文章轉(zhuǎn)載于騰訊科技

作者丨郝博陽

2025年1月到5月間，斯坦福大學(xué)的研究團(tuán)隊(duì)完成了一項(xiàng)本應(yīng)在AI熱潮開始時(shí)就進(jìn)行的調(diào)查。他們采訪了1500名美國員工和52名AI專家，評(píng)估了104個(gè)職業(yè)中的844項(xiàng)具體任務(wù)。這項(xiàng)由經(jīng)濟(jì)學(xué)家Erik Brynjolfsson和Yijia Shao領(lǐng)導(dǎo)的研究，第一次系統(tǒng)地量化了一個(gè)簡(jiǎn)單卻被忽視的問題：人們到底想要什么樣的AI？

在這844項(xiàng)職業(yè)任務(wù)中，研究者讓員工們用1到5分評(píng)價(jià)他們對(duì)AI自動(dòng)化的渴望程度。結(jié)果呈現(xiàn)出一幅復(fù)雜的圖景：

僅有7.11%的任務(wù)得分大于等于4分——意味著員工希望大部分由AI來接管；另有6.16%的任務(wù)得分在2分以下，表明員工強(qiáng)烈抵觸自動(dòng)化。總體而言，46.1%的任務(wù)獲得了3分以上的正面評(píng)價(jià)，但這個(gè)看似中性的數(shù)字掩蓋了巨大的行業(yè)差異。

在計(jì)算機(jī)和數(shù)學(xué)領(lǐng)域，超過半數(shù)的任務(wù)受到歡迎；而在藝術(shù)、設(shè)計(jì)和媒體領(lǐng)域，這個(gè)比例驟降至17.1%。更關(guān)鍵的發(fā)現(xiàn)在于，當(dāng)研究者將這些員工需求數(shù)據(jù)與硅谷的實(shí)際投資流向?qū)Ρ葧r(shí)，一個(gè)令人不安的錯(cuò)配模式浮現(xiàn)了出來。

1

需求與供給的斷層

“需求-能力”矩陣

研究團(tuán)隊(duì)創(chuàng)造性地構(gòu)建了一個(gè)“需求-能力“矩陣，基于員工的自動(dòng)化意愿（Aw(t)）和AI專家評(píng)估的技術(shù)可行性（Ae(t)），將所有844項(xiàng)任務(wù)劃分為四個(gè)象限。

“自動(dòng)化綠燈區(qū)“代表那些員工想要且技術(shù)可行的任務(wù)；“紅燈區(qū)“則是技術(shù)可行但員工抵觸的領(lǐng)域；“研發(fā)機(jī)會(huì)區(qū)“包含員工渴望但技術(shù)尚未成熟的任務(wù)；“低優(yōu)先區(qū)“則是既無需求也無能力的任務(wù)。

通過將Y Combinator孵化的,723家AI相關(guān)公司映射到這些任務(wù)上，研究揭示了一個(gè)驚人的事實(shí)：41.0%的公司-任務(wù)映射落在了“低優(yōu)先區(qū)“和“紅燈區(qū)“。換言之，近一半的AI創(chuàng)業(yè)努力都投向了員工既不需要也不想要的方向。

具體數(shù)據(jù)更能說明問題。在“綠燈區(qū)“，平均每個(gè)任務(wù)對(duì)應(yīng)117.63家YC公司；“研發(fā)機(jī)會(huì)區(qū)“是134.57家；而“低優(yōu)先區(qū)“和“紅燈區(qū)“分別是118.87家和134.35家。這種近乎均勻的分布表明，投資決策與實(shí)際需求之間幾乎不存在相關(guān)性。

以稅務(wù)準(zhǔn)備為例。“安排客戶會(huì)見“這項(xiàng)任務(wù)獲得了員工給出的滿分5.0分，意味著所有受訪稅務(wù)準(zhǔn)備人員都迫切希望AI能接管這項(xiàng)工作。技術(shù)上，這是一個(gè)相對(duì)簡(jiǎn)單的日程管理問題。然而，專注于此類“綠燈區(qū)“任務(wù)的創(chuàng)業(yè)公司寥寥無幾。相反，客戶服務(wù)聊天機(jī)器人——一個(gè)超過40%員工明確表示不需要的“紅燈區(qū)“——卻吸引了大量投資。

研究團(tuán)隊(duì)獲得了Anthropic提供的Claude.ai使用數(shù)據(jù)，涵蓋2024年12月至2025年1月的使用情況。對(duì)比分析揭示了另一層錯(cuò)配：?jiǎn)T工自動(dòng)化需求最高的前10個(gè)職業(yè)（包括稅務(wù)準(zhǔn)備員、公共安全調(diào)度員、計(jì)時(shí)員等）僅占Claude.ai總使用量的1.26%。

這個(gè)數(shù)字的含義是雙重的。一方面，它表明當(dāng)前的AI工具可能沒有觸及真正需要幫助的人群；另一方面，它也暗示著巨大的未開發(fā)市場(chǎng)。那些每天忙于安排會(huì)見、維護(hù)文件、處理工資調(diào)整的員工們，可能根本不知道AI能夠幫助他們，或者現(xiàn)有的AI工具并不適合他們的具體需求。

這就是典型的資源錯(cuò)配。

更有趣的是，學(xué)術(shù)研究顯示出了與產(chǎn)業(yè)界不同的關(guān)注點(diǎn)。通過分析截至2025年4月24日arXiv上的17,064篇相關(guān)論文，研究團(tuán)隊(duì)篩選出1,222篇真正涉及AI智能體系統(tǒng)的論文。這些論文在四個(gè)任務(wù)區(qū)域的分布顯示，學(xué)術(shù)界更多地關(guān)注“研發(fā)機(jī)會(huì)區(qū)“——那些員工需要但技術(shù)尚未成熟的領(lǐng)域。

這方面，他們比產(chǎn)業(yè)界反而嗅覺靈敏，但也太過追求前沿。

然而，即使是學(xué)術(shù)研究也存在嚴(yán)重的領(lǐng)域集中問題。獲得最多論文覆蓋的三項(xiàng)任務(wù)全部屬于“計(jì)算機(jī)和信息研究科學(xué)家“職業(yè)：應(yīng)用理論專業(yè)知識(shí)和創(chuàng)新來創(chuàng)造或應(yīng)用新技術(shù)（1,169篇）、分析問題以開發(fā)涉及計(jì)算機(jī)硬件和軟件的解決方案（1,132篇）、執(zhí)行或指導(dǎo)現(xiàn)有程序的修訂、修復(fù)或擴(kuò)展（1,109篇）。

就算是科學(xué)家，也更關(guān)心自己家的事情。

1

在工作替代這件事上專家意見不一定能代表從業(yè)者

人類參與度量表

斯坦福團(tuán)隊(duì)的一個(gè)重要貢獻(xiàn)是引入了“人類參與度量表“（Human Agency Scale, HAS）。這個(gè)從H1到H5的五級(jí)量表，量化了從“AI完全自主“到“人類完全主導(dǎo)“的不同協(xié)作模式。

HAS的分布揭示了不同職業(yè)中人工智能體整合的多樣化格局

數(shù)據(jù)顯示，在104個(gè)被研究的職業(yè)中，有47個(gè)（45.2%）將H3級(jí)——“人機(jī)平等伙伴關(guān)系“——作為最受歡迎的模式。只有2個(gè)職業(yè)（1.9%）偏好H1級(jí)的完全自動(dòng)化，1個(gè)職業(yè)（1.0%）堅(jiān)持H5級(jí)的人類完全主導(dǎo)。35.6%的職業(yè)傾向于H2級(jí)（AI主導(dǎo)但需要關(guān)鍵人類輸入），16.3%選擇H4級(jí)（人類主導(dǎo)但AI輔助）。

更引人深思的是員工期望與專家評(píng)估之間的系統(tǒng)性偏差。在844項(xiàng)任務(wù)中，僅有26.9%在兩個(gè)群體間獲得了相同的HAS評(píng)級(jí)。在剩余的任務(wù)中，47.5%顯示員工期望的人類參與度高于專家認(rèn)為技術(shù)所需的水平，25.6%則相反。

通過計(jì)算兩個(gè)分布之間的距離，研究識(shí)別出員工的意見和專家意見分歧最大的職業(yè)。電力調(diào)度員以0.830的JSD值位居榜首，其次是醫(yī)療轉(zhuǎn)錄員（0.675）和證券銷售代理（0.615）。這些職業(yè)的共同特點(diǎn)是，AI專家認(rèn)為許多任務(wù)已可實(shí)現(xiàn)H1級(jí)自動(dòng)化，但從業(yè)者堅(jiān)持需要更高的人類參與。

這再次顯示出了具體領(lǐng)域中的某些復(fù)雜細(xì)節(jié)可能與專家評(píng)估的簡(jiǎn)單流程化操作完全不同。按照專家的思路走，這些AI初創(chuàng)公司很可能會(huì)掉進(jìn)復(fù)雜細(xì)節(jié)，難以統(tǒng)一化的泥潭。

藝術(shù)、設(shè)計(jì)和媒體領(lǐng)域算是從業(yè)者抵抗AI入侵的最前沿了。在該領(lǐng)域的所有任務(wù)中，只有17.1%獲得了超過3分的自動(dòng)化意愿評(píng)分。具體來看，“編輯：撰寫故事、文章、社論或通訊“的平均得分僅為1.60分；“平面設(shè)計(jì)師：基于布局原則和美學(xué)設(shè)計(jì)概念創(chuàng)建設(shè)計(jì)、概念和樣本布局“得分1.78；“制片人和導(dǎo)演：剪輯電影或錄像帶“得分1.75。

他們也有足夠的理由。通過分析1500份音頻訪談?dòng)涗洠芯繄F(tuán)隊(duì)使用LLM輔助的主題建模技術(shù)提取了員工們的核心關(guān)切。在被問及“你如何設(shè)想在日常工作中使用AI“時(shí)，28.0%的受訪者表達(dá)了某種形式的擔(dān)憂或負(fù)面情緒。

這些擔(dān)憂可以歸納為三大類：45.0%的人不信任AI系統(tǒng)的準(zhǔn)確性、能力或可靠性；23.0%擔(dān)心工作被取代；16.3%認(rèn)為AI缺乏人類特質(zhì)或能力。

一位擁有6-10年經(jīng)驗(yàn)的藝術(shù)總監(jiān)的表述頗具代表性：“我想要它用于無縫地優(yōu)化工作流程，讓事情變得不那么重復(fù)、乏味和艱苦。不要內(nèi)容創(chuàng)作。“另一位3-5年經(jīng)驗(yàn)的藝術(shù)總監(jiān)說得更直接：“我絕不會(huì)用AI來取代藝術(shù)家。“

但好萊塢可能有別的想法，最后市場(chǎng)會(huì)驗(yàn)證到底哪邊更對(duì)。

1

數(shù)據(jù)背后的深層邏輯

基于薪資均值與人類自主性需求的技能排行對(duì)比

研究通過統(tǒng)計(jì)分析揭示了一些深層模式。員工的自動(dòng)化需求（Aw(t)）與其對(duì)失業(yè)的擔(dān)憂呈顯著負(fù)相關(guān)，與工作享受度的相關(guān)性更強(qiáng)。這意味著員工們想要自動(dòng)化的，恰恰是那些他們不享受且不太擔(dān)心會(huì)因此失業(yè)的任務(wù)。

更深入的分析顯示，擁有博士學(xué)位的員工比本科學(xué)歷者對(duì)自動(dòng)化的需求高0.236分；工作經(jīng)驗(yàn)超過10年的人比1-2年經(jīng)驗(yàn)者的需求高22.9%；強(qiáng)烈同意“AI能減輕繁瑣工作“的人比中立者的自動(dòng)化需求高0.685分。

這既顯示出了人們對(duì)AI的訴求，即利用它們?nèi)コ爆嵉墓ぷ鳎瑢Ｗ⒏嘤袃r(jià)值的高級(jí)事物。也在另一方面顯示出，教育、經(jīng)驗(yàn)對(duì)于AI時(shí)代的工作者而言可能更為重要，他們能更好的確認(rèn)什么是重復(fù)、缺乏創(chuàng)新的部分，去發(fā)揮AI更大的作用。

那去除掉繁瑣工作之后，人們工作和技能發(fā)展的中心可能會(huì)轉(zhuǎn)移到哪里去呢？

研究通過將任務(wù)映射到O*NET數(shù)據(jù)庫定義的27項(xiàng)通用工作活動(dòng)，研究揭示了AI可能如何重塑職場(chǎng)技能的價(jià)值體系。研究者計(jì)算了每項(xiàng)技能相關(guān)任務(wù)的平均工資（基于美國勞工統(tǒng)計(jì)局2024年5月數(shù)據(jù)）和平均所需人類參與度。

結(jié)果顯示了一種深刻的價(jià)值倒置。“分析數(shù)據(jù)或信息“——目前平均工資最高的技能——在需要高人類參與度的任務(wù)中排名僅第17位。

相反，一些傳統(tǒng)上被低估的技能正在崛起：“培訓(xùn)和教授他人“從工資排名第21位躍升至參與度需求第2位；“組織、規(guī)劃和優(yōu)先安排工作“從第11位升至第1位；“協(xié)助和照顧他人“從第26位升至第14位。

在AI時(shí)代，最有價(jià)值的人類技能可能不再是處理信息，而是處理人際關(guān)系、傳授知識(shí)、組織協(xié)調(diào)——那些本質(zhì)上需要人類判斷、同理心和創(chuàng)造性的工作。

1

AI產(chǎn)業(yè)革命不能靠拍腦門兒想出來的需求

斯坦福的這項(xiàng)研究不僅僅是一份學(xué)術(shù)報(bào)告，它更像是給硅谷的一份診斷書。當(dāng)41%的AI創(chuàng)業(yè)公司在解決沒人想要解決的問題時(shí)，當(dāng)最需要幫助的員工只占AI工具使用量的1.26%時(shí)，當(dāng)投資分布與實(shí)際需求幾乎毫無相關(guān)時(shí)，我們不得不問：這場(chǎng)AI革命究竟是為誰而進(jìn)行的？

WORKBank數(shù)據(jù)庫的建立為持續(xù)追蹤這種錯(cuò)配提供了基礎(chǔ)設(shè)施。隨著更多職業(yè)被納入研究，隨著技術(shù)能力的演進(jìn)和員工態(tài)度的變化，這個(gè)框架將幫助我們更好地理解并引導(dǎo)AI與人類工作的共同演化。

或許，真正的AI革命不在于創(chuàng)造最先進(jìn)的算法，而在于創(chuàng)造真正服務(wù)于人的工具。當(dāng)硅谷的創(chuàng)新者們開始傾聽那些每天八小時(shí)坐在辦公桌前的人們的聲音時(shí)，當(dāng)投資決策開始基于實(shí)際需求而非技術(shù)可能時(shí)，我們才能真正迎來人機(jī)協(xié)作的新時(shí)代。（特約編譯無忌對(duì)此文亦有貢獻(xiàn)）

點(diǎn)個(gè)愛心，再走 吧