別怕 AI 來搶飯碗，但要學會怎麼與它相處。 （前情提要：14 所名校爆「祕密指令洗腦 AI」醜聞，早稻田教授：太多人偷懶把論文審稿給 AI.. ） （背景補充：蘋果 AI 不玩了？考慮套皮 ChatGPT 或 Claude 升級 Siri，挽救自研進展落後 ） 今年 2 月，Claude 模型的開發公司 Anthropic 完成了一場獨特的「職場田野調查」。他們分析了超 400 萬次使用者對話，並將其與美國勞工部 O*NET 職業資料庫進行匹配，該資料庫詳細記錄了上千種職業及 19530 類工作職責。這種資料化的匹配，首次清晰揭示了 AI 正在如何融入各項工作、具體影響哪些職位。 （為了保護隱私，研究團隊用了一套叫 Clio 的「隱私保護放」系統，只能分析聚合後的資料而無法接觸到具體個人的聊天記錄。） 一、AI 的鐵粉：不是老闆，而是「碼農」和「文字工作者」 研究結果出來後，第一個發現是：AI 的使用情況極其「偏科」。將近一半的用途，都集中在兩個領域。 冠軍：電腦與數學領域（佔比 37.2%） 沒錯，AI 的頭號「鐵粉」，是碼農。 想像這個場景：程式員小張正在開發一個電商 App，突然程式崩潰，報錯資訊像天書一樣看不懂。以前，他可能要花半天時間撓著本就不多的頭髮，在程式碼海洋裡苦苦尋找問題。現在，他把程式碼和報錯資訊扔給 Claude：「兄弟，這是啥問題？」AI 一看就回復：「問題出在第 XX 行，這個引數格式不對。」 從「開發維護軟體」到「程式設計除錯」再到「設計資料庫」，這些都是程式員們最常讓 AI 幫忙做的事。對他們來說，AI 不是來搶飯碗的，更像是一個 24 小時待命、不知疲倦的程式設計搭子。 亞軍：藝術與媒體領域（佔比 10.3%） 排第二的是那些靠「筆桿子」喫飯的人。這個聽著很「文科」的領域實際上和 AI 配合得特別好。 比如，市場部的小李要寫一篇產品推廣文案。她可以讓 AI 先「頭腦風暴」幾個標題，然後自己挑一個最好的繼續寫。寫完初稿後，她又把文章給 AI 看：「幫我檢查一下，語言夠不夠吸引人？能不能再活潑點？」而當她需要按特定格式釋出文章時，AI 也能迅速完成排版。 這類使用者包括技術文件寫手、廣告文案、編輯，甚至檔案管理員。對他們來說，AI 是靈感庫、校對員和排版工具的完美結合。 不過 AI 使用的職業分佈嚴重失衡，參考下面的圖片，僅佔全美工作 3.4% 的電腦與數學職業，在 AI 對話中佔比卻高達 37.2%；相比之下，合計佔全美近 30% 的食品、銷售和運輸崗，對話總和僅有 3%。 原圖片來自 Anthropic 研究資料集，此圖片使用 AI 翻譯工具生成 二、AI 是「替代者」還是「增強器」？目前更像「超級助手」 搞清楚「誰在用」後，下一個關鍵問題是「怎麼用」。報告給出了一個重要資料：57% 的用法屬於「增強」，43% 屬於「自動化」。 這說明，目前 AI 更多是在當「增強器」。研究人員把人機協作分成了五種模式： 自動化行為（43%） 指令式：最簡單的「自動化」，就像使用工具。「把這段翻譯成英文」，AI 直接給結果，幾乎沒互動。 回饋迴圈：程式員常用。使用者把程式碼給 AI，執行報錯後再把新情況回饋給 AI，如此迴圈直到解決。人主要是個「傳話筒」。 增強行為（57%） 任務迭代：深度協作。你讓 AI 設計網頁，AI 給出初版後，你說：「佈局不錯，但顏色太暗，能換亮點的嗎？按鈕也放大點。」就像兩個同事不斷迭代，共同完成任務。 學習：不是為了完成任務，而是獲取知識。「能用簡單比喻解釋下什麼是『神經網路』嗎？」AI 在這裡是個全能老師。 驗證：你已完成工作，但想讓 AI 幫你檢查。比如寫完 SQL 程式碼，讓 AI 看看邏輯有沒有問題，有沒有更好的寫法。 這個 57% 比 43% 的比例表明，大部分時候我們不是被動地「被 AI 服務」，而是主動地「駕馭」AI。它更像個強大的外部大腦，我們用它來學習、迭代和驗證工作，最終讓自己變得更強。 三、收入越高，用 AI 越多？答案是「倒 U 型」 這可能是一個反常識的發現。AI 的使用率和工資的關係，不是直線上升，而是一個「倒 U 型」曲線。 金字塔的底層和頂層，用得都少 低收入職業：餐廳服務員、建築工人、卡車司機。他們的工作需要大量體力和現實世界互動。AI 現在還長不出手腳，自然難以參與。 極高收入職業：外科醫生、法官、高階管理。這些工作不僅需要頂級專業知識，還要承擔巨大責任和風險，決策過程複雜且充滿不確定性。目前 AI 還遠達不到這種水平，法規和倫理限制也很多。 中高收入的「技術白領」是絕對主力。AI 使用高峯出現在那些需要「大量準備」但又未到「頂級專家」程度的職業，比如軟體開發者、資料分析師、財務分析師、市場經理等。 這個「倒 U 型」分佈清晰地顯示了當前 AI 能力的邊界。它最擅長處理那些有固定規則、以資訊和資料為核心、但又需要相當智力投入的知識型工作。 四、AI 正在模糊專業界限、造成「技能通貨膨脹」 研究中的一個有趣發現是，很多被分類為特定職業任務的 AI 對話實際上來自非該領域的專業人士。例如，被歸為「營養師工作」的查詢可能來自普通人尋求飲食建議，而不是專業營養師。 這代表著一種新趨勢：AI 正在模糊專業界限，使普通人能夠進入以前需要專業訓練的領域。這種「專業知識平權」可能帶來更廣泛的知識獲取和應用，但也引發了關於專業價值和品質控制的問題。當 AI 讓每個人都能做「半個專家」時，專業服務的邊界和價值將如何重新定義？ 這同時也揭示另一個重要趨勢：AI 正在創造一種新的「技能通貨膨脹」。當 AI 能輕鬆完成基礎程式設計時，「會程式設計」就不再是優勢。這會深遠的影響就業市場，甚至是這個社會對工作的定義。工作的定義本身就一直在變化，幾十年前，如果你說「做打字」，人們就知道你正在做一種很專業的工作。但現在你說「在打字」，大家會認為你說了廢話，因為打字本身已不再被視為一項專業技能，因此「在打字」這三個字曾經暗含的「正在工作」的含義已...
