企业官网建设流程全解析

10月21日，2013年诺贝尔生理学或医学奖得主托马斯·苏德霍夫在上海的"2026可持续全球领导者大会"上讲了一段话，核心意思是：AI 会重塑医疗实践，但替代不了医生。同一周，"AI 替岗"的旧判例又被翻出来讨论——杭州有员工因岗位被 AI 质检系统替代、月薪从 2.5 万降到 1.5 万，拒绝后遭解除劳动合同，仲裁和两审都认定违法解除，判赔 26 万余元；广州南沙一起类似案件，法院判公司支付违法解除赔偿金差额 3.5 万余元。

这两件事看起来一个是技术判断、一个是劳动争议，其实指向同一个事实：AI 替代的是任务，不是岗位；而任务被替代之后，会多出一笔很多人没算进去的成本。苏德霍夫给它起了个名字——“验证税”。

一、"验证税"到底在说什么

他的两个判断值得记下来。

第一个是能力边界。AI 在处理格式统一、质量均质的海量数据时优势明显，比如像素图像这类"同一套范式"的数据；但真实场景里大量信息是非规整、跨模态的异构数据——非标准文本、多源异质观测。据报道，他的原话大意是：AI 在统一范式的数据任务上游刃有余，面对杂乱、多元、缺乏统一规范的信息时，很难稳定产出可靠结论。

第二个是成本结构。他引用神经科学领域的研究说，拖慢 AI 科研效率的核心环节不是生成，而是核验：模型有固有的幻觉问题，输出质量高度依赖输入数据本身，输入有瑕疵就跟着错，所以人必须逐条复核。这笔额外开销就是验证税，而且短期内很难彻底解决。他还强调，这个约束不只属于基础科学，所有 AI 生成内容都不能直接采信。

从工程角度看，这没什么玄学。生成模型输出的是概率意义上的"高可能性样本"，不是事实断言。它没有可靠的"我不知道"开关——你问它一个不存在的函数，它照样能编出一个签名完整的实现，语气还很自信。所以正确性的校验必须外置：要么靠人，要么靠另一套能判对错的系统——编译器、单元测试、schema 校验、检索比对、业务规则。

能自动验证的领域，AI 落地快；不能自动验证的领域，验证税就高。这条线基本能解释过去两年 AI 项目的成败差异：代码补全、格式化、日志归类跑得快，因为错了机器立刻报错；合同审查、医学建议、财务口径跑得慢，因为错了要等很久，而且要人来担。

二、判例说的其实不是"能不能用 AI"

杭州那个案子的关键点经常被误读。法院不是认定"企业不能用 AI"，而是认定"上了 AI"不构成《劳动合同法》里的"客观情况发生重大变化"。员工原岗位是质检，公司引入 AI 自动化质检后认为岗位可被完全替代，要求调岗并降薪 40%，员工拒绝后公司解除合同，仲裁、一审、二审都没有支持公司。

广州南沙的案子同理：法院认为公司的情况不属于"客观情况发生重大变化"，判决支付赔偿金差额。

也就是说，法律看的是客观情况是否真的发生了重大变化、调岗降薪是否合理必要、程序是否合法，而不是"我们买了套 AI 系统"这件事本身。技术能替代任务，不等于能替代岗位，更不等于可以据此单方解除劳动合同。这条界线，做技术的人和做管理的人最好都清楚。

三、算账的时候，把核验时间填进去

实际项目里最常见的错，是把 demo 的生成时间当成交付时间。一个内容生产场景的真实数字大概是这样：

对外汇报时说的是"40 分钟降到 15 分钟，效率提升 2.67 倍"；按验证税算完，真实提升是 1.27 倍。差了一个数量级，而预算和人力编制往往就是照前者批的。

写成代码更直观，下面这段可以直接换成你们自己的参数：

defnet_gain(n_per_month,manual_min,gen_min,verify_min,error_rate,rework_min,hourly,ai_cost):"""返回 (名义提速倍数, 真实提速倍数, 月净收益元)"""nominal=manual_min/gen_min real_min=gen_min+verify_min+error_rate*rework_min real=manual_min/real_min saved_hours=(manual_min-real_min)*n_per_month/60returnround(nominal,2),round(real,2),round(saved_hours*hourly-ai_cost)print(net_gain(200,40,15,12,0.15,30,80,300))# (2.67, 1.27, 1967)

跑出来的月净收益是 1967 元，看着还行；但如果错误率爬到 40%，净收益会掉到接近 0——返工把省下的时间全吃回去了。错误率和核验时间，是这类项目最该盯住的两个数，而不是生成速度。

三个坑，按踩到的频率排：

1. 拿生成速度做验收指标。速度只反映模型能力，不反映流程能力。
2. 2. 把核验当"顺手看一眼"。没有清单、没有抽样规则、没有责任人，核验就会退化成"看一眼就过"，风险全部后移到线上。
3. 3. 让 AI 输出直接进对外物料。合同、公告、对客文档、生产代码，这四类东西出错成本不对称，必须留人工签核环节。

四、写在最后

苏德霍夫那句话我认同：技术负责算力，人负责理解。放到打工人的语境里，更实际的一句是——AI 替掉的是任务，责任没有被替掉。章是谁盖的，锅就是谁的。

所以与其焦虑"我的岗位会不会被替代"，不如把工作拆成三类：格式统一、可自动校验的标准化任务；信息杂乱、需要判断的异构任务；以及要签字担责的决策。第一类尽快交出去，第二类用 AI 提效但保留人工判断，第三类是护城河。

你们公司上 AI 之后，核验和返工的时间算进 KPI 了吗？评论区聊聊。