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:
  1. 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。
  2. 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!
  3. 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。
  4. 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:

  1. “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。
  2. 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。

結語

家人們,我建議:
下一次,當有人再向你兜售 AI 焦慮、渲染 AI 帶來的恐懼時,可以把這篇文章轉給他。
因為真正的未來,不是完全由冰冷的程式碼決定的,而是由我們每個人的真實需求、主動選擇和獨特創造力共同塑造的。
如果我們只停留在表面,斯坦福的這篇報告是對未來工作的一次“預測”。但如果我們深入其下,會發現它本質上是一份關於“選擇權”的宣言:
AI 的未來,不是一條由技術決定論鋪就的單行道,而是一個充滿了博弈、談判和選擇的多岔路口。在這場塑造未來的宏大博弈中,每一個組織、每一個投資者、每一個開發者、當然,也包括我們每一個打工人,都既是棋子,也是至關重要的棋手。
不要問 AI 將“帶我們”去向何方,而要問我們“想帶著”AI 去向何方。
參考文獻https://arxiv.org/pdf/2506.06576

相關文章