AI 的「弊」：那些正在发生的真实代价

讨论 AI 的风险，容易变成科幻式的「天网觉醒」。但现实中的问题没那么戏剧化，反而更琐碎、更具体，也更难解决。

一、就业：先冲击的是年轻人

斯坦福《2026 年 AI 指数报告》的数据很直接：美国 22 到 25 岁的软件开发人员，就业率自 2024 年以来下降了近 20%，而年长从业者数量在增加。客服领域也出现了类似趋势。

这不是「AI 抢了所有人的饭碗」，而是入口变窄了。企业用 AI 处理初级任务，新人就少了练手和成长的机会。等这批人成长不起来，几年后中层会断层。

二、信息污染：真假越来越难分

AI 生成内容的成本已经低到可以忽略。于是：

• 社交媒体上大量「AI 写的文章、AI 配的图、AI 剪的视频」；
• 深度伪造的音频、视频，普通人肉眼很难分辨；
• 搜索结果里混进一堆低质量、互相抄的 AI 内容。

更麻烦的是，AI 自己也在用这些内容训练下一代模型。数据质量下降，模型能力可能跟着退化，这被称为「模型崩溃」。

三、隐私：数据是怎么被用掉的

训练数据里包含大量公开或半公开的个人信息。用户跟 AI 聊天时输入的敏感内容，也可能被用于改进模型（取决于服务条款）。

企业场景更敏感：把客户数据、内部文档喂给第三方模型，等于把数据交出去了。所以这两年「私有化部署」的需求才这么旺。

四、错误与责任：说错话、算错账

AI 会一本正经地胡说八道，这在 2026 年依然是常态。

问题在于，当 AI 的建议被用于真实决策——医疗、金融、法律——出了事谁负责？

今年国内已经有保险公司推出针对 AI「说错话、算错账」的责任险，这本身就说明：责任划分还没定论，只能先用保险兜底。

五、依赖与能力退化

这一条最容易被忽略。

当搜索、写作、编程都有 AI 代劳，人的某些能力会退化：独立查证的能力、从头思考的能力、甚至写作的手感。

这不是说不能用 AI，而是要有意识地保留「不用 AI 也能做」的能力。否则一旦工具不可用，人就抓瞎。

六、安全：攻击也在自动化

报告里提到，AI 代理在网络安全任务上的成功率从 15% 涨到了 93%。

这句话两面看：防守方能用它做自动化检测，攻击方也能用它做自动化渗透、生成钓鱼邮件、绕过验证码。攻防两端的门槛同时被拉低了。

小结

AI 的「弊」不是某一个惊天动地的大问题，而是一堆具体的小问题叠加：就业入口收窄、信息质量下降、隐私边界模糊、责任难以划分、能力悄悄退化、攻击成本降低。

这些问题没有「一键解决」的方案，只能靠监管、行业规范和个人习惯一起慢慢磨。警惕但不恐慌，可能是比较合适的态度。