新智元报道
新智元报道
【新智元导读】AI想替代谁？谁愿意被替代？北大校友的研究首次揭示数据真相！
1769年，瓦特改进了蒸汽机。
1945年，计算机诞生。
2001年，3G移动网络开始部署。
这些发明创新彻底改变了人的生活：从农田到工厂，从体力劳动到脑力劳动，从线下工作到线上工作。
2025年，AI智能体来了。这次是好是坏？
AI智能体将带来规模最大的职场变革：仅在美国，就有多达7000万名工人即将面临这场变革。
但几乎从来没有人关心他们真正的想法。
在AI加速自动化各种工作的时代，斯坦福大学的研究团队选择了另一种路径：研究美国劳动力中，工人们的意愿与 AI 能力之间的差距。
论文链接：https://arxiv.org/abs/2506.06576
博客链接：https://futureofwork.saltlab.stanford.edu/
这次，团队有3大研究发现：
-
职场AI智能体的需求-能力分布图揭示了AI研究的关键错配现象：41.0%的Y Combinator企业任务集中在低优先级区和自动化「红灯」区
-
众多任务需要人机对等协作，但从业者普遍期望更高程度的人类主导权，这一矛盾可能引发摩擦
-
若AI智能体开始进入劳动力市场，人类核心能力或将转向人际交往与组织协调技能。
这是跨学科研究团队：
计算机：Yijia Shao，Humishka Zope，Yucheng Jiang，杨笛一（Diyi Yang）
数字经济：David Nguyen, Erik Brynjolfsson
计算机+数字经济：Jiaxin Pei
团队建立了基于调查的严谨评估框架，用于摸清在全美各职业中，AI智能体实现「自动化」和「增强人类能力」的潜力。
利用美国劳工部的数据库，他们开展了以下工作：
-
调查了104个职业领域的1500名行业专家
-
招募了52名AI研究员和开发者来评估当前AI智能体的能力
基于这些数据，研究人员构建了「AI智能体从业者前景与准备度知识库」（Worker Outlook & Readiness Knowledge Bank，WORKBank）。
如果不从事AI相关工作，为什么你也应该关心这件事？
因为AI的「真香定律」：「你可能对AI不感兴趣，但AI终将对你产生兴趣。」
为了指导未来AI智能体的研发，并帮助研究人员人类为未来的工作做好准备，团队正式发布了WORKBank数据库的第一个版本。
AI正在职场引发革命！
2023年，OpenAI等机构的研究表明，约80%的美国劳动者可能面临大语言模型（LLM）影响其至少10%的工作任务，其中19%的劳动者超过半数职责或将受到冲击。
论文链接：https://arxiv.org/abs/2303.10130
2025年初，Anthropic分析了LLM使用数据，结论进一步显示：
在36%的职业中，AI工具已活跃应用于至少25%的工作任务。
论文链接：https://arxiv.org/abs/2503.04761
对普通打工人而言，AI到底是福是祸？
这一次AI专家携手经济学家，直接从一线从业者反馈获取洞见。
他们提出了双视角的审计框架：
一是工人希望AI承担哪些任务，
二是专家评估AI实际上能胜任哪些任务。
为了帮助参与者准确表达想法，问卷设计了有逻辑引导的问题，并加入音频访谈，方便他们结合实际工作经验回答。
基于这个框架，研究团队构建了WORKBank数据库，用数据全面描绘需求和影响：
· 工人的实际需求
· 任务能否被AI接手的图谱（意愿—能力分布）
· 不同任务对人类参与程度的要求（HAS等级）
· 这些变化可能对人类核心技能产生的影响
图1：审计框架概览与关键发现
为何不愿让AI智能体介入工作？
利用AI对工人语音回答进行归类，研究人员总结了AI自动化最常见的三大担忧：
-
45%表示：不信任AI系统的准确性、能力或可靠性；
-
23%担心：AI会取代自己的工作；
-
16.3%认为：AI缺乏「人味」，无法做到人类那种沟通、理解与判断。
从行业来看，艺术、设计与媒体领域的抵触情绪最明显——
在这些领域里，只有17.1%的任务得到了工人的正面自动化评价。这说明，在更依赖创造力与情感表达的工作中，工人对AI的接受度更低。
哪些任务愿意让AI来做？
研究团队发现，在约46.1%的任务中，正在从事这些工作的工人表示「愿意让AI来做」。
即便是在被提醒要考虑「失业风险」或「工作变得无聊」之后，他们依然在问卷中打了超过3分（满分5分）的支持评分，说明这些任务更容易被接受自动化。
自动化意愿评分在任务中的分布。纵轴为工人对任务自动化的意愿评分（1到5分），横轴为844项任务的排名
上图显示，有46.1%的任务评分高于3分，表示工人对这些任务由AI自动完成持积极态度。
排名前3的任务包括：
-
报税员：安排客户预约（5.00分）
-
公共安全通信员：维护紧急呼叫相关信息档案（4.67分）
-
考勤文员：记录并调整因错误造成的工资问题（4.60分）
评分最低的3个任务则是：
-
编辑：撰写文章、社论或通讯稿（1.60分）
-
物流分析师：联系供应商了解物料情况（1.50分）
-
售票与旅行服务员：追踪客户行李丢失或延误情况（1.50分）
为什么工人希望让AI来接手工作？
研究团队调查了支持自动化的工人为什么愿意让AI来帮忙——通过多选题和自由回答两种方式。
最常见的理由是：「可以把时间腾出来，去做更有价值的工作」，这项理由被69%的人选中。
其他常见原因包括：任务太重复（47%）、太累太有压力（26%）、或者希望通过AI提升工作质量（47%）。
从工人和专家的评分对比中，研究人员把任务大致分成了四个区域：
-
绿灯区：工人想交给AI，AI技术也能胜任。是最理想的自动化对象，有望带来效率与社会效益双赢。
-
红灯区：AI技术没问题，但工人不愿意。这类任务部署AI要小心，容易引发抵触或更大争议。
-
研发机会区：工人很希望AI来做，但现在AI还做不到。是未来技术突破的重点方向。
-
低优先级区：工人不想交给AI，AI也还做不到。暂时不是AI发展的重点。
意愿—能力图谱
这张「意愿—能力图谱」帮助识别出哪些任务值得重点投入。
但当把YC旗下的创业公司与这些任务匹配时，研究人员发现：目前的投资并未优先关注「绿灯区」或「研发机会区」。反而有约41%的YC公司集中在「红灯区」或「低优先级区」这些不太受欢迎或技术难度高的任务。
换句话说，许多「技术可行+工人也欢迎」的任务，其实并没有得到应有的重视。
这提醒我们：AI的发展不仅要看技术本身，也要看人们真正想要什么。
AI智能体对工作的影响并非简单的「自动化」或「非自动化」这样的二选一问题。
为此，研究人员引入了「人类能动性等级」（Human Agency Scale）：包含 5 个等级的量表，涵盖了从「完全自动化」到「人机协作增益」之间的各种状态——
在后一种状态下，技术主要用于补充和增强人类的能力。
H1：AI能完全独立完成任务，无需人参与。
H2：AI能完成大部分任务，偶尔需要人类输入。
H3：AI和人类平等协作，效果优于任何一方单独完成。
H4：AI必须依赖人类才能完成任务。
H5：AI无法独立完成任务，必须全程由人主导。
这一等级体系不是说「越高越好」，而是用来匹配不同任务的实际需求。
下图2展示了这五个等级在不同任务中的具体例子，比如哪些任务适合完全交给 AI，哪些则需要人机长期协作。
HAS不仅能让人更清楚地理解「AI适合做什么」，也为打工人准备未来技能、开发者设计更合理的AI智能体提供了清晰的参考。
总体上，工人更倾向于较高水平的人类参与，这可能预示着随着AI能力增强，会产生一定的摩擦。
在调查的104种职业中，有47种工人最倾向的等级是H3——也就是「人机平等协作」。
这说明，很多工人并不想让AI全面接管工作，而是希望AI成为有力的合作伙伴。
不过，也出现了值得注意的现象：在将近一半（47.5%）的任务中，工人希望的「人类参与度」远超专家估计。
更极端的是，有16.4%的任务，工人希望的等级高出专家评估两个档次。这意味着，哪怕AI已经技术上「能做」，很多工人还是不放心、不愿放手。
人类能动性程度在同一职业内部也存在差异，有些任务适合自动化，有些则不然。
这也提醒开发者：在设计AI智能体时，不能一刀切。
并不是所有类型的工作都会同样受到AI的影响。
为了理解未来工作的走向，以及哪些技能将变得最有价值，研究团队进一步利用 WORKBank数据库来分析人类技能的变化趋势。
最后发现了三项可能影响未来人类工作的趋势：
-
对信息处理类技能的需求正在减弱。它们在那些人类参与度高的任务中出现较少。
-
人际沟通与组织管理类技能正变得更重要。它们在高HAS等级的任务中更为常见。
-
高人类参与度的技能涵盖多种维度。平均人类参与度最高的前十项技能，跨越了人际、组织、决策与判断等多个方面。
Yijia Shao是斯坦福大学的博士生，师从杨笛一教授。
此前，她在北京大学元培学院获得学士学位。
她曾在微软亚洲研究院、谷歌Tensorflow Lite团队实习。
她的研究方向为机器学习与自然语言处理。
（文：新智元）