整理 | 屠敏

出品 | CSDN（ID：CSDNnews）

投稿或?qū)で髨?bào)道 | zhanghy@csdn.net

大家都說(shuō)，AI 是來(lái)?yè)尦绦騿T飯碗的。畢竟寫(xiě)代碼這塊，是各大 AI 廠牌“卷”得最兇的戰(zhàn)場(chǎng)——Claude、Cursor、Windsurf、GitHub Copilot......一個(gè)個(gè)都在拼命展示自己的編程實(shí)力。

但真相真的是這樣嗎？程序員真的是 AI 沖擊下最“危險(xiǎn)”的職業(yè)嗎？

微軟研究院最近用一項(xiàng)大規(guī)模研究給出了新的答案。他們分析了20 萬(wàn)條用戶與 Bing Copilot 的真實(shí)對(duì)話，想看看大家實(shí)際在用 AI 做什么，AI 做得好不好以及哪些職業(yè)最容易被 AI 影響。據(jù)悉，這也是目前已知規(guī)模最大的生成式 AI 實(shí)際使用分析研究。

話不多說(shuō)，先來(lái)看看微軟研究員得出的最新研究結(jié)果：

AI 影響最大的職業(yè)Top 6：

• 口譯員與筆譯員（98% 的工作內(nèi)容 AI 能勝任）

• 客服代表

• 銷售代表

• 作家與作者

• 技術(shù)寫(xiě)作人員

• 數(shù)據(jù)科學(xué)家

AI 影響最小的職業(yè)：

• 護(hù)理助理

• 按摩治療師

• 設(shè)備操作員

• 建筑工人

• 洗碗工

大家實(shí)際使用 AI 做什么？

• 信息收集最常見(jiàn)的使用場(chǎng)景
• 寫(xiě)作與編輯成功率最高的任務(wù)類型
• 客戶溝通AI 常以顧問(wèn)或教練的身份提供建議

令人意外的一些發(fā)現(xiàn)

• 高薪 ≠ 高風(fēng)險(xiǎn)收入高的工作，不一定就更容易被 AI 取代
• 學(xué)歷有一定影響：本科學(xué)歷崗位 AI 適用性略高，但差異很大
• AI 有時(shí)“跑偏”：在約 40% 的對(duì)話中，AI 實(shí)際做的事情跟用戶請(qǐng)求的并不一樣
• 動(dòng)手型職業(yè)基本沒(méi)受影響：需要實(shí)際操作的崗位，AI 目前還是“干不了”

研究方法針對(duì)這次深入的研究，微軟研究院的五位研究員聯(lián)合發(fā)布了一篇《與 AI 共事：衡量生成式 AI 對(duì)各類職業(yè)的影響》的論文。

• 論文地址：https://arxiv.org/pdf/2507.07935

其中，研究員為了搞清楚 AI 到底是怎么影響工作的，分析了 Bing Copilot（現(xiàn)在叫 Microsoft Copilot）在 2024 年美國(guó)用戶產(chǎn)生的 20 萬(wàn)條對(duì)話記錄。這些對(duì)話都經(jīng)過(guò)了匿名處理，采樣范圍為2024 年 1 月 1 日到 9 月 30 日共計(jì)九個(gè)月的實(shí)際使用數(shù)據(jù)。微軟研究員透露，本次研究他們只研究美國(guó)用戶的對(duì)話，是因?yàn)檫@樣方便和美國(guó)的職業(yè)數(shù)據(jù)庫(kù)（O*NET）進(jìn)行匹配。

注：O*NET 是一個(gè)官方、標(biāo)準(zhǔn)化的“職業(yè)任務(wù)庫(kù)”，它有一個(gè)層級(jí)結(jié)構(gòu)，用來(lái)細(xì)分工作內(nèi)容：最底層的是Tasks（具體任務(wù)），就是你日常在做的事情；中間是Intermediate Work Activities（IWA，中層工作活動(dòng)），把很多類似任務(wù)歸類；最上層是Generalized Work Activities（GWA，廣義工作活動(dòng)），是更寬泛的工作類別，比如“獲取信息”、“與他人溝通”、“分析數(shù)據(jù)”等。

一個(gè)有意思的切入點(diǎn)是，研究員把人和 AI 的每次對(duì)話分成兩個(gè)層面來(lái)分析。

• 第一個(gè)是用戶目標(biāo)（user goal），也就是用戶希望 AI 幫他做什么，通過(guò)分析這個(gè)，大家能看出 AI 實(shí)際上在執(zhí)行哪些任務(wù)；
• 另一個(gè)是AI 的實(shí)際行為（AI action），也就是 AI 在這段對(duì)話里到底干了什么。

比如說(shuō)，有人問(wèn)“怎么打印文件”，那這個(gè)用戶的目標(biāo)是“操作辦公設(shè)備”，但 AI 實(shí)際上是在“教別人如何用設(shè)備”。這兩個(gè)層面不一定一致，但都和“工作”有關(guān)。 為了更系統(tǒng)地分析，該研究團(tuán)隊(duì)把這些任務(wù)映射到了 O*NET 里的“工作活動(dòng)”分類上。這個(gè)分類系統(tǒng)會(huì)把每個(gè)職業(yè)拆解成一系列日常工作內(nèi)容，便于用更標(biāo)準(zhǔn)的方式進(jìn)行比對(duì)。 接下來(lái)，微軟幾位研究員結(jié)合了用戶對(duì) AI 回答的點(diǎn)贊點(diǎn)踩（）反饋，還有一個(gè)自動(dòng)化模型對(duì)“任務(wù)是否完成”的判斷，從而評(píng)估 AI：

• 在哪些工作內(nèi)容上幫了忙？
• 效果好不好？
• 是在干核心工作，還是只是處理了一小部分？

最后，他們根據(jù)這些因素算出了一個(gè)“AI 適用性得分”，用來(lái)衡量一個(gè)職業(yè)有多大程度正在被 AI 實(shí)際涉及、甚至取代部分工作內(nèi)容。 值得一提的是，研究里把“用戶目標(biāo)”和“AI 行為”分開(kāi)來(lái)看，并把它們對(duì)應(yīng)到具體的工作任務(wù)上，其實(shí)是為了回答一個(gè)大家常問(wèn)的問(wèn)題：AI 到底是在“取代”人類工作（自動(dòng)化），還是在“幫忙”提升效率（增強(qiáng)）？這個(gè)問(wèn)題之所以重要，是因?yàn)樗托劫Y、就業(yè)前景掛鉤——如果 AI 是“增強(qiáng)”，人類工作可能更值錢(qián)；但如果是“自動(dòng)化”，那就可能意味著裁員或降薪。 不過(guò)，研究員也特別指出：AI 的技術(shù)能力和公司最后怎么用它，是兩碼事。比如，如果 AI 讓程序員效率翻倍，公司既可以選擇擴(kuò)大團(tuán)隊(duì)、做更多項(xiàng)目，也可以選擇縮減人手、節(jié)約成本。這取決于商業(yè)策略，而不是技術(shù)本身。

所以，這份研究只關(guān)注眼下一個(gè)簡(jiǎn)單的問(wèn)題：AI 到底在做什么？是在協(xié)助人，還是直接動(dòng)手？至于這些行為將來(lái)會(huì)不會(huì)導(dǎo)致失業(yè)或漲工資，他們并不做預(yù)測(cè)。

廣義來(lái)看，AI 擅長(zhǎng)的是“腦力活”而非“體力活”

根據(jù)研究結(jié)果顯示，研究員先從“宏觀視角”分析了大家用 Bing Copilot 到底都在做哪些類型的工作？

為此，他們用上了上文提及的 O*NET 職業(yè)數(shù)據(jù)庫(kù)里最高層的分類方式，叫做 GWA，也就是“通用工作活動(dòng)”。你可以把它理解成大類標(biāo)簽，比如“搬東西”、“分析數(shù)據(jù)”、“動(dòng)腦筋”、“操作設(shè)備”這種很寬泛的活。

結(jié)果一看，還挺有意思。有些在現(xiàn)實(shí)生活中非常常見(jiàn)的工作類型，在 Copilot 的使用數(shù)據(jù)里卻幾乎沒(méi)出現(xiàn)。比如說(shuō)：

• 搬東西、體力勞動(dòng)這類“實(shí)打?qū)崱钡墓ぷ鳎?/p>

• 實(shí)時(shí)監(jiān)控或檢查機(jī)器的操作；

• 控制設(shè)備、指揮人或機(jī)器工作

這些都是需要身體參與或?qū)崟r(shí)監(jiān)控的工作，而聊天機(jī)器人顯然不擅長(zhǎng)這類任務(wù)，所以數(shù)據(jù)里出現(xiàn)得少也就不奇怪了。

上面講的是從用戶角度出發(fā)，也就是看他們?cè)趯?duì)話中輸入的 Prompt 想讓 AI 做什么。接下來(lái)我們換個(gè)視角，從 AI 實(shí)際做了什么——也就是輸出內(nèi)容——來(lái)看看對(duì)應(yīng)的 GWA 類型，主要集中在以下幾類：

• 獲取信息

• 解讀信息

• 發(fā)散性思維（比如創(chuàng)意類任務(wù)）

• 更新和使用知識(shí)

• 使用電腦工作

這些都是典型的“知識(shí)型工作”，也就是說(shuō)，AI 更常被用來(lái)處理信息、思考問(wèn)題、寫(xiě)東西、查資料等偏腦力的工作內(nèi)容。

“你說(shuō)東它答西？”——四成對(duì)話中 AI 沒(méi)能對(duì)上用戶的意圖

緊接著，研究團(tuán)隊(duì)想弄明白：用戶平時(shí)用 Copilot 最常干什么？

于是，他們把對(duì)話進(jìn)一步按照“中間層間的工作內(nèi)容分類”（IWA）拆解，結(jié)果發(fā)現(xiàn)，用戶目標(biāo)大致集中在三類活上：

• 首先是找資料，比如“收集信息”、“獲取資料”、“保持知識(shí)更新”、“閱讀文檔”；

• 其次是寫(xiě)東西或做內(nèi)容，包括“撰稿、編輯、做視覺(jué)設(shè)計(jì)”；

• 最后是對(duì)外溝通，譬如“向別人提供信息、解答技術(shù)問(wèn)題、解釋規(guī)章制度”。

再看看 AI 實(shí)際在做什么，就能看到另一幅互補(bǔ)的圖景。

AI 的動(dòng)作明顯帶著“服務(wù)”屬性，輸出的關(guān)鍵詞常常包含“回應(yīng)、提供、呈現(xiàn)、協(xié)助”。如果再細(xì)分，也能歸到三大塊：一是搜集并匯報(bào)信息（比如“整理資料”“制作說(shuō)明材料”），二是解釋說(shuō)明（像“展示研究結(jié)論”、“講技術(shù)細(xì)節(jié)”、“說(shuō)明法規(guī)”），三是直接同用戶溝通（“解答客戶問(wèn)題”、“提供幫助”、“建議下一步怎么做”）。

合在一起看，人類更多是讓 AI 幫自己“找、處理、分發(fā)信息”，而 AI 則通過(guò)“搜集、解釋、交流信息”來(lái)配合。

紅色代表用戶目標(biāo)，藍(lán)色代表 AI 行為

不過(guò)，人和 AI 的分工并不完全對(duì)稱。研究發(fā)現(xiàn)，有 40% 的對(duì)話里，用戶的目標(biāo)和 AI 實(shí)際執(zhí)行的任務(wù)，完全是兩碼事；有多達(dá) 96% 的對(duì)話，兩邊各自做的事情比重都超過(guò)了重合的部分。也就是說(shuō)，他們雖然在交流，但用戶和 AI 自身的關(guān)注點(diǎn)其實(shí)常常不一樣。

即使如此，AI 的整體表現(xiàn)還是讓不少人感到滿意。

在滿意度方面，研究員分析了一批包含用戶點(diǎn)贊數(shù)據(jù)的對(duì)話，發(fā)現(xiàn) Copilot 在大多數(shù)任務(wù)上都收獲了不錯(cuò)的口碑。只要是出現(xiàn)頻率比較高的任務(wù)，用戶給的正向評(píng)價(jià)普遍都在 50% 以上。

至于哪些任務(wù)最受歡迎？結(jié)果顯示，寫(xiě)東西、改文檔、查資料、保持知識(shí)更新，甚至是挑選商品、比較產(chǎn)品這些購(gòu)物相關(guān)的工作，用戶都表示“挺有用的”。

不過(guò)，有些任務(wù)就沒(méi)那么受歡迎了，像是做數(shù)據(jù)分析、財(cái)務(wù)計(jì)算、搞科學(xué)研究，還有視覺(jué)設(shè)計(jì)類的活，比如排版、畫(huà)圖、布置頁(yè)面等等。換句話說(shuō)，Copilot 在“文字類”和“信息類”的工作上更擅長(zhǎng)，碰上圖形或復(fù)雜數(shù)據(jù)，就有點(diǎn)力不從心。

當(dāng)然，光靠點(diǎn)贊可能還不夠全面，微軟研究員還讓另一個(gè)模型來(lái)自動(dòng)判斷每次對(duì)話有沒(méi)有把用戶任務(wù)完成。這種方式雖然沒(méi)有主觀反饋那么直接，但勝在客觀、穩(wěn)定，不受“誰(shuí)懶得點(diǎn)贊”這類因素影響。

最終結(jié)果也很一致：哪個(gè)任務(wù)點(diǎn)贊多，它的完成率一般也高。

除了“完沒(méi)完成”，研究團(tuán)隊(duì)還特別關(guān)注了一個(gè)維度：AI 到底能幫上多大一部分？簡(jiǎn)單來(lái)說(shuō)，是在任務(wù)里“參與度”有多高。有的任務(wù) AI 能搞定七八成，有的可能只能插上一句話。

結(jié)果發(fā)現(xiàn)，AI 覆蓋最廣的，還是那些信息型任務(wù)，比如找資料、寫(xiě)內(nèi)容、解釋技術(shù)。這些活本來(lái)就偏“知識(shí)處理”，AI 發(fā)揮空間大。相反，那些需要跟人打交道的，比如溝通協(xié)調(diào)、身份核實(shí)、調(diào)查信息等，AI 就很難介入太深。

還有個(gè)特別明顯的趨勢(shì)：AI 更擅長(zhǎng)“輔助人類”，而不是“替代人類”。它能協(xié)助用戶處理任務(wù)的范圍往往比它能獨(dú)立完成的部分要大很多。雖然這種“覆蓋范圍”跟點(diǎn)贊或完成率的關(guān)系沒(méi)那么強(qiáng)，但卻是一個(gè)很好的“預(yù)測(cè)信號(hào)”——用戶通常更愿意在那些 AI 能幫上不少忙的任務(wù)中使用它，而不是盲目追求“交給 AI 全權(quán)負(fù)責(zé)”。

數(shù)據(jù)科學(xué)家、Web 前端開(kāi)發(fā)者上榜“受 AI 影響最大的職業(yè)”

在研究的最后，微軟研究員給每個(gè)職業(yè)打了個(gè)“AI 適用性得分”，這相當(dāng)于是在評(píng)估：Copilot 這樣的 AI 聊天助手，在這個(gè)職業(yè)里到底能不能派上用場(chǎng)？

打分的標(biāo)準(zhǔn)有三個(gè)：第一，這個(gè)職業(yè)的工作內(nèi)容在 Copilot 用戶對(duì)話里出現(xiàn)得多不多（只要出現(xiàn)頻率超過(guò) 0.05% 就算有代表性）；第二，AI 完成這些工作的表現(xiàn)怎么樣（完成率高不高）；第三，AI 的“幫忙范圍”廣不廣（是不是只幫點(diǎn)邊角活，還是能搞定核心任務(wù)）。得分越高，就說(shuō)明這個(gè)職業(yè)更有可能被 AI 實(shí)際“用得上”。

那么，哪些職業(yè)得分最高呢？

結(jié)果顯示，在排名前 40 的職業(yè)中，排第一的是口譯員和筆譯員——他們的工作內(nèi)容里，有 98% 都和 Copilot 常見(jiàn)任務(wù)重合，而且 AI 表現(xiàn)也不錯(cuò)。

排在前列的還有很多熟面孔，比如寫(xiě)作編輯類（作家、校對(duì)、記者）、銷售客服類、編程類，還有各種辦公室文職工作（比如文員、證券事務(wù)人員）。另外，數(shù)據(jù)科學(xué)家、Web 前端開(kāi)發(fā)者等職業(yè)也紛紛進(jìn)入了受 AI 影響最大的前 40 名榜單。

這些職業(yè)有個(gè)共同點(diǎn)：都屬于“知識(shí)型”工作，也就是說(shuō)主要處理信息、文字，跟人腦打交道多，跟體力打交道少。

反過(guò)來(lái)，得分墊底的是一批需要“動(dòng)手做事”的職業(yè)，比如護(hù)理助理、按摩師這類要直接照顧人的崗位；也有水廠操作員、樁機(jī)司機(jī)、卡車司機(jī)這些要?jiǎng)釉O(shè)備、盯機(jī)器的工作；再比如洗碗工、屋頂工人、保潔員等傳統(tǒng)體力活。對(duì)于這些職業(yè)來(lái)說(shuō)，Copilot 這類“打字型 AI”暫時(shí)幫不上太多忙。

不過(guò)研究員提醒道，這個(gè)研究專注的是聊天型 AI（像 Copilot 這種 LLM）對(duì)工作的影響，沒(méi)考慮別的 AI 技術(shù)。所以像卡車司機(jī)這種職業(yè)，未來(lái)可能會(huì)被自動(dòng)駕駛影響，但目前還不太可能被聊天機(jī)器人取代。

在論文中，微軟研究員還畫(huà)了一張很有意思的圖，展示了 AI 適用性得分最高的 25 個(gè)職業(yè)，以及對(duì)這些分?jǐn)?shù)“貢獻(xiàn)最大”的 20 個(gè)中層任務(wù)（也就是 IWA，類似“撰寫(xiě)內(nèi)容”、“維護(hù)知識(shí)”、“編輯文檔”這種更具體的工作內(nèi)容）。

圖里還能看到，每個(gè)職業(yè)的“塊頭”代表它的就業(yè)人數(shù)有多大。如果一個(gè)職業(yè)的任務(wù)沒(méi)出現(xiàn)在這張圖里，但分?jǐn)?shù)還是挺高，說(shuō)明它可能還有其他“被 AI 干得不錯(cuò)”的活兒，只是沒(méi)畫(huà)出來(lái)。

這些任務(wù)很多都集中在知識(shí)密集型工作，比如編輯文稿、寫(xiě)程序、解讀文化信息等等，流向的職業(yè)也基本是技術(shù)寫(xiě)手、編輯、公關(guān)、數(shù)學(xué)家、記者、翻譯、證券文員、CNC 程序員……都是我們熟悉的“腦力工種”。

為了看得更清楚，研究團(tuán)隊(duì)還把所有職業(yè)歸類到“職業(yè)大類”這個(gè)層級(jí)上——也就是官方標(biāo)準(zhǔn)里的 22 個(gè)大類。結(jié)果一目了然：AI 目前最能派上用場(chǎng)的，是銷售類、計(jì)算機(jī)與數(shù)學(xué)類、行政支持類這幾個(gè)大類。

研究還補(bǔ)充分析了一下：AI 協(xié)助 vs. AI 代勞，到底差在哪？

他們把前面的“AI 適用性得分”拆成兩部分，一個(gè)是“用戶想讓 AI 幫忙”的任務(wù)（user goals），一個(gè)是“AI 實(shí)際上在做的事”（AI actions）。

結(jié)果發(fā)現(xiàn)，有些職業(yè)很依賴 AI 協(xié)助，但讓 AI 獨(dú)立上手就不行，比如廚師、養(yǎng)殖員這類要“動(dòng)手”的工作——AI 可以告訴你怎么做，但它做不了；另一些職業(yè)則反過(guò)來(lái)，比如培訓(xùn)經(jīng)理、HR、教練這類擅長(zhǎng)傳授知識(shí)、搞管理的職業(yè)，AI 理論上能勝任，可現(xiàn)實(shí)中用戶卻沒(méi)怎么用它來(lái)干這些事。

工作的 AI 化與薪資、學(xué)歷并無(wú)直接關(guān)系

一個(gè)職業(yè)會(huì)不會(huì)被 AI 波及，和工資與學(xué)歷高低有關(guān)系嗎？這是很多人關(guān)心的問(wèn)題。

早期有些研究說(shuō)，高薪職業(yè)反而更容易被生成式 AI 盯上；但也有研究表示，傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)跟工資之間壓根沒(méi)啥關(guān)系。那這次微軟研究團(tuán)隊(duì)拿 Copilot 的真實(shí)使用數(shù)據(jù)來(lái)一看，結(jié)果有點(diǎn)出人意料——

基本沒(méi)啥關(guān)系。

研究員試著把每個(gè)職業(yè)的 AI 適用性得分和工資掛鉤分析了下（工資數(shù)據(jù)來(lái)自美國(guó)勞工統(tǒng)計(jì)局），畫(huà)了各種圖，算了各種平均數(shù)，最后得出的結(jié)論是：兩者的相關(guān)性只有 0.07，低得可以忽略不計(jì)。就算你把那些頂尖高薪崗位排除掉再算一次，也只是漲到 0.13，依然挺弱。

而且還發(fā)現(xiàn)一個(gè)“攪局大戶”——銷售、行政、辦公室類工作。這些職位工資不算高，但 AI 用得很頻繁，而且從業(yè)人數(shù)還不少，直接把“AI=高薪”的邏輯給打破了。

當(dāng)然，如果你不考慮就業(yè)人數(shù)，只看每個(gè)職業(yè)的平均分?jǐn)?shù)，相關(guān)性會(huì)稍微強(qiáng)一點(diǎn)（比如用戶請(qǐng)求這邊相關(guān)性是 0.17，AI 實(shí)際執(zhí)行是 0.21），但還是算不上強(qiáng)關(guān)聯(lián)。

那學(xué)歷呢？

研究發(fā)現(xiàn)，需要本科學(xué)歷的職業(yè)，AI 適用性普遍更高。比如，本科崗位的平均得分是 0.27，而不需要本科學(xué)歷的職業(yè)平均只有 0.19，差距還挺明顯的，統(tǒng)計(jì)上也很顯著。

不過(guò)也別以為“學(xué)歷越高越 AI 化”是鐵律。因?yàn)殇N售、辦公室助理這類不要求本科的職業(yè)，AI 適用性分?jǐn)?shù)也挺高，尤其在人多的行業(yè)里更是如此。所以一旦把這些工作考慮進(jìn)去，整個(gè)“學(xué)歷越高 AI 越好用”的趨勢(shì)也就沒(méi)那么線性了。

簡(jiǎn)單說(shuō)——AI 到底會(huì)不會(huì)影響你的工作，關(guān)鍵不在于你賺多少錢(qián)、讀了幾年書(shū)，而是你做的活是不是信息密集型。要是你的工作是靠處理文字、分析資料、生成內(nèi)容的，AI 就很可能插得上手；但如果是動(dòng)手干活、跑現(xiàn)場(chǎng)，那 AI 暫時(shí)幫不上什么忙。

部分網(wǎng)友破防：AI 的崛起對(duì)數(shù)據(jù)科學(xué)家太不公平了

這項(xiàng)研究一出，立刻在 Reddit 等社區(qū)引發(fā)熱議。很多從業(yè)者看了榜單直呼“破防”，有人自嘲道：“從數(shù)據(jù)主管到洗碗機(jī)主管，這都非常適合我……”

不少人原本以為 AI 的影響會(huì)集中在幾個(gè)特定領(lǐng)域，沒(méi)想到研究結(jié)果顯示：幾乎每一個(gè)崗位都或多或少被 AI 點(diǎn)了名，而且還不是隨便說(shuō)說(shuō)——這些結(jié)論是從真實(shí)用戶用 Copilot 聊出來(lái)的數(shù)據(jù)里推出來(lái)的。

有網(wǎng)友看完調(diào)侃：“RIP 數(shù)據(jù)科學(xué)家，太不公平了。”也有同行認(rèn)真回應(yīng)：

他們這次衡量“影響”的方式挺有意思。就我個(gè)人來(lái)說(shuō)，作為一名數(shù)據(jù)科學(xué)家，AI 對(duì)我的影響確實(shí)非常大。我的產(chǎn)出大概提高了 10 倍——或者說(shuō)，完成同樣工作所需的有效工時(shí)大幅下降（當(dāng)然，我可不希望因此桌上堆更多任務(wù) ）。所以從這個(gè)角度看，影響確實(shí)很大。

不過(guò)，考慮到我現(xiàn)在的職級(jí)（Principal），寫(xiě)代碼只是我工作的一部分。AI 對(duì)我工作中其他部分的影響，比如制定策略、做規(guī)劃、和業(yè)務(wù)方協(xié)作等，其實(shí)非常有限。

所以……我只能說(shuō)一句：RIP 初級(jí)數(shù)據(jù)科學(xué)家。

也有一些程序員表示“暫時(shí)躲過(guò)一劫”。一位開(kāi)發(fā)者評(píng)論說(shuō)：

“還好程序員沒(méi)在這份榜單上。AI 現(xiàn)在處理稍微復(fù)雜點(diǎn)的編程任務(wù)就有點(diǎn)拉垮，尤其是涉及公司內(nèi)部系統(tǒng)或要理解大規(guī)模代碼庫(kù)的項(xiàng)目。你要是真打算用 AI 替掉一堆程序員，最后可能還得再招人回來(lái)，把它搞砸的東西修好?！?/blockquote>

那么，你覺(jué)得 AI 正在“幫你省事”，還是“準(zhǔn)備取代你”？你的職業(yè)在這份 AI 高影響榜單上嗎？

參考：

https://www.reddit.com/r/OpenAI/comments/1lwzcl1/microsoft_study_reveals_which_jobs_ai_is_actually/

https://arxiv.org/abs/2507.07935

明晚 20:00，【開(kāi)談】來(lái)了！
AI 正在重塑組織，你的工作是被“替代”還是被“增強(qiáng)”？
《無(wú)人公司》作者李智勇 × Tanka.ai CEO 林宋琪，首次同臺(tái)拆解：
· 超級(jí)團(tuán)隊(duì) VS 無(wú)人公司
· AI 原生產(chǎn)品，究竟該長(zhǎng)什么樣？
· SaaS 終局：共存 or 被 AI 吃掉？
掃碼預(yù)約，明晚一起搶跑未來(lái)！