生成式AI，这个在过去几年里迅速崛起的技术，正以惊人的速度渗透到我们生活的方方面面，尤其是在工作领域。
你是否好奇，AI究竟在帮助我们完成哪些任务？它对不同职业的影响又有多大？
最近，微软研究院发布了一项重磅研究报告《Working with AI: Measuring the Occupational Implications of Generative AI》。
它通过分析20万条匿名的微软Bing Copilot（现已更名为Microsoft Copilot）用户对话数据，深入揭示了生成式AI在真实世界中对职业活动的影响。
这项研究的独特之处在于，它不仅仅停留在理论预测，而是基于真实的用户行为数据，为我们描绘了一幅AI时代职场的清晰图景。
一、AI在帮我们做什么？
研究人员提出了一个核心洞察：AI在工作中的角色是双向的。他们区分了两种不同的工作活动：
• 用户目标 (User Goal)： 用户寻求AI协助完成的任务。 • AI行动 (AI Action)： AI自身在对话中执行的任务。
通过对大量对话的分析，研究发现：
• 用户最常寻求AI协助的任务是：信息收集、写作和与人沟通 • AI最常执行的行动是：提供信息和协助、写作、教学和提供建议
这表明，AI在很大程度上扮演着人类的“服务者”角色，例如充当教练、顾问或老师，帮助用户处理信息、生成内容。
有趣的是，用户目标和AI行动常常是不同的，在约40%的对话中，两者所涉及的工作活动完全不重叠。
图：展示各种通用工作活动在Copilot中的使用频率
图：展示“用户目标”（左图）和“AI行动”（右图）中最常见的具体工作
二、哪些工作AI做得最好？
这项研究不仅关注AI被用于哪些任务，更进一步评估了AI在这些任务中的表现如何，包括用户满意度、任务完成率和影响范围。
AI表现出色、成功率高的任务包括：
• 写作和编辑文本（如编辑文档、撰写商业材料）。 • 信息研究（如研究医疗问题、法律条文、维护专业知识）。 • 评估或购买商品。
AI表现相对较弱、成功率较低的任务则包括：
• 数据分析（如处理数字数据、分析科学数据）。 • 视觉设计（如创建视觉设计、艺术表演）。
值得注意的是，当AI直接提供支持或建议时，用户的满意度反而低于AI帮助用户去提供支持或建议的情况。
这暗示了AI作为辅助工具的潜力，而非完全替代人类的决策或互动。
图：展示用户反馈中满意度最高和最低的工作活动图
三、哪些职业受AI影响最大？——AI适用性得分揭示
为了量化AI对职业的潜在影响，研究人员计算了一个“AI适用性得分”（AI applicability score）。
该得分综合考虑了AI在特定职业活动中的使用频率、任务完成率和影响范围。得分越高，表示该职业受AI影响的潜力越大。
适用性得分最高的职业（部分）：
• 口译员和翻译员（高达98%的工作活动与AI高度重叠）。 • 历史学家、销售代表、作家、客服代表、数控工具程序员、电话接线员、经纪人、政治学家、记者、数学家、技术作家、校对员、编辑、公关专员、数据科学家、个人理财顾问、网页开发员、管理分析师等。
这些职业大多属于知识工作和沟通导向型，AI在信息处理、内容生成和沟通辅助方面的能力，与这些职业的核心任务高度契合。
AI适用性得分最低的职业（部分）：
• 采血师、护士助理、危险品清除工、殡仪员、轮胎修理工、洗碗工、屋顶工、家政服务员等。
这些职业通常涉及大量的体力劳动、操作机器或直接的身体互动，目前生成式AI的能力尚无法直接介入。
从更宏观的职业大类来看：
• AI适用性得分最高的职业大类是：销售及相关、计算机与数学、办公室与行政支持。 • AI适用性得分最低的职业大类是：医疗保健支持、农业、建筑。
四、AI影响与薪资、学历的关系
这项研究还探讨了AI适用性与职业薪资和学历要求之间的关系：
与薪资的关系
研究发现，AI适用性得分与职业平均薪资之间仅存在微弱的正相关（就业加权相关系数r=0.07）。
这意味着，AI的影响并非简单地集中在高薪职业，一些就业人数众多但薪资相对较低的职业（如销售、办公室行政支持）也显示出较高的AI适用性。
与学历的关系
总体而言，学士学位及以上学历要求的职业，其AI适用性得分略高于学历要求较低的职业。
五、思考与展望——AI是“增强”还是“替代”？
这项研究强调，目前的数据表明AI更多是增强人类工作，而非完全替代。
报告中引用了ATM的经典案例：ATM的出现自动化了银行出纳员的核心任务，但反而导致银行出纳员数量增加，因为银行可以开设更多分支机构，出纳员则将重心转向了更有价值的客户关系建立。
未来，AI的快速发展将带来：
• 职业职责的重构： 现有职业的工作活动范围可能发生改变。 • 全新职业的涌现： 就像过去100年里，大多数就业岗位都源于新技术催生出的新职业一样。 • AI能力的动态演进： AI的适用性是一个不断变化的“移动前沿”，需要持续追踪其发展。
当然，这项研究也有其局限性，例如它仅基于微软Bing Copilot的数据，未能涵盖所有AI平台；O*NET数据库的局限性；以及难以区分用户是在工作还是休闲场景中使用AI等。
