说出来是建设性建议，换一个不那么听话的人说，就可能变成越级或者不配合。下属做出了成绩，功劳要先收进管理者的汇报里；下属指出了问题，还得先证明自己没有挑战谁的权威。大家花在猜测领导态度和选择立场上的精力越来越多，工作也就慢慢变成了站队和政治斗争。
AI 一旦可能减少管理岗位，他们愿不愿意推动它，也会跟着变化。英国财政研究所的研究者在 2026 年对美国和英国的 2000 名管理者做过一项预先登记的调查实验，随机安排他们观看不同的视频，其中一组强调 AI 可能替代劳动。看过以后，这组管理者采用和倡导 AI 的意愿明显下降。这项研究目前还没有正式发表，公开的是工作论文版本，调查也停在受访者表态以后，没有继续追踪他们回到公司做了什么。即使只看这些表态，也能看出 AI 从提高效率的工具变成可能减少人员和岗位的东西时，至少这一批管理者推动它的热情已经下降。
管理者也可以把 AI 放进原来的管理方式里。过去一周做一次的汇报，现在可以每天更新，原来只能抽查的进度，也可以变成一张随时刷新的仪表盘。模型还能生成日报模板、总结聊天记录和标记延期风险，管理者甚至可以再发起一个新的 AI 转型项目，把自己的岗位重新解释成推动整个组织采用 AI。
研究者通常把算法用于分配任务、监控员工，以及辅助决定奖金、培训或晋升的做法称为“算法管理”。在具体工作中，响应时长、代码提交、工单关闭速度、在线状态和 AI 使用率，都可能进入绩效记录，员工需要持续面对这些数字。
仪表盘上的延期节点会立刻变红，程序员花半天替其他团队查清一个风险，系统里却可能没有任何一栏可以填写。OECD 在讨论 AI 与工作质量时提到，受到算法管理的员工，对 AI 能否改善工作的评价通常不如其他 AI 使用者积极。
把这种自保包装成管理能力，本身就很荒唐。AI 被拿来增加指标、汇报和监控以后，形式主义会从手工作坊变成自动化流水线，管理者制造存在感更快了，下属却要花更多时间开会，解释系统标出的异常，还得在已经变成政治斗争的团队里判断自己应该站在哪一边。组织没有因此变得更有效率，一个管理者保住岗位的焦虑，却被摊成了整个团队的工作量。
公司没有付的钱，最后由谁付了
同一个模型放进不同公司，费用会落到不同的人身上。公司统一采购并报销订阅费，员工可以在明确的规则下学习和检查结果，个人账号能不能处理公司数据也会有安排。采购迟迟没有完成，工作里又已经开始使用 AI，员工就可能先用自己的账号，并承担订阅费和相应的风险。公司账面上看不到 AI 预算，不代表这笔钱没有花出去，它可能已经分散在许多员工自己的付款记录里。
企业可以把更多工作交给 AI。它不会抱怨，不会争奖金，被催以后也不会辞职。不过把任务真正交出去以前，目标还是要先确定，能够使用什么数据也得有人判断。模型给出结果以后，检查工作不能省，模型没有发现的风险只能由人补上，出了事故，也要有人承担责任。界面上显示“已完成”，只是这一次调用结束了，并不等于围绕这项工作的责任也一并消失。
AI 确实会替代一部分任务，也会改变一些岗位。继续证明“人永远不可替代”没有太大意义，不同工作的变化速度本来就不一样。企业用模型替换一段人工流程以后，那个人原来处理的不确定情况、作出的判断和承担的责任，不会在同一时间全部消失。剩下的工作还可能集中到数量更少的员工身上。
如果公司只记录少买了多少账号、少招了多少人，员工垫付的订阅费和下班以后学习工具花掉的时间就会一直留在报表之外。人长期承担这些成本，更容易疲惫，甚至选择离开。公司这边也会慢慢积累另外一些问题，个人账号可能处理过不该带出公司系统的数据，排期缩短以后留给人工检查的时间也越来越少。等这些问题真的出现，公司仍然得为安全事故和质量返工付钱。下一次招聘时，想找到一个能同时承担这些工作的人，岗位门槛也已经比以前更高。
AI 的调用费会进账单，企业迟早能够看见；人的这部分开支，却不一定会送到财务部门。员工用自己的会员处理公司的工作，在下班以后学习新工具，排期缩短以后还要负责检查和返工，报表里留下的仍可能只是一笔不高的 AI 预算，以及不断上升的人均产出。单看这张表，降本增效似乎已经完成了，报表外面的会员费、学习时间、额外压力和风险却仍由员工承担。等疲惫和离职真正出现，或者数据、质量问题发生，公司还是要为这些后果付钱，而且员工此前已经替它垫过一次。
账算到这里，工作还要继续
普通员工很难左右企业怎样计算成本，也很难用几句话改变一个只想保住自己位置的管理者。第二天一早，代码、方案和排期仍然摆在那里，该开的会也不会少。大多数人还要照常上班，把手里的事情继续做下去。
稻盛和夫谈工作时，经常提到认真和努力，也把“作为人何谓正确”当作判断标准。这句话不该只用来要求员工。拖欠工资、让员工自己购买完成工作需要的工具，再把 AI 节省出来的时间全部塞进下一轮排期，公司同样要解释这些做法是否正确。责任心如果只要求下面的人有，最后就会变成管理者手里的另一根鞭子。
我还是觉得，从业者应该把自己经手的事情做好。这和向哪家公司表忠心没有关系，更多是对自己的做事标准负责。明知道代码有问题却直接上线，发现方案缺少关键条件也懒得再查，一次两次未必马上出事，时间久了，人会习惯这种做法，判断也会跟着变钝。公司会换，项目会结束，这些习惯却会被带到下一份工作里。
新工具也要继续学。今天常用的模型明年可能已经换了，公司的账号在离职当天也会被收回。买了会员以后，还要一次次在实际工作里弄清楚它适合处理什么，结果不对时怎么查，怎样用它把一件事真正做完。这些经验会慢慢留在自己身上，换了公司也不会随着账号一起收回。
不过，认真工作也有边界。工资该按时发，完成工作需要的工具应该由公司提供，管理者人为制造的内耗，也不该继续塞进员工那只已经超重的行李箱里。遇到不合理的要求，可以先把问题讲清楚；如果一家公司长期不愿意改变，离开也不等于不负责任。
我希望这些学习最后能帮一个人多做成一些东西，也给自己多一点选择。找下一份工作时，不必只是等着企业挑选，还可以看看对方是否尊重专业，愿不愿意承担正常的工具成本。AI 会改变许多岗位，这件事大概拦不住。可我期待的进步，总不能只是让求职者为了保住工作，每个月再给自己续一张门票。