担心AI会抢走你的工作?MIT最新研究表明,这种转变会更加缓慢。AI在工作任务方面正在改善,但其影响可能需要更长时间才能完全波及劳动力市场。研究人员将其描述为给工人更多时间适应的"涨潮",而非会冲击工人的"巨浪"。
"AI能力已经相当强大,并准备广泛扩展,"研究报告称。"我们研究的大多数任务到2029年可能达到80%-95%的AI成功率(在最低充足质量水平下),这表明随着这股潮流继续上涨,可能对劳动力市场产生重大影响。"
随着AI智能体变得更加强大,AI引发的工作焦虑在过去一年中已成为持续存在的现实。即使是稍长的持续变化时间线,也可能在工人是否以及有多少工人有机会为未来截然不同的劳动力市场提升技能方面产生巨大差异。
研究方法与发现
在这项研究中,MIT参考了美国劳工部职业信息网络(O*NET)数据库中的3000项基于文本的工作任务,该数据库被包括Anthropic在内的许多公司用于绘制AI对劳动力的影响。为确保现实世界的相关性,研究人员专注于AI能够帮助人类节省至少10%时间的任务。
研究发现,大语言模型在没有人类参与的情况下,以"最低充足"水平完成了60%的任务(由人类经理确定),仅有26%达到"优质质量"。尽管如此,研究人员对AI能够承担的任务印象深刻。这并不是说AI进步会比预期的不那么令人印象深刻,而是进步将在更长的时间内显现,"使个体工人不太可能被AI措手不及,"他们指出。"然而,如果发生得很快,涨潮仍可能具有相当的破坏性。"
论文指出,基于文本的工作特别容易受到快速发展的AI能力影响,到2029年可能被大语言模型在"最低充足"水平上实现自动化。但他们补充说,一致的"近乎完美"性能——即接近100%的成功率——可能仍需数年时间。
"广泛的自动化,特别是在对错误容忍度低的领域,可能仍有一段距离,"研究人员写道。
就业市场的实际影响
2029年对于AI可以自动化的任务出现有意义的增长可能感觉并不遥远,但考虑到AI已经发展得如此之快,这确实意味着劳动力有一些额外的时间来适应。
话虽如此,论文作者也不认为最快的时间线是有保障的。AI的发展可能会因计算限制而受阻,众所周知计算扩展成本昂贵,还有算法和硬件约束。保持这种竞争速度将取决于AI效率机器的每个组件都以全速运行。
MIT指出,由于这项研究的数据收集正在进行中,尚未完成,但最终将代表900多个职业。这个样本更倾向于工资和经验水平略低的白领工作(分别为每小时29美元和1.8年工作经验),需要学士学位或更少教育,而不是需要研究生学位或更高学历的工作。
MIT 2025年12月的另一项研究发现,目前的AI系统可以自动化该国近12%的现有劳动力——不仅仅是编程等技术特定工作,许多人认为这些工作特别容易受到影响(入门级开发人员工作已经在减少)。这也不限于沿海行业,涵盖金融、人力资源、办公管理等角色。
但这是否会实现取决于公司实际如何以及在哪里采用AI,这是一个完全不同的因素,使预测遍布各处。例如,与MIT的12%相比,1月份Forrester报告估计美国6%的工作可能实现自动化——不是现在,而是到2030年。
行业专家观点
职业发展专家Keith Spencer表示,他看到更多的是后者:更少的工作替代,更多的增强和"不均匀、特定角色的变化",这在就业市场中并不统一。他补充说,AI也为一些人在自由职业和零工工作中创造了新机会。
"随着某些任务变得更快、更容易完成,更多工作被分解为可以独立完成的更小的、基于项目的任务,"Spencer说。"这为工人开辟了承担额外收入来源的大门,即使他们在主要角色中面临不确定性。"
尽管如此,这种增强也有其代价。
"当你工作的一部分被自动化或减少时,即使你的角色仍然存在,你也会感觉自己正在慢慢变得过时,"他说。"虽然长期轨迹可能包括工作创造和工作替代,但许多工人的直接体验是他们脚下的土地在移动,这正在塑造行为。"
数字战略公司Zeb的CEO Mal Vivek认为,Meta和Oracle最近的裁员更多是对经济综合图景的回应,而不是AI本身。
"这些裁员中的许多更多是由AI施加市场压力驱动的,而不是真正的企业AI采用和自动化推动工作流失,"她告诉ZDNET。"被淘汰的工作是公司一直认为可以没有的工作——无论有没有AI。"
工人焦虑与适应建议
数据显示,AI引发的工作焦虑很高。根据Resume Now在2025年12月对美国1000名成年人的调查,60%的工人认为AI在2026年将削减的工作比创造的工作多,超过一半的人担心今年会因为AI而失去工作。
同时进行的另一项Resume Now调查发现,41%的受访者认为AI"正在替代、贬值或与他们工作的一部分重叠",而29%的人认为AI是竞争对手,"可以有效完成他们至少一半的日常工作任务",而不是作为副驾驶。
尽管许多工人在AI的帮助下学到更多的真实案例,但这并不是每个人的经验:超过一半的受访工人表示AI没有影响他们技能的增长或如何应用这些技能。
Spencer的建议呼应了整个行业的类似观点:识别只有你能提供的东西,以及你工作的哪些部分最容易和最不容易受到自动化影响。
"将重点从AI可能替代的转向你增加的更难复制的价值,"他说,引用了判断、沟通和现实世界背景等技能。"这不是对恐惧的反应,而是理解你的优势如何适应不断变化的环境。"
Q&A
Q1:MIT这项关于AI对就业影响的研究有什么主要发现?
A:MIT研究发现,AI对就业的影响将像"涨潮"一样缓慢到来,而不是"巨浪"般的冲击。大语言模型目前能以"最低充足"水平完成60%的工作任务,预计到2029年大多数任务的AI成功率可达80%-95%,但"近乎完美"的性能仍需数年时间。
Q2:AI会完全取代人类工作吗?
A:专家认为不会完全取代。研究显示AI更多是增强和改变工作,而非完全替代人类工人。虽然MIT研究表明AI目前可自动化近12%的美国劳动力,但这取决于公司实际如何采用AI。基于文本的工作最容易受影响,但需要判断力、沟通和现实背景的工作仍需人类参与。
Q3:工人应该如何应对AI带来的就业变化?
A:专家建议工人应识别自己独有的价值和技能,重点关注AI难以复制的能力,如判断力、沟通能力和现实世界背景理解。同时要提升AI应用能力,因为雇主越来越期望工人能在日常工作中使用AI工具。关键是理解自己的优势如何适应变化的就业环境。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。