我能否做点它干不了的？

看了份报告，时间不算太新。

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

中文可以理解为《生成式 AI 与就业：职业影响评估》

整个报告，讨论生成式 AI 对全球职场的具体影响，它们通过分析 20 万个匿名对话，揭露 AI 如何改变我们的生活方式，并评估了不同职业受 AI 影响的程度。

大概看完后，我认为可以分五个部分。第一个部分，主要讨论：生成式 AI 如何通过任务分类影响不同职业的适用性。

他们调研很有趣，用美国劳工部 O*NET 职业分类体系，把工作分拆到任务层面。

最上层叫广义工作活动，比如：提供客户服务、管理项目。

中间层叫重要工作活动，回应客户询问、协调团队任务等；最底层是具体的任务（Tasks），发个邮件、处理个表格等。

然后，研究人员让 AI 去判断，这些对话是在完成哪一类任务，完成得怎么样，以及是否可以被替代。

一个人问：帮我写一封辞职信，语气要礼貌但坚定，理由是职业发展受限；系统就会标记：这属于 " 写作类任务 "，子类是 " 撰写正式沟通文本 "，完成度很高，AI 完全可以胜任。

而如果有人问：帮我把这台老式冲压机的液压系统调到最佳压力；系统可能标记：" 设备操作类任务 "，但 AI 无法直接执行，只能提供参考手册或视频链接。

通过 " 任务映射 + 完成率评估 " 的方式，报告算出了每个职业的 AI 适用性评分（AI Applicability Score）。

这个分数综合了三个维度，分别是：

覆盖率，这个职业的多少任务能被 AI 覆盖？完成率，AI 在这些任务上能做到什么程度？影响范围，这些任务在整个工作中的权重有多大？

最终结果显示，越依赖信息处理、文本生成、沟通协调的职业，AI 适用性越高；越是依赖物理操作、现场判断、人际互动的，AI 越难插手。

像销售这个职业，AI 适用性评分高达 0.84。

这是因为销售人员大量时间花在写邮件、做 PPT、查客户背景、生成报价单等任务上，这些都是 AI 的强项。AI 甚至能分析客户语气，建议回复策略，生成个性化提案。

相比之下，" 建筑工人 " 的评分只有 0.15。

虽然 AI 能帮助画图纸、算材料，但在 38 度高温下绑钢筋、判断墙体承重是否达标、与工友协调施工节奏等工作，AI 目前还无法胜任。

其中一个比较有意思。办公与、支持类职业，AI 评分也很高。这些职业包括文秘、助理，而医疗保健支持类（护工），评分极低。

因为这类工作太依赖 " 在场 " 和 " 共情 "，扶老人上床、观察病人情绪变化、处理突发状况，AI 目前还做不到。

所以你看，AI 不是 " 取代某个职业 "，而是渗透进职业里的具体任务。

有些职业 70% 以上的任务都能被 AI 接管，而有些职业可能只有 20% 的任务能够被辅助。这也解释了为什么 AI 对人的影响是任务级别的，而不是职业级别的。

因此，它打破了 AI 来了，有人要失业的二元叙事，直接从你做的工作场景出发，揭露影响。

任务场景能被拆解，哪些职业被 AI 盯的最紧？微软报告说：越依赖信息处理、文本生成、沟通协调的职业，AI 适用性评分越高，越容易被干掉。

智远罗列了下，排在最前面的有销售相关的、计算机与数字相关的、行政支持相关的。

这些职业的共同特点是：工作高度集中在 " 屏幕之内、语言之中、流程之间 "。写 PPT、查数据、回消息、走流程，这是 AI 的主战场。

比如：翻译这个角色，几乎是所有职业里最高，AI 能适用 98% 的场景，现在一个外贸业务员，用 AI 实时翻译跟中东客户谈生意，已经不是新鲜事。

还有客户服务代表，每天重复回答 " 怎么退货 "" 订单在哪 "" 发票怎么开 "，AI 做的比人要好，情绪稳定还不崩溃。

那谁最安全？

微软说，几乎集中在「身体在场、动手操作、情感互动」的领域。像建筑与提取职业、农业、渔业、林业职业、还有医疗保健支持、个人护理与服务行业等。

这些工作的核心价值不在 " 说 " 或 " 写 "，而在 " 做 " 和 " 在 "。你让 AI 去给老人洗澡、去工地绑钢筋、去果园摘苹果、去理发店剪头发，它做不到。

所以，我认为，这份报告真正想传达的，不是 AI 要抢谁的饭碗，而是：你的工作中，有多大比例是 AI 能完成的？如果比例超过 70%，那就要警惕了。

这才是 AI 带来的真正变革：不取代人，而是重新定义 " 人该干什么 "。

既然 AI 已经干一些知识相关的工作，那它的边界在哪？

微软说：信息提取、基础写作、实时翻译三者，构成 AI 在知识工作中的 " 基本盘 "。他们共同特点是：输入是语言、输出是语言，过程是逻辑匹配或模式匹配。

AI 像一个超级高效的 " 语言处理器 "，擅长信息搬运、文本重组和标准化响应，一旦任务超出 " 语言处理 " 的范畴，AI 就开始 " 露怯 " 了。

目前 AI 干得最差的是：数据分析（Process Data）、视觉设计（Create Visual Designs）、复杂决策（Make Judgments/Decisions）。

举个例子：

它做统计图、画图表可以，但不能理解背后的决策，提出战略建议。你问它项目该不该投？它能罗列利弊，但无法承担决策责任，也无法处理现实伦理问题。

所以，不是 "AI 来了，我该跑路 "，而是：要学会把 AI 用在它擅长的地方，把自己解放出来，去做它干不了的事。

既然 AI 正在改变工作内容，那它会不会也改变职场的 " 游戏规则 "？比如，学历还重要吗？收入会怎么变？

看完报告后，我发现了一些有趣的结论。

微软说：高教育职业更易被 AI 影响，但高收入职业的薪资增长不明显。例如程序员，在 AI 适用性上得分比较高，但其薪资增长并未显著提升。

这说明，AI 能提升工作效率，但它目前还不能转化为工资，或者说，企业还没办法砍掉程序员，用 AI 来替代。

另一方面，报告进一步揭示，AI 适用性与收入之间的关系并不是简单的线性关系。

某些高评分职业（如销售、办公与行政支持）虽然 AI 适用性高，但收入水平比较低；相反，一些低评分职业（如建筑工人、农业工作者）尽管 AI 适用性低，但其收入水平也不高。

这种现象表明，AI 的应用并不等同于收入提高。换句话说，AI 可以提升效率，但未必能直接转化为更多的钱。

而对于教育与职业转型，报告中提到，高学历职业更容易被 AI 影响，但不意味着职业会消失；相反，AI 的引入促使职业发生了结构性变化，一些人会从执行者向管理者、协调者的转变。

例如：

程序员的工作内容会从基础代码编写转向架构设计、问题调试和团队管理；同样，文案撰写者的工作会从纯写作转向内容策划、品牌策略制定。

因此，未来的职业发展将更加依赖持续学习、技能更新以及创新力。

高校和职业培训机构已经开始响应这一趋势，像清华大学、北京大学等纷纷加入了 AI+ 专业。

中国职场有一定特殊性，未来需要大量人机协作的新模式，所以，能够快速适应新技术、具备跨学科能力的人群，未来占据优势；相反，仅依赖单一技能、难以转型的人群，挑战有点大。

不过，AI 也带来了新的职业机会。例如，AI 伦理师、AI 训练师、AI 内容审核员。

AI 已经改变了我们的工作方式和职业发展路径，那企业和个人该如何应对？微软这份报告摆脱了传统叙事，给出了一些清晰的应对路径。

针对企业两种选择：要么自动化，要么增强智能。

自动化（Automate），用 AI 替代人力，追求效率和成本优化，比如：制造业用 AI 质检替代人工巡检，客服中心用 AI 机器人处理 80% 的常见问题。

这条路适合标准化程度高、重复性强的岗位。

增强智能（Augment），就是用 AI 辅助员工，提高决策效率。一名医生可以用辅助读诊断书，设计师可以用 AI 生成初稿再优化创意，律师用 AI 检索判例节省时间，这条路适合需要专业判断、创造力和人情味的岗位。

报告特别提醒：别只盯着 " 替代 "，短期内，AI 最大价值不是裁员，而是 " 让一个人干两个人的活 "，企业省了成本，员工提升了产出，这才是双赢。

至于个人应该怎么做呢？有两点。

微软提到一个词：AI 管理者。如果你只能让 AI 帮你做事，那你还是操作员，你得变成它的管理者。会提问、会判断、会调教、会整合。

具体方法上，首先，要学习写提示词（Prompt Engineering），是明确背景、语气、目标、格式的那种。

比如：以科技公司 CMO 身份，给潜在投资人写一封邮件，介绍我们新产品的市场差异化，语气自信但不浮夸，300 字以内。

注意，越精准的输入，越高质量的输出。

其二，要培养自己 +AI、AI+ 自己的双规能力。类似于，AI 负责信息处理、初稿生成、数据整理；你负责战略思考、情感表达、伦理把关和最终决策。

报告中还提到，建议也可以关注一些新兴岗位，有些职业不会被 AI 取代，因为它们的工作就是管理和约束 AI 本身。

好了，整个报告我看完，最大启发：AI 在分场景的解放人的双手，真正要问的是：我的工作，哪部分它能帮我做了，剩下时间，我能否做点它干不了的？