美7000萬人或被取代，Agent光速卷入職場！北大校友、楊笛一新作
1769年，瓦特改進了蒸汽機。
1945年，計算機誕生。
2001年，3G移動網絡開始部署。
這些發明創新徹底改變了人的生活：從農田到工廠，從體力勞動到腦力勞動，從線下工作到線上工作。
2025年，AI智能體來了。這次是好是壞？
AI智能體將帶來規模最大的職場變革：僅在美國，就有多達7000萬名工人即將面臨這場變革。
但幾乎從來沒有人關心他們真正的想法。
在AI加速自動化各種工作的時代，斯坦福大學的研究團隊選擇了另一種路徑：研究美國勞動力中，工人們的意愿與 AI 能力之間的差距。
論文鏈接：https://arxiv.org/abs/2506.06576
博客鏈接：https://futureofwork.saltlab.stanford.edu/
這次，團隊有3大研究發現：
- 職場AI智能體的需求-能力分布圖揭示了AI研究的關鍵錯配現象：41.0%的Y Combinator企業任務集中在低優先級區和自動化「紅燈」區
- 眾多任務需要人機對等協作，但從業者普遍期望更高程度的人類主導權，這一矛盾可能引發摩擦
- 若AI智能體開始進入勞動力市場，人類核心能力或將轉向人際交往與組織協調技能。
「AI真香定律」 這項研究對你很有用
這是跨學科研究團隊：
計算機：Yijia Shao，Humishka Zope，Yucheng Jiang，楊笛一（Diyi Yang）
數字經濟：David Nguyen, Erik Brynjolfsson
計算機+數字經濟：Jiaxin Pei
團隊建立了基于調查的嚴謹評估框架，用于摸清在全美各職業中，AI智能體實現「自動化」和「增強人類能力」的潛力。
利用美國勞工部的數據庫，他們開展了以下工作：
- 調查了104個職業領域的1500名行業專家
- 招募了52名AI研究員和開發者來評估當前AI智能體的能力
基于這些數據，研究人員構建了「AI智能體從業者前景與準備度知識庫」（Worker Outlook & Readiness Knowledge Bank，WORKBank）。
如果不從事AI相關工作，為什么你也應該關心這件事？
因為AI的「真香定律」：「你可能對AI不感興趣，但AI終將對你產生興趣。」
為了指導未來AI智能體的研發，并幫助研究人員人類為未來的工作做好準備，團隊正式發布了WORKBank數據庫的第一個版本。
AI來襲，職場海嘯？
AI正在職場引發革命！
2023年，OpenAI等機構的研究表明，約80%的美國勞動者可能面臨大語言模型（LLM）影響其至少10%的工作任務，其中19%的勞動者超過半數職責或將受到沖擊。
論文鏈接：https://arxiv.org/abs/2303.10130
2025年初，Anthropic分析了LLM使用數據，結論進一步顯示：
在36%的職業中，AI工具已活躍應用于至少25%的工作任務。
論文鏈接：https://arxiv.org/abs/2503.04761
對普通打工人而言，AI到底是福是禍？
這一次AI專家攜手經濟學家，直接從一線從業者反饋獲取洞見。
他們提出了雙視角的審計框架：
一是工人希望AI承擔哪些任務，
二是專家評估AI實際上能勝任哪些任務。
為了幫助參與者準確表達想法，問卷設計了有邏輯引導的問題，并加入音頻訪談，方便他們結合實際工作經驗回答。
基于這個框架，研究團隊構建了WORKBank數據庫，用數據全面描繪需求和影響：
- 工人的實際需求
- 任務能否被AI接手的圖譜（意愿—能力分布）
- 不同任務對人類參與程度的要求（HAS等級）
- 這些變化可能對人類核心技能產生的影響
圖1：審計框架概覽與關鍵發現
打工人的欲望與恐懼
為何不愿讓AI智能體介入工作？
利用AI對工人語音回答進行歸類，研究人員總結了AI自動化最常見的三大擔憂：
- 45%表示：不信任AI系統的準確性、能力或可靠性；
- 23%擔心：AI會取代自己的工作；
- 16.3%認為：AI缺乏「人味」，無法做到人類那種溝通、理解與判斷。
從行業來看，藝術、設計與媒體領域的抵觸情緒最明顯——
在這些領域里，只有17.1%的任務得到了工人的正面自動化評價。這說明，在更依賴創造力與情感表達的工作中，工人對AI的接受度更低。
哪些任務愿意讓AI來做？
研究團隊發現，在約46.1%的任務中，正在從事這些工作的工人表示「愿意讓AI來做」。
即便是在被提醒要考慮「失業風險」或「工作變得無聊」之后，他們依然在問卷中打了超過3分（滿分5分）的支持評分，說明這些任務更容易被接受自動化。
自動化意愿評分在任務中的分布。縱軸為工人對任務自動化的意愿評分（1到5分），橫軸為844項任務的排名
上圖顯示，有46.1%的任務評分高于3分，表示工人對這些任務由AI自動完成持積極態度。
排名前3的任務包括：
- 報稅員：安排客戶預約（5.00分）
- 公共安全通信員：維護緊急呼叫相關信息檔案（4.67分）
- 考勤文員：記錄并調整因錯誤造成的工資問題（4.60分）
評分最低的3個任務則是：
- 編輯：撰寫文章、社論或通訊稿（1.60分）
- 物流分析師：聯系供應商了解物料情況（1.50分）
- 售票與旅行服務員：追蹤客戶行李丟失或延誤情況（1.50分）
為什么工人希望讓AI來接手工作？
研究團隊調查了支持自動化的工人為什么愿意讓AI來幫忙——通過多選題和自由回答兩種方式。
最常見的理由是：「可以把時間騰出來，去做更有價值的工作」，這項理由被69%的人選中。
其他常見原因包括：任務太重復（47%）、太累太有壓力（26%）、或者希望通過AI提升工作質量（47%）。
從工人和專家的評分對比中，研究人員把任務大致分成了四個區域：
- 綠燈區：工人想交給AI，AI技術也能勝任。是最理想的自動化對象，有望帶來效率與社會效益雙贏。
- 紅燈區：AI技術沒問題，但工人不愿意。這類任務部署AI要小心，容易引發抵觸或更大爭議。
- 研發機會區：工人很希望AI來做，但現在AI還做不到。是未來技術突破的重點方向。
- 低優先級區：工人不想交給AI，AI也還做不到。暫時不是AI發展的重點。
意愿—能力圖譜
這張「意愿—能力圖譜」幫助識別出哪些任務值得重點投入。
但當把YC旗下的創業公司與這些任務匹配時，研究人員發現：目前的投資并未優先關注「綠燈區」或「研發機會區」。反而有約41%的YC公司集中在「紅燈區」或「低優先級區」這些不太受歡迎或技術難度高的任務。
換句話說，許多「技術可行+工人也歡迎」的任務，其實并沒有得到應有的重視。
這提醒我們：AI的發展不僅要看技術本身，也要看人們真正想要什么。
人機協作 不只替代，AI更是搭檔
AI智能體對工作的影響并非簡單的「自動化」或「非自動化」這樣的二選一問題。
為此，研究人員引入了「人類能動性等級」（Human Agency Scale）：包含 5 個等級的量表，涵蓋了從「完全自動化」到「人機協作增益」之間的各種狀態——
在后一種狀態下，技術主要用于補充和增強人類的能力。
H1：AI能完全獨立完成任務，無需人參與。
H2：AI能完成大部分任務，偶爾需要人類輸入。
H3：AI和人類平等協作，效果優于任何一方單獨完成。
H4：AI必須依賴人類才能完成任務。
H5：AI無法獨立完成任務，必須全程由人主導。
這一等級體系不是說「越高越好」，而是用來匹配不同任務的實際需求。
下圖2展示了這五個等級在不同任務中的具體例子，比如哪些任務適合完全交給 AI，哪些則需要人機長期協作。
HAS不僅能讓人更清楚地理解「AI適合做什么」，也為打工人準備未來技能、開發者設計更合理的AI智能體提供了清晰的參考。
總體上，工人更傾向于較高水平的人類參與，這可能預示著隨著AI能力增強，會產生一定的摩擦。
在調查的104種職業中，有47種工人最傾向的等級是H3——也就是「人機平等協作」。
這說明，很多工人并不想讓AI全面接管工作，而是希望AI成為有力的合作伙伴。
不過，也出現了值得注意的現象：在將近一半（47.5%）的任務中，工人希望的「人類參與度」遠超專家估計。
更極端的是，有16.4%的任務，工人希望的等級高出專家評估兩個檔次。這意味著，哪怕AI已經技術上「能做」，很多工人還是不放心、不愿放手。
人類能動性程度在同一職業內部也存在差異，有些任務適合自動化，有些則不然。
這也提醒開發者：在設計AI智能體時，不能一刀切。
為未來做好準備
并不是所有類型的工作都會同樣受到AI的影響。
為了理解未來工作的走向，以及哪些技能將變得最有價值，研究團隊進一步利用 WORKBank數據庫來分析人類技能的變化趨勢。
最后發現了三項可能影響未來人類工作的趨勢：
- 對信息處理類技能的需求正在減弱。它們在那些人類參與度高的任務中出現較少。
- 人際溝通與組織管理類技能正變得更重要。它們在高HAS等級的任務中更為常見。
- 高人類參與度的技能涵蓋多種維度。平均人類參與度最高的前十項技能，跨越了人際、組織、決策與判斷等多個方面。
作者介紹
Yijia Shao是斯坦福大學的博士生，師從楊笛一教授。
此前，她在北京大學元培學院獲得學士學位。
她曾在微軟亞洲研究院、谷歌Tensorflow Lite團隊實習。
她的研究方向為機器學習與自然語言處理。
