个人知识库

"AI与职业这三年：震荡、规律与职业群像"

11分钟阅读

AI与职业这三年：震荡、规律与职业群像

腾讯研究院 × 人人都是产品经理 | 16402 字深度研究 | 2026-07-15

核心观点

  1. AI替代粒度在任务而非岗位：OpenAI 2023年研究发现约80%美国劳动者至少10%工作任务受GPT影响，但”暴露度”不等于”被替代”。Anthropic 2026年报告首次分离”理论覆盖度”与”实际覆盖度”——法律行业理论覆盖度超80%，实际落地集中在计算机、金融、管理和行政四个领域。技术可行≠组织可行。

  2. 技能偏向性技术变革拉大代际差距：资深者”判断溢价”上升（系统架构设计、跨域trade-off判断、生产环境故障排查），新人”执行价值”下降（样板代码、单元测试等初级任务被AI直接替代）。职业内部分化超过职业间分化，“葫芦形”人才结构浮现——资深者稀缺昂贵，新人难以入门，中间层空洞化。

  3. 创造性破坏的补偿机制滞后于替代速度：截至2026年，Token成本过去18个月下降一个数量级以上（条件一已发生），但新服务创造增量需求仍处早期萌芽（条件二），教育和社会保障制度整体滞后（条件三）。市场上已出现从AI搜索入口切入的创业尝试——不是做更便宜的投放，而是搭建全新增长基础设施。

  4. 2026年进入”制度消化期”：Meta向核心员工发出Token配额限制，微软停止部分第三方AI授权，腾讯将全员统一额度改为按任务动态调配。特征是预算约束回归、按任务计价、区分有效与无效消耗、资源向高产出节点倾斜。这不是开倒车，是技术成为基础设施的必经阶段。

  5. 学习曲线断裂截断新人成长路径：哈佛商学院富勒等人2025年研究发现，学习曲线陡峭的职业中初级技能比高级技能更易被自动化，AI直接替代入门级练习，截断新人”边做边学”的成长。2024-2025年矛盾观感（资深程序员生产力倍增 vs 计算机应届生更难找工作）在此获得理论解释。

  6. 七个职业族群的应对方式正在分化：有人把自己当成Agent重新组装能力（林舟·研发）、有人往AI做不到的方向挪移（陈念·营销BD→信任层）、有人在旧系统里等待转机（老周·销售）、有人在钢丝上练习平衡（何漫·HRBP）、有人看到结构性机会主动创业（周铮·产品→AI搜索增长）。

实操内容保留

理论框架（可应用于职业规划和团队管理）

任务模型五分类法（Autor, Levy & Murnane 2003）：

  • 常规认知任务（记账、数据录入、标准报告）→ AI高度可自动化
  • 常规体力任务（流水线操作）→ 此前的自动化已覆盖
  • 非常规分析任务（编程、设计、税务筹划）→ 部分可自动化，核心判断保留
  • 非常规互动任务（谈判、管理、员工关系）→ AI难以替代
  • 非常规体力任务（护理、维修）→ AI难以替代

应用方法：评估某个岗位时，不要问”这个岗位会不会消失”，而是拆解岗位的5-10项具体任务，逐一判断自动化前景。

创造性破坏补偿机制四路径（Acemoglu & Restrepo）：

  1. 生产力效应：效率提升→价格下降→需求扩大→总产出和劳动需求增加
  2. 新任务创造：新技术催生新复杂度任务（提示工程、模型精调、智能体编排）
  3. 资本积累：技术利润再投资→产业链上下游产生新岗位
  4. 深化间接效应：衍生新互补行业（类比互联网从TCP/IP到电商/云服务/内容平台）

AI实现净经济增长三个条件：

  1. Token成本持续下降到低于等效人类时间成本
  2. AI能力嵌入全新服务创造增量需求（而非仅替代存量）
  3. 社会制度和培训体系帮助劳动者转向AI互补领域

职业安全能力组合框架（四类AI暂时够不到的能力）：

  • 拆解任务的能力
  • 判断AI输出质量的能力
  • 在模糊地带做取舍的能力
  • 协调不同利益与不同能力者的能力

关键概念

  • 任务模型 — Autor-Levy-Murnane 2003经典框架，技术替代任务而非职业
  • AI暴露度 — OpenAI 2023年提出，LLM能力匹配职业任务的”技术可行性热力图”
  • 技能偏向性技术变革 — SBTC理论，新技术偏向高技能劳动者，AI时代表现为”任务偏向性”
  • 创造性破坏与补偿机制 — 熊彼特1942 + Acemoglu-Restrepo框架，替代效应与补偿效应
  • 锯齿状技术前沿 — BCG+HBS 2023实验发现，AI能力边界不规则，超出边界时反而降低表现
  • Token经济 — 认知工作被显性化为可计费资源消耗，Token成为”新电力”
  • AI职业代际分化 — 同一职业内部资深者与新人因AI产生生产力剪刀差
  • 学习曲线断裂 — Fuller et al. 2025：陡峭曲线截断新人练习场，平缓曲线扩大准入
  • 智能体军团 — 2026年新叙事：AI从副驾驶转向多个自主Agent并行执行复杂任务
  • 技术采纳S曲线 — Rogers/Moore：从技术导入期进入制度消化期的渗透节奏

与其他素材的关联

原文精彩摘录

到2026年，一个更精细的框架浮现：不是职业被替代，而是任务被重新分配；不是技术不行，是组织的消化速度和资本的投资偏好决定了落地的节奏；不是大家都危险，是从事结构化、可标准化任务的新手和初级员工承受了最大冲击。

AI在陡峭曲线中替代入门任务、提高准入门槛，在平缓曲线中赋能新手、扩大就业准入。替代与赋能的分界线，不在于职业高低，而在于学习曲线的形状。这解释了2024-2025年间一个矛盾观感：大量资深程序员感到生产力倍增，而计算机专业应届生发现找工作更难。AI在同一职业内部制造了代际不对称。

AI正从”技术导入期”进入”制度消化期”。技术导入期（2023-2025）的特征是：无限供给幻觉、全员试用、资源不核算。制度消化期（2026年起）的特征是：预算约束回归、按任务计价、区分有效与无效消耗、资源向高产出节点倾斜。这不是开倒车。电力革命早期，工厂自建发电站、电力随便用；后来电网形成、电价机制建立，工厂开始计算哪条产线值得配电机。Token经济的免费午餐结束，是AI成为真正基础设施的必经仪式。

对个体而言，最重要的不是预测哪个岗位安全，而是建立一套可迁移的能力组合：拆解任务的能力、判断AI输出质量的能力、在模糊地带做取舍的能力、协调不同利益与不同能力者的能力。这些能力的共同特征，是AI暂时够不到。

相关页面

关系图谱

快速导航

反向链接