撰文：范式不稳定
今年 2 月，Claude 模型的开发公司 Anthropic 完成了一场独特的「职场田野调查」。他们分析了超 400 万次用户对话，并将其与美国劳工部 O*NET 职业数据库进行匹配，该数据库详细记录了上千种职业及 19530 类工作职责。这种数据化的匹配，首次清晰揭示了 AI 正在如何融入各项工作、具体影响哪些岗位。
（为了保护隐私，研究团队用了一套叫 Clio 的「隐私保护放」系统，只能分析聚合后的数据而无法接触到具体个人的聊天记录。）
一、AI 的铁粉：不是老板，而是「码农」和「文字工作者」
研究结果出来后，第一个发现是：AI 的使用情况极其「偏科」。将近一半的用途，都集中在两个领域。
冠军：计算机与数学领域（占比 37.2%）
没错，AI 的头号「铁粉」，是码农。
想象这个场景：程序员小张正在开发一个电商 App，突然程序崩溃，报错信息像天书一样看不懂。以前，他可能要花半天时间挠着本就不多的头发，在代码海洋里苦苦寻找问题。现在，他把代码和报错信息扔给 Claude：「兄弟，这是啥问题？」AI 一看就回复：「问题出在第 XX 行，这个参数格式不对。」
从「开发维护软件」到「编程调试」再到「设计数据库」，这些都是程序员们最常让 AI 帮忙做的事。对他们来说，AI 不是来抢饭碗的，更像是一个 24 小时待命、不知疲倦的编程搭子。
亚军：艺术与媒体领域（占比 10.3%）
排第二的是那些靠「笔杆子」吃饭的人。这个听着很「文科」的领域实际上和 AI 配合得特别好。
比如，市场部的小李要写一篇产品推广文案。她可以让 AI 先「头脑风暴」几个标题，然后自己挑一个最好的继续写。写完初稿后，她又把文章给 AI 看：「帮我检查一下，语言够不够吸引人？能不能再活泼点？」而当她需要按特定格式发布文章时，AI 也能迅速完成排版。
这类用户包括技术文档写手、广告文案、编辑，甚至档案管理员。对他们来说，AI 是灵感库、校对员和排版工具的完美结合。
不过 AI 使用的职业分布严重失衡，参考下面的图片，仅占全美工作 3.4% 的计算机与数学职业，在 AI 对话中占比却高达 37.2%；相比之下，合计占全美近 30% 的食品、销售和运输岗，对话总和仅有 3%。
原图片来自 Anthropic 研究数据集，此图片使用 AI 翻译工具生成
二、AI 是「替代者」还是「增强器」？目前更像「超级助手」
搞清楚「谁在用」后，下一个关键问题是「怎么用」。报告给出了一个重要数据：57% 的用法属于「增强」，43% 属于「自动化」。
这说明，目前 AI 更多是在当「增强器」。研究人员把人机协作分成了五种模式：
自动化行为（43%）
-
指令式：最简单的「自动化」，就像使用工具。「把这段翻译成英文」，AI 直接给结果，几乎没互动。
-
反馈循环：程序员常用。用户把代码给 AI，运行报错后再把新情况反馈给 AI，如此循环直到解决。人主要是个「传话筒」。
增强行为（57%）
-
任务迭代：深度协作。你让 AI 设计网页，AI 给出初版后，你说：「布局不错，但颜色太暗，能换亮点的吗？按钮也放大点。」就像两个同事不断迭代，共同完成任务。
-
学习：不是为了完成任务，而是获取知识。「能用简单比喻解释下什么是『神经网络』吗？」AI 在这里是个全能老师。
-
验证：你已完成工作，但想让 AI 帮你检查。比如写完 SQL 代码，让 AI 看看逻辑有没有问题，有没有更好的写法。
这个 57% 比 43% 的比例表明，大部分时候我们不是被动地「被 AI 服务」，而是主动地「驾驭」AI。它更像个强大的外部大脑，我们用它来学习、迭代和验证工作，最终让自己变得更强。
三、收入越高，用 AI 越多？答案是「倒 U 型」
这可能是一个反常识的发现。AI 的使用率和工资的关系，不是直线上升，而是一个「倒 U 型」曲线。
金字塔的底层和顶层，用得都少
-
低收入职业：餐厅服务员、建筑工人、卡车司机。他们的工作需要大量体力和现实世界互动。AI 现在还长不出手脚，自然难以参与。
-
极高收入职业：外科医生、法官、高级管理。这些工作不仅需要顶级专业知识，还要承担巨大责任和风险，决策过程复杂且充满不确定性。目前 AI 还远达不到这种水平，法规和伦理限制也很多。
-
中高收入的「技术白领」是绝对主力。AI 使用高峰出现在那些需要「大量准备」但又未到「顶级专家」程度的职业，比如软件开发者、数据分析师、财务分析师、市场经理等。
这个「倒 U 型」分布清晰地显示了当前 AI 能力的边界。它最擅长处理那些有固定规则、以信息和数据为核心、但又需要相当智力投入的知识型工作。
四、AI 正在模糊专业界限、造成「技能通货膨胀」
研究中的一个有趣发现是，很多被分类为特定职业任务的 AI 对话实际上来自非该领域的专业人士。例如，被归为「营养师工作」的查询可能来自普通人寻求饮食建议，而不是专业营养师。
这代表着一种新趋势：AI 正在模糊专业界限，使普通人能够进入以前需要专业训练的领域。这种「专业知识平权」可能带来更广泛的知识获取和应用，但也引发了关于专业价值和质量控制的问题。当 AI 让每个人都能做「半个专家」时，专业服务的边界和价值将如何重新定义？
这同时也揭示另一个重要趋势：AI 正在创造一种新的「技能通货膨胀」。当 AI 能轻松完成基础编程时，「会编程」就不再是优势。这会深远的影响就业市场，甚至是这个社会对工作的定义。工作的定义本身就一直在变化，几十年前，如果你说「做打字」，人们就知道你正在做一种很专业的工作。但现在你说「在打字」，大家会认为你说了废话，因为打字本身已不再被视为一项专业技能，因此「在打字」这三个字曾经暗含的「正在工作」的含义已经消失。
随着 AI 的发展，我们今天认为有价值的许多技能可能也会经历类似的转变。
结论：别怕 AI 来抢饭碗，但要学会怎么与它相处
这份来自 400 万次真实对话的「战报」，给我们描绘了一幅比「失业论」更复杂、也更有意思的图景。
总的来说，AI 革命不是一下子消灭某个职业，而是一场「渗透战」，它正以「任务」为单位，悄悄改变我们工作的方方面面。研究显示，大约 36% 的职业，其至少四分之一的工作任务已经受到了 AI 的影响。有 4% 的职业，工作任务的 AI 渗透率已经超过了 75%。虽然占总体比例还不够高，但考虑目前只是 AI 时代的开端，这种渗透速度已经算得上惊人了。
这种渗透是无声无息的，即使在那些看起来与技术无关的领域也在发生。例如，律师们可能不会被 AI 完全取代，但那些不使用 AI 进行案例研究和文档准备的律师，可能会被那些善用 AI 的同行超越。
对我们每个普通人来说，这份报告最大的启示是：至少短期内，我们与其担心被 AI 本身抢走工作，不如担心被那些更会用 AI 的同行抢走工作。
前进的路也因此变得清晰：
短期看，要学会与 AI 配合，把它当作能力超强的副驾驶、不知疲倦的实习生，让它帮我们自动化重复性任务、迭代创意工作、验证想法、学习新知识。
中期看，要学会当 AI 的「老板」。这需要技术：理解 AI 的能力边界，精准定义问题、拆解任务、下达指令，评估整合结果，主导工作流。这不简单，需技巧和大量实践。
历史上，每一波技术浪潮都遵循「淘汰旧岗位、催生新行业」的规律。蒸汽机淘汰了马车夫，却创造了庞大的工业和物流；电力让点灯人下岗，却开启了全新的电器和娱乐时代。
长期看 AI 会取代重复性脑力工作，但这不会贬低人的价值，反而让我们更显珍贵。我们不再只是执行，而是提出问题；不只处理已有数据，而是勇敢探索未知；不满足于模仿，而是追求独创的点子；不靠冷冰冰的交互，而是用温暖的同理心建立真连接；最终，我们追寻的不是效率，而是意义。这些，正是算法无法攀登的人性高地。
你不必担心 AI，但要担心不会用 AI 的自己。
