AI 正在取代人们最喜欢的工作
作者： Jay DiMonte
免责声明： 本翻译仅供个人阅读和学习参考，不得用于任何商业用途或进行随意转载发布。
我们花了很多时间讨论 AI 取代工作。但我们几乎没有花时间去问它们是否是应该被取代的工作。
在自动交换机出现之前，有电话接线员，他们把电缆插进或拔出交换台，而主管则对他们去洗手间的时间进行计时。当技术赶上时，没有人为失去那项任务而哀悼。
这是自动化最好的应用：消除最乏味、最繁重和最枯燥的任务。
这是一个令人欣慰的承诺。但根据数据，正在发生的情况未必如此。
PayScale 对 500 多个职业的 270 万名工人进行了调查，问了两个问题：
- 你的工作让世界变得更好了吗？
-
你对你的工作满意吗？
大多数美国人回答“是”。
意义和满意度与工资仅呈轻度相关（r=.32，r=.42）。
神职人员（98%，90%）和外科医生（96%，83%）都位列工作成就感最高的人群之列。同时，前者赚 4.6 万美元，后者赚 36.5 万美元。
相比之下，同样位列最高薪酬之列（28.1 万美元）的航空公司飞行员，他们觉得自己的工作成就感（53%，74%）不如收入 3.8 万美元的个人护理和服务人员（83%，81%）。
还有许多低成就感的职业，比如停车场服务员（5%，41%），感觉类似于现代的接线员。这应该是我们重点自动化的工作吗？
2026 年 3 月，Anthropic 发布了《AI 对劳动力市场的影响》（Labor Market Impacts of AI），引入了“观察到的 AI 暴露度”（observed AI exposure），这是衡量 LLM 在实际工作中实际使用情况的一个指标。它提出一个问题：在 AI 可以加速的任务中，哪些在实践中得到了采用？然后，他们将这种使用情况映射到各项任务中，并将其与 756 种职业联系起来。
头条新闻：绝大多数工作（和工人）仍未受影响。
但是，在受 AI 影响的工作中，很大一部分是那种低成就感的工作。
（这里的成就感是意义和满意度的函数。）
受影响最大的工人群体是客户服务代表。他们 70% 的任务被 AI 覆盖。这并不奇怪，因为我们朝着这个方向发展已经有一段时间了。
受 AI 影响的工作与工作成就感之间甚至存在轻微的负相关（r=-0.21）。这听起来像是个好消息。
其实不是。这种关系很弱。而且它反映了当前模型的能力……并不是说它是故意针对令人不满意的工作。
要了解 AI 的真正影响，我们需要快进，看看这项技术的发展方向。
还有第二个值得关注的指标：理论上的 AI 覆盖率（theoretical AI coverage）。它从定义每个职业的任务开始，并提出一个问题：LLM 能以至少两倍的速度完成这项任务吗？把这些加起来，你就能得出这份工作有多少可以自动化的上限。
今天和那个上限之间的差距很大，但能提供很多信息。
例如，大约 95% 的商业和金融运营任务在理论上是可以自动化的，而今天只有大约 18%。相反，建筑和场地维护在很大程度上不受影响。今天只有 2.5% 的任务，即使在充分发挥潜力的情况下也只有大约 4%。
AI 化、成就感，甚至人口规模之间并没有强烈的相关性。
但是，当我们按工作性质进行分组时，模式就出现了：
- 数字/知识——分析性、基于文本或计算性的工作
- 关系/专业——由判断、人际关系或视角定义的工作
- 护理/服务——以服务或照顾人为主的工作
- 体力/体力劳动——需要建造、移动或维护的工作
突出的是：体力/体力劳动领域的劳动力池在很大程度上未受影响。
与此同时，数字/知识工作者看到了最大的潜在影响，同时他们的薪水也很高，并且相当有成就感。
值得注意的是，最有成就感的工作——照顾他人——并没有被完全自动化的风险，但很可能会感受到影响。希望 AI 能改善这些工人的体验（和薪酬！）。
美国的服务经济在很大程度上是数字经济，非常适合 AI 应用。
在数字和服务工作中，AI 覆盖率与工资相关。商业案例很简单：将每小时收费 200 美元的工作自动化，比自动化每小时 20 美元的工作要吸引人得多。
因此，AI 几乎没有帮助到租赁柜台职员或停车场服务员，他们属于那些最没有成就感、薪水较低的工作。相反，它集中在薪水更高、更有成就感的知识工作上。
由于我们还不知道 AI 是会取代数字工作还是会提升它们，成就感（和薪水）差距有进一步扩大的可能性。
这项分析存在一些偏见。
基础研究（大部分由 Anthropic 制作）的范围仅限于数字 AI/LLM 的能力，因此结论也随之而来。
出于同样的原因，你不会看到 Skild 或 Pi 的研究描述他们对会计师的影响。
尽管如此，数字 AI 远远领先于物理 AI。用 LLM 启动一个软件产品比教机器人一项任务更快、更便宜、更容易；与在你自己的车辆上安装 Waymo 的系统相比，构建一个叫 Waymo 的智能体是微不足道的。（当我说微不足道时，我的意思是一个是可能的，而另一个是不可能的。）
这不仅仅是因为工作更难自动化，而且经济学也更艰难（硬件、部署、维护方面的实际资本成本），而且故障模式也非常关键。
数字传播得更快。
因此，在短期内，这项研究是相关的研究，但它不会总是如此。
在 Grid，我们从整个工业领域供不应求的地方获得了许多灵感。具体来说，就是存在严重劳动力短缺和生产力增长停滞的地方。我们将技术视为一座桥梁。
但我们在这项研究中看到的是，今天的再工业化努力依赖于体力/体力劳动力，那里的成就感较低，而 AI 几乎还没有到达。
问题变成了：我们应该关注哪里？
我们仍然看到整个工业领域的垂直 AI 解决方案有很多机会。从取代过时的系统或数字化手动工作流程等唾手可得的果实开始。这还是在考虑到劳动力短缺和即将到来的婴儿潮一代退休之前。但我们也专注于外包服务、垂直集成商和物理自动化。
重要的是，这些市场的运作方式不同，而且工人对他们工作的看法也不同于数字优先的工作。一个强有力的商业案例对于进入一个市场至关重要。采用取决于理解目前从事这项工作的人的动机。
如果那让你感到兴奋，我们很乐意与你交谈。
