4 月 21 日，Reuters 報道 Meta 將開始采集部分員工在某些應用里的鼠標移動、點擊和鍵盤輸入，用來訓練它的 AI 模型。隨后，TechCrunch 引述 Meta 的回應說，如果他們要做能幫人完成日常電腦任務的 agent，模型就需要看到人到底是怎么用電腦的，包括點按鈕、拉菜單、切頁面這些真實操作；公司同時表示會設置保護措施，而且這些數據不會用于別的用途。

很多人看到這條消息，第一反應是隱私。

這當然是隱私問題，但我覺得還不止。

更大的變化是，AI 公司已經不滿足于拿公開網頁、公開文本和公開圖片來訓練模型了。它們開始往公司內部看，開始往工作現場看，開始盯上人是怎么把一件事做成的。

說白了，AI 競爭正在從“誰掌握更多內容”，往“誰掌握更多行為路徑”走。

以前喂給模型的是內容，現在開始喂的是動作

過去幾年，大模型最主要的養料還是內容。

網頁、書、代碼、圖片、問答記錄，這些東西解決的是“模型知不知道”“模型會不會說”“模型能不能生成”的問題。

但 agent 不是只會說就夠了。

它如果真要替你在電腦上干活，就得知道一件任務在真實世界里是怎么被完成的：先開哪個系統，點哪個入口，遇到彈窗怎么處理，字段填錯了怎么回退，兩個頁面之間怎么對照，什么時候該停一下讓人確認。

這些東西，文檔里通常寫不全。

真正完整的流程，很多時候藏在人的手上，藏在一個熟手下意識的點擊順序里，藏在他知道哪里最容易出錯、哪里最該多看一眼的那個小動作里。

所以 Meta 這件事真正值得注意的，不是它有沒有又干了一件容易挨罵的事，而是它把一個方向說得很直白：如果 AI 想從會聊天變成會操作，那訓練數據就必須從內容層往行為層下沉。

以前訓練的是世界知識。

現在訓練的，是工作動作。

一旦動作成了數據，公司的眼睛就會重新盯住辦公過程

這件事為什么麻煩？

因為一旦行為軌跡也被視作訓練原料，公司對“什么算資產”的定義就會變。

以前公司最看重的，通常還是結果物：代碼、文檔、方案、專利、客戶名單、銷售記錄。

以后它會越來越在意另一種東西：這些結果是怎么做出來的。

誰在什么系統里點了哪些步驟，哪種路徑最快，哪種提示詞最好用，哪種表格整理方式最容易被 agent 接手，哪類異常要交給人兜底，哪類異常其實已經可以標準化。

這就意味著，過去很多帶有個人經驗色彩的工作方法，會被重新識別成組織資產。

你原來以為那只是自己的熟練度，是自己干久了才摸出來的門道。可一旦系統能把它記錄下來、抽象出來、再教給模型，那它就不再只是你的本事了，它會變成公司的數據。

這才是很多白領崗位接下來真正要面對的壓力。

不是突然被一個 AI 聊天框頂掉。

而是你原來靠經驗、靠路徑感、靠熟悉流程建立起來的那部分不可替代性，開始被拆解、被歸檔、被訓練。

這波變化，最先壓的不是程序員，而是大量“會做事的人”

很多人一說 AI 訓練，就下意識想到寫代碼、做模型、畫圖這些高技術崗位。

但從這類信號看，最先被壓縮的，往往不是最頂端的專業判斷，而是辦公室里大量“會把事情做順”的中間勞動。

比如有人特別會整理材料，有人特別會在幾個系統之間對齊數據，有人特別會補齊報表和流程，有人一看就知道這個申請會卡在哪一步，有人能把一堆零碎信息快速拼成一份能交差的東西。

這些能力過去一直有價值，只是它們不太像作品，也不太像頭銜，更像組織里的隱性潤滑劑。

問題在于，AI 最容易先吃掉的，恰恰就是這層潤滑劑。

因為這部分工作，往往高頻、重復、跨系統，而且有明確目標。只要采到足夠多的操作軌跡，再加上企業內部的規則和上下文，模型就有機會先學會一個七八成像的版本。

它未必一上來就做得完美，但對組織來說，七八成往往已經夠用了。

尤其是那些本來就靠整理、搬運、套模板、補格式、追流程撐起來的崗位，接下來會先感到冷風。

對普通打工人來說，真正的變化不只是“被看見”，而是“被還原”

很多人會把這件事理解成監控升級。

這也沒錯，但還不夠。

更準確地說，它是在把工作過程變成一種可回放、可分析、可復用、可訓練的東西。

過去公司管理你，更多是看結果、看時長、看 KPI。

以后如果這條路走通，管理會更進一步：它不只看你做沒做完，還會越來越想知道你是怎么做完的，以及這套做法能不能沉淀給模型。

這會帶來幾個很現實的變化。

第一，很多原本默認屬于個人經驗的東西，會被組織重新收回。

第二，越來越多崗位會被要求把操作過程說清楚、留痕、標準化，因為這不僅方便協作，也方便 agent 接手。

第三，辦公室里對“第一版”的要求會更高。以前很多人只要會提需求，后面還有人補動作；以后組織會更自然地問，你既然知道要什么，為什么不能先讓工具跑一版出來？

第四，人的價值會被更直接地逼到判斷、兜底和責任上。因為路徑一旦被記錄，普通執行層的獨特性就會下降。

以前公司拿走的是你的結果。

以后它更想拿走你做出結果的方法。

這不等于工作馬上消失，但崗位說明書會悄悄變掉

我不覺得 Meta 這條消息能直接推導出“白領大失業”。

公開信息還很有限，Meta 也明確說了采集范圍是在某些應用中，并強調有保護措施。很多工作里真正難的部分，仍然是判斷例外、承擔責任、處理模糊目標和面對人。

但這不妨礙我們看清一個更實際的方向。

以后很多崗位未必會消失，可崗位說明書會先變。

你會發現，公司招人時越來越在意你能不能和 agent 協同；做事時越來越默認你得先出一個可執行的草版；管理層也會越來越自然地把“這個流程能不能采、能不能訓、能不能自動化”當成一個經營問題，而不只是一個技術問題。

這才是這條新聞最值得重視的地方。

它說明 AI 開始更深地進入辦公室，不再只是一個幫你潤色郵件、總結會議的外置助手，而是在往工作的底層動作里伸手。

最后一句

很多人還把 AI 競爭理解成模型參數之爭、產品功能之爭。

那是臺前。

臺下真正越來越關鍵的，是誰能拿到足夠多、足夠真的行為數據，去教模型理解人到底是怎么工作的。

Meta 這次把話挑明了。

接下來值得警惕的，不只是哪個公司模型更聰明，而是哪家公司開始把員工每天在電腦前留下的那些細小動作，也一起算進自己的訓練原料里。

當工作過程本身都開始被數據化，AI 進入公司的方式，就不再只是輔助，而更像接管前的測繪。