我該怎麼和Agent“搶飯碗”？來自斯坦福橫跨104個職業的深度報告

朋友們，作為一名 AI 科技博主，過去一年，我跟你們聊了太多關於 AI 的“神話”。

從一秒生成圖片、到 5 分鐘碼出一個網站，AI 的進化速度簡直是坐上了火箭，快到讓人心慌慌的。

隨之而來的，是那個像達摩克利斯之劍一樣，盤旋在每個打工人頭頂的終極問題：“我的飯碗，會被 AI 端掉嗎？”

焦慮歸焦慮，但作為 AI 弄潮兒（或者至少是想不被浪潮拍死的人），與其原地焦慮，不如學會更好地讓 AI 為我所用，變“被取代”為“共進化”。

市面上關於 AI 的討論鋪天蓋地，。似乎所有這些討論都忽略了一個非常關鍵的聲音——那就是我們這些，每天真正在幹活兒的一線勞動者，到底想要什麼？我們對 AI 的“最終幻想”是啥？是讓我們當一個翹著腳、喝著茶的“甩手掌櫃”，讓 AI 全盤接管？還是希望它成為一個能理解我們、分擔壓力的得力“副手”或“智慧搭檔”？

最近，有個報告在試圖回答這個問題！

報告來自斯坦福大學，由知名經濟學家 Erik Brynjolfsson（就是那位寫《第二次機器時代》的大佬）和華人學者 Diyi Yang、Yijia Shao 等組成的研究團隊出品，深入調研了美國 104 個不同職業，採訪了 1500 名一線員工，覆蓋了 844 項具體工作任務，進行了一場大規模的“職場田野調查”。

調查的目的只有一個：

搞清楚在 AI Agent 時代，到底什麼工作員工“希望”被自動化（準備全盤讓 AI 接手），什麼工作更需要“人類增強” (需要人工深度介入輔助 AI)。

可以說，這份報告是第一份真正以“打工人”的需求和視角為核心的 AI 未來工作指南，咱們可以一起扒一扒～

第一問：打工人最渴望把哪些“糟心活兒”甩給 AI？

看到這個問題，相信很多人的答案都非常明晰—必須是那些價值感低、重複性高、或者幹起來令人精神疲憊的工作！

調查結果也毫不意外：在受訪的樣本中，有 46.1% 的任務，員工們都表現出強烈的自動化願望。報告裡舉了一些例子，比如稅務師為客戶安排複雜的稅務問詢預約，或者話務員維護緊急呼叫資訊檔案——聽起來就又累又沒啥成就感，排名靠前地成為最想自動化的任務。

那麼，更進一步的問題是：當研究團隊問人類為什麼希望自動化時，核心動機是什麼？

排名第一的答案，高達 69.38% 的人選擇了“把我的時間解放出來，去做更高價值的工作”。其次才是“任務重複/繁瑣”(46.6%)和“任務壓力大”(25.5%)。

這說明什麼？

人類並非想躺平，也不是單純地“懶”，目前工作的人們渴望的是從“雜務”中解脫，把寶貴的精力、時間和“認知頻寬”，聚焦到那些更需要創造力、深度思考、複雜決策和人際互動的核心工作上。

AI 對我們人類來說，更像一個高效的“減負神器”和“注意力放大器”，而非冰冷的“替代品”。

這看似是一個簡單的結論，但背後是兩種“價值尺度”的根本性衝突：

任務價值 (Task Value): 指一項工作對於一個組織、一個流程的功能性意義。比如，“為客戶安排預約”、“處理薪酬調整”、“儲存檔案”，這些任務對公司的日常運轉至關重要，有明確的“任務價值”。
人性價值 (Human Value): 指一項工作能為執行者帶來的成就感、創造性滿足、學習成長和人際連線，是更偏向心理、更“人本”層面的價值。

在傳統工業時代，這兩種價值往往是統一的。你把一件重複性任務做得又快又好，既有“任務價值”，也可能透過熟練度和效率獲得“人性價值”。但 AI Agent 的出現，正在以前所未有的速度將它們強行剝離。

有了 AI Agent，員工可以大規模地“外包”那些高“任務價值”（對公司重要）但低“人性價值”（對我個人無聊/沒成就感）的工作。

這不僅僅是字面意義上的“偷懶”，而是一種理性的“認知資源”重新分配策略。

當 AI 可以完美、不知疲倦地處理那些確定性高、流程化的任務時，人類繼續投入寶貴的時間和精力在上面，其“機會成本”變得前所未有的高昂。我們把時間省下來，去幹那些 AI 幹不了、或者幹不好，但能讓我們獲得巨大“人性價值”和個人成長的活兒，這才是聰明的選擇。

當然，也不是所有人都張開雙臂歡迎 AI 自動化。

“藝術、設計與媒體”。領域只有 17.1% 的任務被認為適合自動化，遠低於其他行業。一位藝術總監在訪談直接開麥：

“我希望 AI 能最佳化工作流程，減少重複的苦差事。但內容創作、核心創意決策，門兒都沒有！這必須得是人來拍板！”

為什麼這個行業對 AI 帶來的自動化如此抗拒？

因為在這些領域，“任務價值”與“人性價值”高度統一，甚至是同一種價值的兩個面向。

創作本身既是工作的成果（任務價值），也是創作者自我實現和心流體驗的頂峰（人性價值）。一位優秀藝術總監的核心價值，恰恰在於他對“美”、“創意方向”的最終裁決和那份不可替代的“人類觸感”。

當 AI 試圖染指這些領域時，它觸碰的不再是工作流程，原本屬於人類的飯碗。。。

第二問：AI 的能力圈 vs 打工人的期待圈，對上了嗎？

搞清楚了“我們打工人想要 AI 做什麼”，下一個問題自然是：“AI Agent 現在到底能做到什麼？能接住我們甩的鍋嗎？”

這篇論文最精彩、最具指導意義的地方，就在於它把“員工自動化願望”（主觀需求）和“AI 專家評估的技術能力”（客觀供給）這兩個維度結合起來，繪製了一張“AI Agent 職場戰略地圖”—“慾望-能力”四象限圖。

圖裡根據工人的“自動化需求強度” (Aw) 和專家的“AI 技術能力評估” (Ae)，把所有任務分成了四個區域：

自動化 “綠燈” 區 (Green Light):高需求 + 高能力。這是最理想的自動化目標。打工人想扔，AI 也能幹得漂亮。
自動化 “紅燈” 區 (Red Light / Proceed with Caution):低需求 + 高能力。AI 技術上能做到，但員工不希望被自動化。比如前面說的藝術創作，或者一些涉及人際互動、需要信任建立的任務。這裡的 AI 部署要極其謹慎，既容易被抵制也容易辦砸了！
研發機遇區 (R&D Opportunity):高需求 + 當前低能力。打工人非常希望 AI 能幫上忙，但現有 AI 技術還沒達到要求。比如一些需要複雜決策、跨領域知識整合、或者精妙人際溝通的任務。
低優先順序區 (Low Priority):低需求 + 低能力。打工人不太想自動化，AI 也幹不好。這些任務目前看來既不是痛點，也不是 AI 擅長的，暫時可以放一放。

報告分析發現，目前統計樣本組成的 WORKBank 資料庫裡的任務廣泛分佈在這四個區域，工人的自動化需求與技術能力之間並沒有簡單的正相關關係 (Spearman ρ=0.17)。有趣的是，自動化需求與工作流失擔憂（ρ=-0.223）和工作樂趣（ρ=-0.284）呈負相關——越擔心被 AI 取代或越喜歡自己工作的任務，越不想讓 AI 插手。這太真實了！

第三問：那資本和研究，投對地方了嗎？

理解了這張地圖，最讓人跌眼鏡的來了！研究團隊把現在最火熱的 AI Agent 創業專案和最前沿的 AI Agent 學術論文對映到了這張四象限圖裡。結果還挺令人意外的：

首先是 AI Agent 創業專案：

高達 41.0% 的 YC 投資專案，竟然落在了員工“不想要”或“技術不成熟”的“慎行區”，大量資本和創業公司仍在圍繞軟體開發、商業分析等少數領域“內卷”，用 AI 解決技術人員或投資人自己熟悉的問題，而廣闊的“綠燈區”和充滿潛力的“機遇區”卻處於“少人問津”的狀態。

那奶茶猜測之所以會發生這樣的情況，很有可能是經典的“拿著錘子找釘子”問題：

VC 和創業者，尤其是早期的技術型創業者，大多來自技術背景（比如軟體開發、網際網路產品）。他們最熟悉、最容易理解、最能快速驗證市場痛點的，就是自己圈子裡的問題。他們習慣性地為程式設計師、產品經理、市場運營等群體打造工具，因為這是他們的“舒適區”和“認知邊界”。

這樣就容易忽視：“廣闊天地，大有可為”。

那些在其他無數傳統行業中能帶來巨大社會價值的“綠燈區”和“機遇區”任務，被系統性地忽視了。

再看學術研究：

好訊息是，學術界相對而言更多地集中在“研發機遇區”，但壞訊息是，研究領域同樣高度集中在計算機科學內部：比如“如何讓 AI 更高效地最佳化現有程式”、“如何提升程式碼生成能力”這類任務。

演技團隊猜測這是由於學術研究的內在慣性——在已有資料集和成熟正規化上做增量創新，往往比開闢一個全新的、跨學科的、需要和真實世界深度互動的研究領域，更容易發表論文，拿到資助。

第四問：人類到底需要多大程度的“掌控感”？

除了“哪些任務該不該自動化”，這篇論文還提出了一個非常有意思、開創性的問題：我們到底希望以什麼樣的方式與 AI 合作？

研究團隊為此構建了一個“人類能動性量表”(Human Agency Scale, HAS)，用來精細地量化人與 AI 的合作模式和人類的參與程度：

這個量表從低到高分為 5 個等級（H1-H5），代表人類介入的程度：

H1 (完全獨立): AI Agent 自己就能完美搞定任務，完全不需人類操心。
H2 (最少輸入): AI Agent 主要負責，但需要人類在關鍵節點提供少量、簡單的輸入或確認。
H3 (平等夥伴): 人類與 AI Agent 形成一種相互協作、優勢互補的夥伴關係，雙方貢獻智慧，最終表現優於任何一方單獨工作。
H4 (需要人類輸入): AI Agent 能處理部分流程，但需要人類提供持續的、重要的輸入或指導才能完成任務。
H5 (持續參與不可或缺): AI Agent 基本上只起到輔助作用，沒有人類的持續深度參與，任務根本無法執行。

研究團隊用這個量表對 104 個職業的任務進行了詳細調查：

“平等夥伴”（H3）是主流期望： 在高達 45.2% 的職業中，H3 (平等夥伴關係) 是員工最期望的合作模式。
我們比 AI 專家更“需要”自己： 即使 AI 技術上能做到更高程度的自動化（比如達到 H2 或 H1），很多員工依然傾向於保留更多的控制權和參與度。

第五問：AI 時代，什麼技能將變得更值錢？

那最後一個問題是，什麼技能將在未來職場成為“硬通貨”？

研究者沒有空泛地預測，而是將 WORKBank 中的具體任務與美國勞工部的“通用工作技能”體系進行關聯，然後對比了這些技能在“當前平均工資”和“AI 時代所需人類能動性（HAS）”這兩個維度的排名變化，如下圖所示：

價值正在被 AI“稀釋”的技能 (圖中的紅色部分): “分析資料”、“記錄”這些圍繞“資訊”進行處理、識別和記錄的技能，高度依賴邏輯、模式識別和資訊整合，正在成為 AI 最擅長、最容易替代的領域。
價值正在“身價暴漲”的技能 (圖中的綠色部分): “指導、引領和激勵下屬”、“建立和維護人際關係”、“培訓和教導他人”、“組織、規劃和最佳化工作”等需要情商、同理心、溝通能力、領導力以及在高不確定性下進行戰略性規劃和組織的能力，仍然是 AI 目前最不擅長、也最難掌握的領域。