YOHO AI

标签： AI职场

  • 研究发现：AI筛简历时，比人更容易给求职者贴标签

    下次投简历，可能先过一遍 AI 的法眼，才轮得到真人看一眼。但普林斯顿和芝加哥大学的研究者发现，这种 AI 招聘官未必比人类更公平——它甚至可能比人更爱给人贴标签。

    研究团队把 ChatGPT、Claude、Gemini 等模型拉进一场改编自心理学实验的模拟招聘游戏。模型扮演一个被市长雇来的顾问，要在 40 轮里为医生、律师、保育员、清洁工等 20 种岗位挑人，候选人来自四个虚构族群。诡异的地方在于：所有候选人的成功概率其实完全一样，模型并不知道这点。

    AI 在招聘决策中形成偏见的研究配图
    研究图示：AI 从少量经验里快速形成刻板印象（图源 MIT Technology Review）

    大模型真的非常急于从很少的数据里总结出规律，而这恰恰就是它们被优化出来的方向。—— Ryan Liu，普林斯顿博士生、论文共同作者

    模型很快开始学乖：一旦某个族群的某个人在被视为需要高温暖与能力的岗位上失败，它就整个族群都不考虑了，转而去安排清洁工这类它认为要求更低的活。在衡量隔离程度的量表上，人类参与者得分 0.84（2 分代表完全隔离），而模型高出约 65%，OpenAI 的推理模型 o3 直接冲到 1.83，几乎贴着上限。

    越聪明，越敢贴标签

    更反直觉的是，推理能力越强的模型，偏见反而越重。o3 和 DeepSeek 的 R1 在实验里表现得更决绝。原因藏在训练方式里：模型在数学、代码、科学题上被训练成从几个例子就敢下结论，这套本能帮它解逻辑题，也让它秒变贴标签高手。

    • 光喊要公平几乎没用——模型要么执行不了这条价值观，要么被多招对人的目标盖了过去。
    • 但给它加一笔多样化招聘奖金，偏见立刻大幅降低。
    • 当模型拿到更多关于个人的真实信息（年龄、学历），反而更少按族群划分人；给无关信息（发色、纹身形状）才会退回贴标签。

    这项研究七月发表在首尔的 ICML 上。它的现实分量在于：当企业开始用大模型筛简历、甚至主持面试，模型从经验里长出来的那些偏见，可能是人类从来没教过它的。我们担心的歧视，未必都来自训练数据里的旧世界。

  • 把 AI 叫成「同事」，人类反而更易犯错：一份 1261 人的研究给硅谷泼冷水

    把 AI 叫成「同事」，人类反而更易犯错：一份 1261 人的研究给硅谷泼冷水

    人类与被称为员工的AI智能体
    当 AI 被冠上「员工」头衔，人的责任感也在悄悄转移（配图：AI 生成）

    硅谷正热衷于把 AI 智能体包装成「数字员工」：给它起名字、发工牌、塞进组织架构图，仿佛它真能和人类并肩干活。但《麻省理工科技评论》援引波士顿大学的一项研究，给这股热潮泼了盆冷水——一旦把 AI 当同事，人的表现反而更差。

    一个名字改变了人的行为

    研究让 1261 名管理者审阅同一份 AI 生成的产出，随机分成三组：一组被告知来自无名工具，一组来自人类同事「Alex」，一组来自 AI 同事「Alex-3」。结果很刺眼——拿到「AI 员工」版本的人，抓出的错误比另一组少了 18%，还多出 44% 把问题甩给上级复核。本想靠 AI 省时间，反而凭空多出一层审批。

    「AI 智能体现在被当成能替代人的东西来营销，这是条走不通的路。」——2024 年诺奖得主、MIT 经济学家 Daron Acemoglu

    责任被悄悄转移

    当 AI 被叫「员工」，人更少把自己当成产出的责任人。这个苗头放到医疗、教育、政务里就危险了——它很容易变成甩锅的方便借口，真出事时大家第一反应是「是 Alex 犯的错」。Acemoglu 的观点是，智能体该被设计成增强人的能力，而不是替代人。

    工人真正想要的，其实不是这些

    斯坦福另一项研究问了 1500 名劳动者：技术专家觉得最该交给 AI 的任务（比如替销售核对客户信用），恰恰是工人最不想要的；他们想要的是辅助自己判断，而不是替自己拿主意。叫它「同事」很简单，也方便出事时推卸，但那只是一层品牌包装，并不会让工具本身更胜任。

    • 近三分之一受访管理者表示，公司已经把 AI 智能体当成「员工」，23% 甚至写进了组织架构图。
    • 微软、OpenAI、Anthropic、谷歌自 4 月起密集推出「数字同事」式 agent 管理工具。
    • 研究提醒：拟人化叙事侵蚀的是人的审查质量，这是治理风险，不是修辞问题。

  • Meta的AI部门成了劳改营？内部工程师忍无可忍公开开骂

    Meta最近在AI上砸了几十亿美元，外面看来风光无限。但内部一栋刚成立三个月的AI部门，已经被自己的工程师骂成了”精神摧残的劳改营”。这事儿比任何融资新闻都能说明，大厂搞AI的真实代价是什么。

    一场内部直播，有人当面骂了高管

    本周一场仅限员工参加的内部直播宣讲会上，有人蓄意破坏直播，用充满脏话的激烈言论要求参会者转告一位Meta AI高级高管，称他是”垃圾”。当时有一位演讲者当场捂住了脸。《连线》说，这场爆发不是偶然，是这支约6500名工程师和产品经理组成的团队积压已久的愤怒的总泄。

    Meta AI部门职场场景
    Meta应用AI团队内部矛盾公开化，工程师称被强制征召

    6500人，被”征召”而非自愿加入

    这支团队的全名是”应用AI团队”（Applied AI team），任务说起来有点荒诞：生成谜题和编程问题，用来训练Meta的AI模型。员工们描述称，他们是被迫调入这个团队的，没有任何选择余地：要么加入，要么辞职。很多人自称为”被征召者”（draftees）。

    “这简直就是劳改营。”一位员工这样告诉《连线》。另一位员工表示：”大部分人都觉得这份工作令人精神崩溃。”

    扎克伯格承认”犯了些错误”

    据报道，扎克伯格本周五在一份内部备忘录中回应了相关情况，他承认近期的变动”造成了痛苦”，并表示公司已经犯了一些错误，计划予以解决。他还补充道：”Meta的北极星目标是成为世界上最有才华的人发挥影响力的最佳场所。”——这话在当前的内部氛围下，听起来多少有点讽刺。

    整个公司的氛围已经压抑到Meta首席产品官克里斯·考克斯本周不得不在一场员工电话会议上提及这个”残酷的”环境。目前全公司已有超过1600名员工签署了一份请愿书，抗议一个用于收集AI训练数据的程序，该程序会监控他们的点击和按键行为。

    • 应用AI团队约6500人，被指强制征召工程师
    • 内部直播爆发冲突，员工公开表达不满
    • 扎克伯格发备忘录承认犯错，但承诺有限
    • 超1600名员工联署抗议AI数据收集监控

  • 微软AI负责人收回’AI取代白领工作’言论：说漏嘴了还是公关补救？

    今年2月，微软AI负责人Mustafa Suleyman放了一句话出来——律师、会计、项目经理这些坐在电脑前的白领工作，12到18个月之内会被AI完全自动化。这话一出，整个科技圈炸了锅。毕竟这话从一个正在大规模押注AI的公司高管嘴里说出来，怎么听都像是在给全行业的裁员找理由。

    “任务”和”工作”不是一回事

    结果到了6月9日，Suleyman上自己的播客节目Decoder，话风全变了。他说自己当时的意思其实是AI会帮这些白领”完成任务”，而不是”取代他们的工作”。原话是这么说的：发邮件、跟同事聊天、做PPT——这些子任务会越来越自动化，但这不代表整个岗位会消失。只是工作能做得更快、更高效而已。

    “我说的是’任务’，不是’工作’。工作和角色是更大的范畴，任务只是其中的组成部分。”Suleyman在Decoder上这样解释自己2月份的言论。

    这个解释听起来很聪明，但细想一下就有问题了。2月份FT的报道里，Suleyman的原话是”most of those tasks will be fully automated by an AI within the next 12 to 18 months”——他用的词确实是tasks，但前面列举的全是”lawyer、accountant、project manager”这种完整的职业。普通读者看到这段话，第一反应肯定是”我的工作要没了”，而不是”我的某个工作环节会被自动化”。

    Mustafa Suleyman 微软AI负责人
    微软AI负责人Mustafa Suleyman（图片来源：The Verge）

    为什么现在改口？

    时机值得玩味。微软最近刚刚调整了跟OpenAI的合作关系，从独家变成非独家，同时还在推自己的MAI系列模型。在这个节骨眼上，如果市场上充斥着”AI要取代你的工作”的恐慌情绪，对微软To B产品的销售可不是什么好事。

    更何况，微软自己的GitHub Copilot刚刚因为改收费模式（从固定费率改成按token收费）被用户骂上了天。如果AI负责人还在外面说”你们的工作马上要被取代了”，那配合起来看就很像是微软在故意制造焦虑然后卖解决方案。这个公关危机，Suleyman不得不出来救。

    AI淘汰白领？别急着信

    把Suleyman的两次表态放在一起看，一个更真实的逻辑浮现出来：AI确实在快速渗透白领工作的各个环节，但这并不意味着整个岗位会消失。真正发生的是工作方式的重构——有些人会用AI把效率提高10倍，有些人会被会用了AI的人替代。这两者之间的区别，比”AI会不会取代你的工作”这种二元对立的叙事要复杂得多。

    Suleyman这次改口，至少说明一件事：科技公司对AI能力的公开表述，正在从”激进营销”向”谨慎承诺”偏移。背后的压力来自监管、客户反弹，也可能来自他们自己逐渐意识到——把话说太满，最后砸的是自己的脚。

  • OpenAI Codex周活冲到500万，这次不打算只给程序员用了

    OpenAI本周公布了一个数字：Codex每周活跃用户已经到了500万。这个数字比大多数人预期的要快，而这个工具的定位，也已经不再只是程序员的专属了。

    从编程工具到通用生产力工具

    Codex刚出来的时候，大家都觉得这就是个AI写代码的东西，程序员用用就算了。但OpenAI现在的说法很明确：Codex要覆盖的是所有跟信息和知识打交道的人，而不只是写代码的人。

    这个定位转变其实挺聪明的。写代码的人就那么多，但每天要处理文档、整理数据、搭建内部工具的知识工作者，数量是程序员的好几倍。Codex如果能让他们不用学编程也能”指挥”AI干活，这个市场就大得多了。

    Codex现在的能力已经超出ChatGPT的范畴——它可以构建可交互的托管网站和应用，还能根据新数据自动更新。

    新功能到底有什么用

    这次跟着500万用户数字一起公布的，还有几个实在的功能更新。最值得关注的是新的预览版本，企业客户现在已经可以用上了。

    • 支持构建可交互的托管网站和应用——不只是生成代码，而是直接跑起来
    • 支持用新数据持续更新生成的内容，不用每次都重新生成
    • 新插件生态上线，第三方工具可以接入Codex的工作流
    • 企业版支持更细粒度的权限和数据隔离控制

    有意思的是这次发布的时机。正好微软在办Build 2026大会，微软和OpenAI这种”亲密友敌”的关系，在AI圈已经不是秘密了。两边都在推自己的AI编程工具，但底层又深度合作，这种竞合关系估计还会持续很久。

    500万周活意味着什么

    500万周活，放在消费级AI产品里不算特别夸张，但Codex的用户价值密度很高。用Codex的人，通常是真的在用它干活，而不是随便玩玩。这个留存率和付费转化，应该比ChatGPT的普通用户要好不少。

    OpenAI这次强调”不只是给程序员用的”，某种程度上也是在为Codex的商业化铺路。程序员市场天花板太低，只有打进更广的知识工作者市场，这个产品才撑得起OpenAI的估值预期。

    OpenAI Codex generated document
    Codex为虚构的Blossom Widgets企业峰会生成的活动文档（图片来源：The Verge）

  • OpenAI给Codex加了六双”职业手套”，白领工作被AI盯上了

    OpenAI正在认真追逐企业用户。6月2日，这家AI实验室发布了Codex的一套新能力，目标很明确：把这款AI工具从程序员圈子扩展到更广阔的白领职场。

    跟新工具一起发布的，还有一份OpenAI内部报告，揭示了Codex在知识工作中的真实使用情况——结论超出很多人预期：它的用武之地，早就超出了软件工程。

    OpenAI Codex
    Codex正在从一款开发者工具转向知识工作者的日常助手（图：NurPhoto / Getty Images）

    500万周活用户，知识工作者增速是开发者的3倍

    报告里的数据值得细看：Codex目前每周活跃用户已经超过500万，自今年2月桌面应用上线以来增长了6倍以上。开发者仍然是最多的用户群体，但知识工作者已经占到用户总量的20%，而且增速是开发者群体的3倍还多。

    这意味着什么？意味着”AI写代码”这个故事已经不够用了。数据分析师、产品经理、设计师、金融分析师——这些人正在成为Codex增长最快的新用户群。

    “Codex现在有超过500万周活跃用户，自2月桌面应用上线以来增长了6倍以上。知识工作者已占用户总量的20%，增速是开发者群体的3倍以上。”

    六款岗位插件，开箱即用

    这次更新的重头戏是六款定向插件，分别对应六个白领岗位：数据分析、创意制作、销售、产品设计、股权投资、投资银行。用户可以在Codex应用内直接调用这些插件，每个插件都打包了对应岗位的集成工具、操作指引和场景上下文，让Codex能够模拟对应岗位的工作能力。

    打个比方，以前你让Codex”帮我分析这份数据”，它得靠你描述清楚背景。现在选了”数据分析”插件，Codex自带了数据分析师常用的工具链和思维框架，输出的东西更贴近一个真实数据分析师会给出的结果。

    当然，跟所有AI工具一样，这些插件的效果会随着自定义调整而提升，但OpenAI的意思是——开箱就能用，不需要太多配置。

    顺手把”Sites”功能也做了

    这次更新还有一个挺实用的功能叫”Sites”：Codex现在可以把工作成果直接输出成一个可访问的互动网站，而不是只生成本地文件。OpenAI已经拉了一串合作伙伴进来做这件事：Wix、Base44、Replit、Lovable、Figma、Emergent。后续还会扩大合作生态。

    另外还有一个”Annotations（标注）”功能，让你可以在Codex里框选文档或文件的特定部分，然后针对那一块发指令，上下文操作更精准。

    OpenAI在企业市场是个”后来者”

    这件事的背景挺有意思。Anthropic早在今年2月就推出了企业智能体项目，5月还上线了更聚焦金融场景的智能体。OpenAI此前一直更侧重C端用户，直到3月才为Codex引入插件支持。这次的动作，明显是在追赶Anthropic的企业服务布局。

    三周前，OpenAI刚推出了面向企业客户的合资公司”OpenAI Deployment Company”，拿到了全球投资机构超过40亿美元的融资，目标就是把OpenAI的工具更深地嵌到全球企业的业务流程里。首席营收官Denise Dresser的说法是：”AI已经能够在组织内部完成越来越有价值的工作，现在的挑战是帮助企业将这些系统整合到支撑业务的基础设施和流程中。”

  • 程序员拒绝在没有 AI 的情况下工作——但这可能会反过来坑了他们

    程序员拒绝在没有 AI 的情况下工作——但这可能会反过来坑了他们

    2026 年有个挺有意思的发现：你现在很难让开发者放下 AI 编码工具去干活了。

    AI 确实能帮程序员更快地生成代码，但研究人员警告说，它产出的代码质量未必更好，这可能会给开发者的未来带来麻烦。

    研究者遇到的尴尬

    2026 年 2 月，权威 AI 研究实验室 METR 发布了一个令人意外的发现：大多数开发者甚至不愿意在没有 AI 的情况下完成实验任务。

    METR 原本想更新他们在 2025 年做的一项关于 AI 编码生产力的开创性研究。那项研究里，研究人员测量了开源开发者手动完成任务和使用 AI 完成任务的耗时。结果挺打脸的——开发者自称 AI 提升了生产力，但实际上 AI 拖慢了他们的工作速度。没错，AI 生成代码更快，但之后他们需要额外的时间查找和修复错误、引导 AI 工作、还要等 AI 完成任务。

    当 METR 着手重复这项实验时，他们没能成功。研究人员坦承，开发者不愿意参与实验，”因为他们不想在没有 AI 的情况下工作”，哪怕只是为了做研究。

    最后 METR 在 5 月发布了一份调查，让技术员工自行报告 AI 带来的生产力提升。毫不意外，大家认为自己对公司而言的价值是原来的两倍。

    tokenmaxxing 的代价

    最近关于 “tokenmaxxing”（过度消耗 AI token）的高昂成本的头条新闻，加上一些新研究，让这种自我认知变得可疑。

    Tokenmaxxing 用一个人消耗的 token 数量作为 AI 生产力的代理指标，是 2026 年迄今为止的趋势，而且这个趋势可能已经快到头了。

    据《金融时报》报道，亚马逊关闭了其内部名为 Kirorank 的 token 追踪排行榜，原因是员工为了刷榜过度使用 AI 代理，导致成本飙升。员工的行为证明，AI 的使用并不自动等于生产力的提升。

    据 The Information 报道，Uber 在 2026 年前四个月就用完了全年的 AI 预算。首席运营官 Andrew Macdonald 最近在播客中表示，这类支出并没有带来项目或生产力的可衡量提升。

    代码维护的隐藏成本

    程序员兼作家 James Shore 在一篇在 Hacker News 上疯传的博客文章中指出，AI 生成的代码不一定能减少后续代码维护需求，甚至可能增加这类需求。

    你现在写代码的速度是以前的两倍？最好希望你的维护成本也减半了。不然你就惨了，你是在用短期的速度提升换取永久的债务。

    还有其他证据表明 AI 会增加代码维护的麻烦。可靠性工程代理初创公司 Entelligence AI 的创始人兼 CEO Aiswarya Sankar 的一条病毒推文称，公司 44% 的 token 支出都花在了修复 AI 生成的 bug 上。与此同时，代码审查工具公司 CodeRabbit 表示，他们分析了开源拉取请求，发现 AI 生成的代码出现问题的概率是人工代码的 1.7 倍。

    诚然，这些都是试图销售 AI 代码审查工具的机构的自利统计。但独立研究人员也发现了这类问题。新加坡管理大学的研究人员 4 月发布的一份报告警告称，”AI 生成的代码可能会给真实的软件项目带来长期维护成本”。

    那怎么办

    既然程序员如此热爱他们的 AI 助手，解决方案是什么？

    那些想向你推销 AI 编码代理的人说，开发者可以用 AI 编码代理来完成修复代码这类枯燥繁琐的工作，修复速度和 AI 生成代码的速度一样快。这是 Cognition（AI 编码代理 Devin 的开发商）的创始人兼 CEO Scott Wu 的建议。

    但就连他也承认，虽然 Devin 可以独立工作，但目前它的技能水平在初级和中级程序员之间，具体取决于任务类型。这不是一个可以交办后就不管的解决方案。

    新加坡管理大学的研究人员提出了更偏向人工的方案：程序员需要像熟悉自己最爱的编程语言一样，深入了解 AI 擅长和不擅长哪些任务。他们需要为 AI 设计强大的质量保障体系，并且必须像对待初级开发者一样，仔细审查 AI 的工作成果。

    同时，研究人员和 Wu 都表示，人类仍然应该负责软件架构、安全设计这类大局层面的工作。

  • OpenAI基金会砸2.5亿美元，帮劳动者应对AI冲击

    前几天OpenAI基金会扔出一个重磅消息：拿出2.5亿美元，专门帮那些被AI波及的劳动者和社区做转型。这笔钱是去年OpenAI重组后，那个控制OpenAI的非营利组织拿到1300亿美元股权之后的第一次大动作。

    1300亿美元的非营利巨头

    去年OpenAI重组的时候，很多人没注意到一个细节——非营利组织保留了OpenAI营利性业务26%的股权，按当时估值大约是1300亿美元。一夜之间，这个原本只是小打小闹的赠款机构，直接变成了科技圈最富有的慈善组织之一。

    今年3月，OpenAI公开承诺未来12个月通过基金会至少投入10亿美元，重点盯住生命科学研究、AI素养、公民建设和经济机会这几个方向。而这次的2.5亿美元，就是这10亿美元承诺里第一批真正拨出去的钱。

    OpenAI基金会在声明里说得很直白：”当前的变化速度意味着我们正确应对的窗口比习惯的要短，而错误应对的代价是巨大的。”这句话背后，是对AI冲击劳动力市场紧迫性的真实认知。

    钱到底花在哪

    基金会把这2.5亿美元拆成了三块，跟传统慈善机构很不一样——他们不仅要给钱，还要自己下场做项目。

    第一块是研究基础设施。他们觉得目前缺的是独立、严谨的劳动力市场影响分析，太多炒作和恐慌，太少实打实的数据。基金会要自己建团队，做中立的预测和研究。

    第二块是直接劳动者支持。目标群体很明确：客服、金融后台运营、入门级软件岗位——这些已经被AI工具大量替代的领域。基金会会资助那些给失业劳动者提供转型培训的组织。

    第三块是AI驱动的经济模拟。说白了就是用计算建模，画出区域经济在国家层面随着AI能力扩展可能发生的变化图谱。产出这些数据，是给政策制定者、教育者和雇主用来规划培训和转型路径的。

    Sam Altman的态度转变

    有个细节挺有意思。Sam Altman今年早些时候还跟伴侣Oliver Mulherin一起签了”捐赠誓言”，但他最近几个月公开表态软化了不少。他承认：”我很高兴我错了——我曾以为到这个时候，入门级白领工作的消失会比实际发生的影响更大。”

    这种软化，跟基金会一边说”失业担忧真实存在”、一边又强调”主动干预窗口正在缩小”的谨慎态度形成了微妙的对照。Altman的个人态度在变，但基金会的行动逻辑没变：先把钱和资源到位，不管AI到底会不会真的消灭大量工作岗位，提前布局总没错。

    现实已经发生了

    基金会这个动作不是凭空来的。最近几个月，已经有一堆公司把裁员和效率措施直接跟AI采用挂钩了。Block和Standard Chartered在近期的裁员公告里明确提到了AI带来的效率提升，说明”AI导致失业”已经不是什么遥远的理论风险，而是正在发生的事。

    这场辩论的核心其实是：AI带来的经济收益，到底会广泛惠及普通劳动者和社区，还是主要归股东和高技能技术人员所有？OpenAI基金会砸这2.5亿美元，等于是在用真金白银表态：他们想成为塑造这个答案的积极参与者，而不只是旁观者。

    接下来的看点就是：这个拥有1300亿美元股权的基金会，能不能真的把规模转化成那些正在经历技术转型的劳动者手上可感知的帮助。首批具体项目公告和合作组织，预计在今年下半年公布。

  • AI真的在抢走白领工作吗？数据说不

    你肯定也听过这种说法：AI正在吞噬白领工作，软件开发、金融分析、科技公司文案，通通不保。Coinbase、Meta、思科最近一波裁员，更让这种焦虑发酵到了新高度。

    但在你递交辞职信去学水管工之前，值得看看数据到底在说什么。

    简短的答案：目前还没有。尽管到处都是”就业末日”的警告，但几乎没有证据表明AI已经对美国劳动力市场产生了大规模影响。

    失业率数据打脸恐慌论

    美国劳工统计局（BLS）的数据清清楚楚：那些被认为”最容易被AI影响”的职业，失业率反而比受AI影响较小的职业更低。而且，没有任何迹象显示大量劳动者正从”危险职业”涌向”安全职业”（比如体力劳动）。

    前BLS局长埃里卡·麦肯塔弗（Erika McEntarfer）说得很直白：”迄今为止所有可用证据都表明，AI对当前劳动力市场状况的影响目前可能很小。我们从历史中知道，创新需要时间才能渗透到行业变化和职业变化中。AI不太可能在首先改变企业之前就改变劳动力市场。”

    AI与就业市场关系示意图
    MIT Technology Review 配图 | Stephanie Arnett

    年轻人确实在受苦，但原因很复杂

    公平地说，美国就业市场现在对很多人来说都很糟糕，尤其是年轻求职者。最近大学毕业生的失业率约为5.6%，远高于全体工人的失业率水平，这个数字是疫情以来、2008年经济衰退以来都没见过的。

    有迹象表明AI正在加剧22至25岁、寻求软件开发等受AI影响较大职业的年轻人的痛苦。但把这些职业的困境全算在AI头上，目前还缺乏足够证据。

    • AI应该为就业困境承担多少责任？不确定
    • 受AI影响职业中入门级工作的减少，是即将到来的其他职业的预兆，还是仅仅是”低解雇、低招聘”劳动力市场的孤立症状？也不知道

    斯坦福的研究发现了一个关键细节

    斯坦福数字经济实验室的研究人员分析了950个职业，按”AI暴露度”分为五档。他们用了ADP的庞大数据集（比BLS的数据大得多），发现了一个有意思的现象：

    在ChatGPT首次公开发布的2022年底之后，受AI暴露度最高的职业（如软件开发和客户服务）中，22至25岁的员工人数开始下降。到2025年，受AI暴露的职业的入门级工作岗位下降了16%。

    但研究同时发现了一个经常被忽略的关键细节：影响取决于AI的使用方式。那些任务可以”最少人类参与”自动化的工作（比如入门级编码），就业人数减少了；而在AI主要用于增强人类工作的工作岗位，入门级工人的就业人数增长反而快于平均水平。

    “编码知识” vs “隐性知识”

    这项研究提出了一个有趣的解释：入门级工作更多依赖于人们通过教育获得的”编码知识”——这类知识容易被AI模仿。而年长工人有更多的”隐性知识”，即基于经验的那种直觉和判断力，这类智慧目前还很难被AI取代。

    这意味着”边赚边学”的传统职业模式，至少在某些职业里，可能真的被打破了。年轻毕业生的技能可以与AI匹敌，所以他们找不到工作了。

    这次会不一样吗？

    对AI取代工人潜力的焦虑并不是什么新鲜事。2013年就有大量报道描述包括AI在内的一系列新数字技术如何开始威胁白领工作。2016年底，奥巴马总统任期的最后几天，他发布了一份由顶级经济和科学顾问撰写的报告，警告AI正在威胁工人。

    当时AI先驱杰弗里·辛顿说：”人们应该停止培训放射科医生”，因为该职业很快就会被AI取代。当然，这个预测没有成真。AI确实已经成为筛查放射学图像的工具，但放射科医生的数量比以往任何时候都多。

    事实证明，人类放射科医生执行大量有价值的任务，包括解释结果和与患者互动，这些任务目前还无法用AI完成。

    也许这次会不同。AI确实已经获得了做类人任务的难以想象的能力。但之前的AI就业焦虑有一个先见之明的教训：我们真正的关注点应该少放在反乌托邦的恐惧上，更多放在可能影响到数百万人的工作场所的真正过渡上。

    我们需要更好的数据

    哈佛大学经济学教授大卫·戴明说：”我们基本上是在盲目飞行。”目前的数据收集工具并不能充分解释AI如何影响庞大而多样的美国劳动力市场。

    斯坦福数字经济实验室即将启动一个定期更新的项目，提供关于AI如何改变经济的数据。在花费数千亿美元推出AI技术的时候，我们在了解这种过渡上投入的资金甚至不到1%。

  • ClickUp裁员22%背后：AI agent正在重新定义「全职工作」到底是什么

    上周四，ClickUp的CEO Zeb Evans在X平台上扔了一颗炸弹：这家2021年最后估值40亿美元的协作软件初创公司，一次性裁掉了22%的员工。但Evans不承认这是「削减成本」，他的说法是——这是为了彻底拥抱AI。

    他甚至写得很直白：「这次调整省下来的大部分成本，会直接流向留任的员工。我们要推出百万美元薪酬档位。如果你用AI创造了远超预期的价值，你的薪酬将不受传统档位限制。」

    ClickUp AI workplace
    AI正在重塑职场规则（图源：TechCrunch）

    3000个AI agent已经上岗

    根据《财富》杂志几天前的报道，ClickUp最近引入了大约3000个内部AI agent，代替员工处理各种复杂任务。现在的员工不需要亲自完成那些工作，而是需要「指导」这些agent，最后审查输出结果，确保符合公司标准。

    Evans的目标是让AI把ClickUp打造成「100倍组织」——用更少的人，做原来100倍的事情。

    「用AI自动化工作的人永远会有工作。」Evans在帖子里这么写道。但这句话的另一面是：如果你没法很好地让自己的工作被AI自动化，那你可能就不会有工作了。

    Gartner的数据说出了残酷真相

    Gartner最近的一项调查结果显示，大约80%使用了自主AI技术的公司已经进行了裁员。但这个研究同时发现，劳动力减少并不一定转化为有意义的财务回报。

    换句话说，有些公司只是在拿AI当裁员的借口，并没有真的从AI那里获得效率提升。ClickUp坚称自己不属于这类公司——Evans通过邮件告诉TechCrunch，他们确实从AI agent那里看到了生产力提升，而且在内部衡量这些效率指标。

    「Token消耗量」是错的衡量标准

    近几个月来，越来越多的公司开始监控员工的token消耗量，把它作为衡量谁真的在用AI工具的指标。但批评者认为，「token maxing」是个错误的指标，因为它只会增加AI成本，不代表创造了实际价值。

    Evans说ClickUp不玩那个游戏，他们衡量的是「创造的价值和节省的时间」。

    单人运营估值2.5亿美元，这不是科幻

    科技圈其实已经有了把AI自动化用到极致的超高关注度案例。Polsia是一家成立仅一年的初创公司，声称替单人创业者处理所有软件运营工作，而它本身就是「单人运营」的——只有其创始人兼CEO Ben Cera一个人。

    这种极致效率显然正在获得回报：Polsia刚刚以2.5亿美元的估值筹集了3000万美元。

    ClickUp的这次裁员，某种程度上是在提前适应那个「100倍组织」的未来。问题只是：当AI不断接管更多任务，ClickUp最终需要的人会不会越来越少？那些没法很好地将自己的职能自动化的员工，会不会逐渐被淘汰？