我能否作念点它干不了的？

看了份讲解，时候不算太新。

2025 年 7 月 10 日，来自于微软磋商院（Microsoft Research），名字叫：《Working with AI: Measuring the Occupational Implications of Generative AI》。

华文不错相识为《生成式 AI 与服务：工作影响评估》

总计这个词讲解，接头生成式 AI 对大家职场的具体影响，它们通过分析 20 万个匿名对话，揭露 AI 若何蜕变咱们的生存格局，并评估了不同工作受 AI 影响的进程。

大约看完后，我合计不错分五个部分。第一个部分，主要接头：生成式 AI 若何通过任务分类影响不同工作的适用性。

他们调研很道理，用好意思国劳工部 O*NET 工作分类体系，把使命分拆到任务层面。

最表层叫广义使命行径，比如：提供客户服务、科罚神色。

中间层叫遑急使命行径，回话客户盘问、融合团队任务等；最底层是具体的任务（Tasks），发个邮件、处理个表格等。

然后，磋商东说念主员让 AI 去判断，这些对话是在完成哪一类任务，完成得何如样，以及是否不错被替代。

一个东说念主问：帮我写一封离职信，口吻要规章但坚定，事理是工作发展受限；系统就会标记：这属于"写稿类任务"，子类是"撰写正经疏导文本"，完成度很高，AI 统统不错胜任。

而若是有东说念主问：帮我把这台旧式冲压机的液压系统调到最好压力；系统可能标记："修复操作类任务"，但 AI 无法径直实施，只可提供参考手册或视频蛊卦。

通过"任务映射 + 完成率评估"的格局，讲解算出了每个工作的 AI 适用性评分（AI Applicability Score）。

这个分数抽象了三个维度，分离是：

掩饰率，这个工作的几许任务能被 AI 掩饰？完成率，AI 在这些任务上能作念到什么进程？影响范围，这些任务在总计这个词使命中的权重有多大？

最终截至泄露，越依赖信息处理、文本生成、疏导融合的工作，AI 适用性越高；越是依赖物理操作、现场判断、东说念主际互动的，AI 越难参加。

像销售这个工作，AI 适用性评分高达 0.84。

这是因为销售东说念主员大批时候花在写邮件、作念 PPT、查客户布景、生成报价单等任务上，这些齐是 AI 的坚定。AI 以致能分析客户口吻，建议回复策略，生成个性化提案。

比拟之下，"建筑工东说念主"的评分只消 0.15。

天然 AI 能匡助绘制纸、算材料，但在 38 度高温下绑钢筋、判断墙体承重是否达标、与工友融合施工节拍等使命，AI 现时还无法胜任。

其中一个比较特等想。办公与、因循类工作，AI 评分也很高。这些工作包括文秘、助理，而医疗保健因循类（护工），评分极低。

因为这类使命太依赖"在场"和"共情"，扶老东说念主上床、不雅察病情面绪变化、处理突发情景，AI 现时还作念不到。

是以你看，AI 不是"取代某个工作"，而是渗入进工作里的具体任务。

有些工作 70% 以上的任务齐能被 AI 汲取，而有些工作可能只消 20% 的任务能够被提拔。这也证明了为什么 AI 对东说念主的影响是任务级别的，而不是工作级别的。

因此，它破损了 AI 来了，有东说念主要休闲的二元叙事，径直从你作念的使命场景开拔，揭露影响。

任务场景能被拆解，哪些工作被 AI 盯的最紧？微软讲解说：越依赖信息处理、文本生成、疏导融合的工作，AI 适用性评分越高，越容易被干掉。

智远胪列了下，排在最前边的有销售关联的、野心计与数字关联的、行政因循关联的。

这些工作的共同特色是：使命高度集会在"屏幕之内、说话之中、过程之间"。写 PPT、查数据、回信讯、走过程，这是 AI 的主战场。

比如：翻译这个变装，简直是总计工作里最高，AI 能适用 98% 的场景，现时一个外贸业务员，用 AI 及时翻译跟中东客户谈买卖，依然不是清新事。

还有客户服务代表，每天类似回答"何如退货""订单在哪""发票何如开"，AI 作念的比东说念主要好，豪情踏实还不崩溃。

那谁最安全？

微软说，简直集会在「体魄在场、入手操作、豪情互动」的领域。像建筑与提真金不怕火工作、农业、渔业、林业工作、还有医疗保健因循、个东说念主照管与服务行业等。

这些使命的中枢价值不在"说"或"写"，而在"作念"和"在"。你让 AI 去给老东说念主留恋、去工地绑钢筋、去果园摘苹果、去剪发店剪头发，它作念不到。

是以，我合计，这份讲解确切想传达的，不是 AI 要抢谁的饭碗，而是：你的使命中，有多大比例是 AI 能完成的？若是比例跨越 70%，那就要警惕了。

这才是 AI 带来果然切变革：不取代东说念主，而是再行界说"东说念主该干什么"。

既然 AI 依然干一些常识关联的使命，那它的规模在哪？

微软说：信息提真金不怕火、基础写稿、及时翻译三者，组成 AI 在常识使命中的"基本盘"。他们共同特色是：输入是说话、输出是说话，过程是逻辑匹配或模式匹配。

AI 像一个超等高效的"说话处理器"，擅长信息搬运、文本重组和法式化反馈，一朝任务超出"说话处理"的限制，AI 就开动"露怯"了。

现时 AI 干得最差的是：数据分析（Process Data）、视觉联想（Create Visual Designs）、复杂方案（Make Judgments/Decisions）。

举个例子：

它作念统计图、绘制表不错，但不成相识背后的方案，刻毒计谋建议。你问它神色该不该投？它能胪列犀利，但无法承担方案背负，也无法处理履行伦理问题。

是以，不是" AI 来了，我该跑路"，而是：要学会把 AI 用在它擅长的场地，把我方自若出来，去作念它干不了的事。

既然 AI 正在蜕变使命本体，那它会不会也蜕变职场的"游戏章程"？比如，学历还遑急吗？收入会何如变？

看完讲解朗，我发现了一些道理的论断。

微软说：高熏陶工作更易被 AI 影响，但高收入工作的薪资增长不显明。举例法子员，在 AI 适用性上得分比较高，但其薪资增长并未显耀擢升。

这阐明，AI 能擢升使命效果，但它现时还不成振荡为工资，或者说，企业还没主义砍掉法子员，用 AI 来替代。

另一方面，讲解进一步揭示，AI 适用性与收入之间的接头并不是粗浅的线性接头。

某些高评分工作（如销售、办公与行政因循）天然 AI 适用性高，但收入水平比较低；相悖，一些低评分工作（如建筑工东说念主、农业使命者）尽管 AI 适用性低，但其收入水平也不高。

这种景象标明，AI 的垄断并不等同于收入提高。换句话说，AI 不错擢升效果，但就怕能径直振荡为更多的钱。

而关于熏陶与工作转型，讲解中提到，高学历工作更容易被 AI 影响，但不料味着工作会隐匿；相悖，AI 的引入促使工作发生了结构性变化，一些东说念主会从实施者向科罚者、融合者的调遣。

举例：

法子员的使命本体会从基础代码编写转向架构联想、问题调试和团队科罚；不异，案牍撰写者的使命会从纯写稿转向本体策划、品牌策略制定。

因此，往日的工作发展将愈加依赖握续学习、手段更新以及改进力。

高校和工作培训机构依然开动反馈这一趋势，像清华大学、北京大学等纷纷加入了 AI+ 专科。

中国职场有一定格外性，往日需要大批东说念主机互助的新模式，是以，能够快速恰当新技能、具备跨学科才气的东说念主群，往日占据上风；相悖，仅依赖单一手段、难以转型的东说念主群，挑战有点大。

不外，AI 也带来了新的工作契机。举例，AI 伦理师、AI 老到师、AI 本体审核员。

AI 依然蜕变了咱们的使命格局和工作发展旅途，那企业和个东说念主该若何叮咛？微软这份讲解开脱了传统叙事，给出了一些明晰的叮咛旅途。

针对企业两种聘请：要么自动化，要么增强智能。

自动化（Automate），用 AI 替代东说念主力，追求效果和资本优化，比如：制造业用 AI 质检替代东说念主工巡检，客服中心用 AI 机器东说念主处理 80% 的常见问题。

这条路相宜法式化进程高、类似性强的岗亭。

增强智能（Augment），便是用 AI 提拔职工，提高方案效果。又名医师不错用提拔读会诊书，联想师不错用 AI 生成初稿再优化创意，讼师用 AI 检索判例简易时候，这条路相宜需要专科判断、创造力和情面味的岗亭。

讲解特出提醒：别只盯着"替代"，短期内，AI 最大价值不是裁人，而是"让一个东说念骨干两个东说念主的活"，企业省了资本，职工擢升了产出，这才是双赢。

至于个东说念主应该何如作念呢？有两点。

微软提到一个词：AI 科罚者。若是你只可让 AI 帮你作念事，那你如故操作员，你得酿成它的科罚者。会发问、会判断、会调教、会整合。

具体递次上，最初，要学习写辅导词（Prompt Engineering），是明确布景、口吻、策划、体式的那种。

比如：以科技公司 CMO 身份，给潜在投资东说念主写一封邮件，先容咱们新址品的市集互异化，口吻自信但不狂躁，300 字以内。

选藏，越精确的输入，越高质料的输出。

其二，要培养我方 +AI、AI+ 我方的双规才气。类似于，AI 负责信息处理、初稿生成、数据整理；你负责计谋想考、豪情抒发、伦理把关和最终方案。

讲解中还提到，建议也不错温雅一些新兴岗亭，有些工作不会被 AI 取代，因为它们的使命便是科罚和敛迹 AI 自身。

好了，总计这个词讲解我看完，最大启发：AI 在分场景的自若东说念主的双手，确切要问的是：我的使命，哪部分它能帮我作念了，剩下时候，我能否作念点它干不了的？

参考：

[ 1 ] .Tomlinson, K., Jaffe, S.开云官网切尔西赞助商, Wang, W., Counts, S., & Suri, S. ( n.d. ) . Working with AI: Measuring the Occupational Implications of Generative AI. Microsoft Research.