从事 AI 相关工作的自由职业者，时薪比不做 AI 工作的人高出 34%（Upwork Future Workforce Index 2026）。而 2026 年美国绩效加薪预算的平均值是 3.2%（Mercer, 2025）。
两个数字，就是全部问题。AI 技能溢价正在你的公司之外被定价，其速度比你内部薪酬周期所能移动的幅度快一个数量级，而且发生在同样的十二个月里。
这不是预测。它已经在被支付了——只不过不是由你支付，也不是支付给你的人，只要他们还算是你的人。
Upwork 实际测量了什么
Upwork 于 2026 年 7 月 14 日发布了第二份年度 Future Workforce Index：对 2,400 名美国本土熟练知识工作者的调查，并结合其自有平台的交易数据（Upwork, 2026）。
对任何管理 50 至 500 人规模企业运营的人来说，有三项发现值得关注。
美国熟练知识工作者中从事自由职业的比例，一年内从 28% 升至 38%。不是十年——是一年。与此同时，58% 的全职员工表示正在考虑转做自由职业，前一年这一比例为 36%。
而在平台内部，从事 AI 工作的自由职业者时薪比其他人高 34%，且在所有工作类别中都成立。
把调查数据当作方向指示，把平台数据当作实际观测。前者是人们怎么说；后者是客户实际付了多少钱。真正该让你睡不着的是后者。
分水岭是判断力，不是 AI 使用率
每一份摘要都会抹平的那个发现，恰恰最重要：使用 AI 本身不产生溢价，判断力才产生。
从事更复杂 AI 工作的自由职业者，收入同比增长 45%。AI 增强型专业服务——领域专家把 AI 融入成熟专业领域——业务量增长 72%，收入上升 22%（Upwork, 2026）。
再看相反的方向。生成式 AI 与创意生产类工作的新签合同数同比增长 90%——但单份合同收入下降 13%。
把这两个数字放在一起读。数量 +90%，价格 −13%。这就是实时发生的商品化。同一项技术抬高了判断密集型工作的价格，同时压低了执行型工作的价格——同一个市场，同一年。
Upwork 把胜出的画像称为「AI Orchestrator」：把 AI 工具与领域专业知识连接起来、施加人类判断、并把 AI 产出转化为业务结果的人。
这些人你已经雇着了。他们不是职位名称里带 AI 的新员工。他们是你的资深操盘者——在工具到来之前就把流程摸得滚瓜烂熟，如今能在十秒内判断模型输出是否可用。外部市场刚刚上调定价的，正是这种组合。
你的薪酬带宽只动 3.2%
把两个比率并排放，算术就变得难堪。
Mercer 的美国薪酬规划调研显示，2026 年全国平均绩效加薪为 3.2%，加薪总预算为 3.5%——与 2025 年基本持平（Mercer, 2025）。绩效预算的设计目标就是稳定：它在整个员工群体上取平均、提前一年谈定、并受内部公平性约束。
这些属性没有一项能在与市场的碰撞中存活——而这个市场正在一个周期内把某一技能类别的价格重估两位数。
这不是主张放弃薪酬带宽。这是主张看清一件事：一个为把 3.2% 公平分配给 200 人而设计的带宽，在结构上无法回应这 200 人中某一部分 34% 的价格移动。工具没有坏。只是有人要求它做它从未被设计去做的事。
由此引出可预测的失败序列，值得点名，因为多数团队经历它却认不出它。某位骨干的市场价值变动了。内部没有任何东西记录这一变动，因为没有任何内部系统在盯这个信号。他开始试探市场——通常是非正式的，通常源于一次一年前根本不会考虑的主动接洽。等到留人谈话真正发生时，那已经是一场反offer谈判：这类对话中最昂贵、也最不可靠的版本。反offer 在结构上也什么都没重置：那个未能给这个岗位定准价的带宽，依然定不准，只是现在附带了一条有据可查的例外。
而替换成本并非理论。Gallup 估算，替换一名员工的成本在其年薪的一半到两倍之间（Gallup）。对于一位拥有深厚流程知识的资深骨干，请按这个区间的上限估算，再加上那几个月里无人做思考工作的损失。
为什么不该照单全收 AI 技能溢价
我想对数据来源保持诚实，因为想要驳回它的直觉有一部分是对的。
Upwork 是一个自由职业者平台。一份结论为「自由职业在加速、自由职业者赚得更多」的报告，从商业角度看正是这家公司愿意发布的报告。平台数据也存在自选择：它描述的是在 Upwork 上成交的自由职业者，而不是美国劳动力市场。而一项 2,400 人的知识工作者调查中，58% 说自己「正在考虑自由职业」，测量的是情绪，不是离职。考虑的成本很低。
所以，用与结论无利害关系的来源去检验它。
Lightcast 分析了招聘广告——雇主侧数据，而非平台数据——发现要求 AI 技能的岗位相较同类无此要求的岗位带有 28% 的薪资溢价，且需求已远远扩散到科技行业之外（Lightcast, 2025）。这是雇主在自己的广告里自愿多付钱，比 Upwork 指数早了一年。
追踪独立劳动力已十五年的 MBO Partners 统计，美国约有 7,300 万名独立工作者，且其上升趋势线完全早于当前这一轮 AI 周期（MBO Partners, 2025）。
厂商的利益动机是真实的。底层信号在它之外依然成立。两组独立数据——一组来自雇主自己的招聘广告，一组来自十五年的面板——指向同一方向。但它们谁都不能告诉你的是：你的人是否正在离开。这个问题只有你自己的数据能回答，而大多数运营团队从未以这个具体形式问过。
在一家 200 人的公司里，风险究竟集中在哪
由 AI 技能溢价带来的留人风险并不均匀分布。它会集中，而且集中在一个反直觉的位置。
不是你的初级执行人员。他们的市场刚刚变便宜了——那正是单合同 13% 的下滑。也不是你的 AI 专才；你多半已经在关注他们，恰恰因为他们的头衔是可见的。
真正的风险敞口，是你那些在过去十八个月里悄悄变得 AI 熟练、却没告诉任何人的中高级领域专家。那位用自己的时间围绕模型重建了预测流程的运营经理。那位把月结工作自动化掉一半的财务负责人。这些人身上正好是外部市场在竞价的组合，而他们通常处在薪酬带宽的中段——因为他们的正式岗位描述从没改过。
他们在结构上也最不可能主动跟你提这件事。他们的筹码是安静的。
还有一个值得计价的二阶效应。当其中一人离开时，损失的不是一个编制名额——而是让那套 AI 增强流程真正跑得起来的非正式流程知识。工具留下了，让工具变得高产的判断力走了。接手流程的人继承了产出，却没有继承产出背后的推理；不出一个季度，团队就在运行一套没人完全理解的系统。这正是从不出现在留任仪表盘上的那一版风险，因为仪表盘统计的是谁离开了，而不是什么随他一起离开了。
下一个薪酬周期之前的三个动作
把判断力与执行分开定价
多数中型企业的薪酬带宽是围绕岗位和司龄搭建的。今天这两者都不再是市场价值的代理指标。在下一个周期之前，把岗位拆成判断密集型和执行密集型，检查你的带宽是否区别对待它们。如果一个岗位的核心产出是在模糊条件下做决策，它就属于与「核心产出是吞吐量」的岗位完全不同的定价对话——哪怕今天两者职级相同。
在市场找到他们之前，先找出你的 AI 熟练骨干
这个季度做一次盘点：过去一年里，谁用 AI 实质性地改变了自己工作的完成方式？不是谁有许可证——而是谁重新设计了一个流程。这份名单通常比预期的短，而且很少与组织架构的资历排序吻合。它同时也是你真正的流失风险名册，构建成本只需一周。
有意识地使用灵活用工市场，而不是任其成为漏口
如果 38% 的熟练知识工作者如今做自由职业，那它既是威胁，也同样是供给池（Upwork, 2026）。失败模式是：四月把员工输给这个市场，九月又以 1.6 倍价格把同一个人作为外部承包商请回来，中间没有任何知识交接。刻意决定哪些能力你要长期留在内部、哪些你甘心租用——在市场替你做出这个选择之前。
这个季度的一个决定
打开你判断密集度最高的十个岗位的薪酬带宽。逐个写下：如果这个人下个季度把同样的判断力卖到外部，他大致能挣多少——用 AI 技能溢价当乘数，而不是去年的基准调研。
如果差距大于你能弥合的幅度，那你发现的不是一个薪酬问题。你发现的是：你正在向一群目前还以为自己在为你工作的人租用哪些能力。
3.2% 已经批下来了。34% 已经在被支付了。今年只有其中一个数字会动，而那不会是你的。
