原创 付奶茶 2025-06-26 21:45 北京
“我希望 AI 能优化工作流程，减少重复的苦差事。但内容创作、核心创意决策，门儿都没有！这必须得是人来拍板！”为什么这个行业对 AI 带来的自动化如此抗拒？因为在这些领域，“任务价值”与“人性价值”高度统一，甚至是同一种价值的两个面向。创作本身既是工作的成果（任务价值），也是创作者自我实现和心流体验的顶峰（人性价值）。一位优秀艺术总监的核心价值，恰恰在于他对“美”、“创意方向”的最终裁决和那份不可替代的“人类触感”。当 AI 试图染指这些领域时，它触碰的不再是工作流程，原本属于人类的饭碗。。。第二问：AI 的能力圈 vs 打工人的期待圈，对上了吗？搞清楚了“我们打工人想要 AI 做什么”，下一个问题自然是：“AI Agent 现在到底能做到什么？能接住我们甩的锅吗？”这篇论文最精彩、最具指导意义的地方，就在于它把“员工自动化愿望”（主观需求）和“AI 专家评估的技术能力”（客观供给）这两个维度结合起来，绘制了一张“AI Agent 职场战略地图”—“欲望-能力”四象限图。图里根据工人的“自动化需求强度” (Aw) 和专家的“AI 技术能力评估” (Ae)，把所有任务分成了四个区域：自动化 “绿灯” 区 (Green Light):高需求 + 高能力。这是最理想的自动化目标。打工人想扔，AI 也能干得漂亮。自动化 “红灯” 区 (Red Light / Proceed with Caution):低需求 + 高能力。AI 技术上能做到，但员工不希望被自动化。比如前面说的艺术创作，或者一些涉及人际互动、需要信任建立的任务。这里的 AI 部署要极其谨慎，既容易被抵制也容易办砸了！研发机遇区 (R&D Opportunity):高需求 + 当前低能力。打工人非常希望 AI 能帮上忙，但现有 AI 技术还没达到要求。比如一些需要复杂决策、跨领域知识整合、或者精妙人际沟通的任务。低优先级区 (Low Priority):低需求 + 低能力。打工人不太想自动化，AI 也干不好。这些任务目前看来既不是痛点，也不是 AI 擅长的，暂时可以放一放。报告分析发现，目前统计样本组成的 WORKBank 数据库里的任务广泛分布在这四个区域，工人的自动化需求与技术能力之间并没有简单的正相关关系 (Spearman ρ=0.17)。有趣的是，自动化需求与工作流失担忧（ρ=-0.223）和工作乐趣（ρ=-0.284）呈负相关——越担心被 AI 取代或越喜欢自己工作的任务，越不想让 AI 插手。 这太真实了！第三问：那资本和研究，投对地方了吗？理解了这张地图，最让人跌眼镜的来了！研究团队把现在最火热的 AI Agent 创业项目和最前沿的 AI Agent 学术论文映射到了这张四象限图里。结果还挺令人意外的：首先是 AI Agent 创业项目：高达 41.0% 的 YC 投资项目，竟然落在了员工“不想要”或“技术不成熟”的“慎行区”，大量资本和创业公司仍在围绕软件开发、商业分析等少数领域“内卷”，用 AI 解决技术人员或投资人自己熟悉的问题，而广阔的“绿灯区”和充满潜力的“机遇区”却处于“少人问津”的状态。那奶茶猜测之所以会发生这样的情况，很有可能是经典的“拿着锤子找钉子”问题：
VC 和创业者，尤其是早期的技术型创业者，大多来自技术背景（比如软件开发、互联网产品）。他们最熟悉、最容易理解、最能快速验证市场痛点的，就是自己圈子里的问题。他们习惯性地为程序员、产品经理、市场运营等群体打造工具，因为这是他们的“舒适区”和“认知边界”。这样就容易忽视：“广阔天地，大有可为”。那些在其他无数传统行业中能带来巨大社会价值的“绿灯区”和“机遇区”任务，被系统性地忽视了。再看学术研究：好消息是，学术界相对而言更多地集中在“研发机遇区”，但坏消息是，研究领域同样高度集中在计算机科学内部：比如“如何让 AI 更高效地优化现有程序”、“如何提升代码生成能力”这类任务。演技团队猜测这是由于学术研究的内在惯性——在已有数据集和成熟范式上做增量创新，往往比开辟一个全新的、跨学科的、需要和真实世界深度交互的研究领域，更容易发表论文，拿到资助。第四问：人类到底需要多大程度的“掌控感”？除了“哪些任务该不该自动化”，这篇论文还提出了一个非常有意思、开创性的问题：我们到底希望以什么样的方式与 AI 合作？研究团队为此构建了一个“人类能动性量表”(Human Agency Scale, HAS)，用来精细地量化人与 AI 的合作模式和人类的参与程度：这个量表从低到高分为 5 个等级（H1-H5），代表人类介入的程度：H1 (完全独立): AI Agent 自己就能完美搞定任务，完全不需人类操心。H2 (最少输入): AI Agent 主要负责，但需要人类在关键节点提供少量、简单的输入或确认。H3 (平等伙伴): 人类与 AI Agent 形成一种相互协作、优势互补的伙伴关系，双方贡献智慧，最终表现优于任何一方单独工作。H4 (需要人类输入): AI Agent 能处理部分流程，但需要人类提供持续的、重要的输入或指导才能完成任务。H5 (持续参与不可或缺): AI Agent 基本上只起到辅助作用，没有人类的持续深度参与，任务根本无法运行。研究团队用这个量表对 104 个职业的任务进行了详细调查：“平等伙伴”（H3）是主流期望： 在高达 45.2% 的职业中，H3 (平等伙伴关系) 是员工最期望的合作模式。我们比 AI 专家更“需要”自己： 即使 AI 技术上能做到更高程度的自动化（比如达到 H2 或 H1），很多员工依然倾向于保留更多的控制权和参与度。第五问：AI 时代，什么技能将变得更值钱？那最后一个问题是，什么技能将在未来职场成为“硬通货”？研究者没有空泛地预测，而是将 WORKBank 中的具体任务与美国劳工部的“通用工作技能”体系进行关联，然后对比了这些技能在“当前平均工资”和“AI 时代所需人类能动性（HAS）”这两个维度的排名变化，如下图所示：
