7.9
深览指数
商业虎嗅·腾讯研究院··AI 生成
AI与职业这三年：震荡、规律与职业群像
本文基于2023年至2026年的数据和案例，系统梳理了AI对真实职业市场的影响。核心发现是：AI替代的是具体任务而非整个职业，实际影响集中于结构化程度高的领域（如编程、数据分析），法律、教育等高理论覆盖度领域因制度壁垒落地有限。文章还运用任务模型、技能偏向性技术变革、创造性破坏三个理论框架解释了“资深者更安全、新人入门更难”的分化现象，以及资本从人力向算力流动的经济逻辑。通过7位不同职能领域从业者的深度访谈，呈现了从“被替代者”到“主动重塑者”的个体应对图谱。适合关注AI中长期职业影响、希望从理论和案例层面对标自身处境的从业者阅读。原文 ↗
核心观点
- ▍AI对职业的影响不是全局性的岗位替代，而是在任务层面进行重新分配：结构化、标准化、输入输出明确的任务（如写代码、生报表、审合同）率先被穿透，而需要人际判断、跨域协调和模糊决策的任务难以被替代。
- ▍“理论覆盖度”与“实际覆盖度”之间存在巨大鸿沟：法律、教育领域理论覆盖度超80%，但实际应用高度集中于计算机、金融、管理和行政四个领域。技术可行不等于组织可行，制度和组织的消化速度是关键滞后期。
- 012023年OpenAI论文匹配美国劳工部1016个职业后估算：约80%的劳动者至少10%的工作任务受GPT影响，编程与写作技能暴露度接近100%。
- 022026年Anthropic报告分离“理论覆盖度”与“实际覆盖度”：受AI影响最深的10个职业中程序员排第一，与2023年理论排序高度重合，但法律、教育领域理论覆盖度高而实际有限。
- 03哈佛商学院富勒等人2025年研究发现：在学习曲线陡峭的职业中（资深者效率远超新人），初级技能更易被AI自动化，AI截断了新人“边做边学”的成长路径；而在学习曲线平缓的职业中，AI赋能新手、扩大就业准入。
- 04《晚点LatePost》2026年6月数据显示：中美头部科技公司资本开支已大多超过研发费用，投入算力基建的钱超过了养研发团队的钱；互联网大厂内部出现人均产出上升、员工总数下降或停滞的“剪刀差”。
- 05BCG/哈佛商学院2023年实验揭示“锯齿状技术前沿”：使用GPT-4的顾问完成任务数多12.2%、速度快25.1%，但在超出AI能力边界的复杂任务中表现反而下降。
- 062026年中，Meta、微软、腾讯等巨头不约而同调整内部AI使用政策：从鼓励不限额度转向差异化分配、核算ROI，大量Token消耗被认定为无效消耗。
- 07第三部分访谈案例：2022届前端工程师林舟花三个月拆分自己的工作为Skill（技能单元），用AI提效后一天工作两小时干完，转向学习全栈和做博主。
反方 / 局限
- — 创造性破坏与补偿机制并非自动发生：补偿效应取决于市场结构调整速度、劳动者技能转化速度和制度适配能力。2023-2026年大量新岗位仍在早期形成阶段，需求规模尚无法抵消被替代岗位，因此短期内出现技术性失业和结构性错配。
- — 技能偏向性技术变革的理论预测（超级明星效应）在现实中会被组织内部薪酬带宽、晋升节奏和绩效评估周期的人为压制，导致某些新出现的高价值技能（如智能体编排）被低估，而某些即将被自动化的传统技能被惯性高估。
- — 四个“被替代者”的微观故事（AI数据分析师吴琼转行降薪30%、音乐宣传杨茹被裁外包后工作转嫁、短剧运营夏雪业务前提被抹去、视觉设计师李梦被裁后招聘要求一人全包）表明：趋势是理性的，但代价落在具体个体身上是沉重的，理论框架无法完全解释个体承受的降薪和重新定位成本。
OpenAIAnthropic高盛麦肯锡全球研究院GitHubStack Overflow哈佛商学院BCG腾讯研究院晚点LatePost财新周刊AcemogluRestrepoAutor熊彼特罗杰斯科斯S曲线任务模型技能偏向性技术变革创造性破坏锯齿状技术前沿学习曲线智能体军团Token经济
45 分钟 · 5 卡片 · 9 资料
读原文 →