股票知识配资论坛微软研究院最新 AI 洞察：“岗位”的概念将成过去，企业的组织、绩效以及 HR 系统都将面临改变

报告给出的未来组织图景是：岗位概念消亡，任务颗粒重组；人负责创意与判断，AI 承包执行与表达；HR、绩效、流程都要为“人+AI 混合编队”重新设计。一句话，不会用 AI 不是失业股票知识配资论坛，而是失去竞争力。

最近，微软研究院发布了一份重磅报告《Working with AI: Measuring the Occupational Implications of Generative AI》，用超过 20 万条 Bing Copilot 的真实对话，系统分析了 AI 到底在工作中帮了哪些忙、做得怎么样、对哪些职业影响最大。

这份报告不是基于想象或者模拟实验，而是直接从人们每天怎么用 AI 的真实记录中找规律，是目前最接近现实职场状态的 AI 职业影响研究。

结论很直接也很扎心：AI 已经悄悄参与到很多“看起来很安全”的白领工作中，从写文案、查资料到讲解复杂内容，很多任务不再需要人亲自完成。特别是那些原本靠学历、经验、表达能力吃饭的岗位，正在被任务切碎，一部分一部分地被 Copilot 接手。研究还发现，收入越高、学历越高的职业，反而越容易被 AI 介入。

这份报告提出一个核心观点：AI 不会突然“取代一个人”，但正在悄悄“改写工作的定义”。未来的工作不是一份岗位干到底，而是很多个任务模块拼成一套流程。谁能把 AI 安排进这些任务中，谁就能大幅提升效率。不会用 AI 的人，可能不会立刻失业，但会在职场里被拉开差距。

AI 最常帮忙的三件事

微软研究院这份报告基于 20 万条来自 Bing Copilot 的真实用户对话，分析了 AI 在实际工作场景中到底被用来做哪些事情、做得好不好、对职业的影响范围有多大。

整体来看，用户最常请 AI 帮忙的是三件事：找资料、写东西和帮忙表达观点或解释内容。而 AI 自己最常做的，也是提供信息、给建议、讲道理这些事，像是一个全天候在线的“知识服务员”。

研究团队引用了美国劳工部的职业数据库，把对话中涉及的任务都分类成一套叫“中层工作活动”（IWA）的体系，结果发现，AI 被最常用来协助完成的工作任务主要集中在以下几个方面：

第一类是“找信息”，比如找资料、查商品信息、看文件、保持专业知识更新等。Copilot 在这些方面的表现非常突出，不仅出场频率高，而且用户反馈很好，点赞率超过 80%。比如有人问某个法律条款怎么理解、某种病症是什么原理，AI 都能在几秒钟内给出结构清晰的解释，远超传统搜索引擎的体验。

第二类是“写东西”，包括写文案、写文章、改稿子、整理材料等等。这类任务不但最受欢迎，也最能体现 AI 的优势。Copilot 能听懂用户想写什么，用的是什么语气、面向谁，然后帮忙生成草稿或者润色修改，效率很高。很多人会用它来写简历、演讲稿、博客、工作总结等等。

第三类是“讲清楚”，也就是把一些专业内容解释给别人听。这里面有很多细分任务，比如解释技术细节、说明政策流程、回答问题、给出建议等等。Copilot 在这方面的表现，可以说像是一个不累的助教或客服，可以反复回答、讲得清楚、表达有条理。

此外，研究也发现一个很重要的点：用户想让 AI 做的事，和 AI 实际做的事并不总是对得上。在四成的对话中，用户目标和 AI 行动完全不一样；在九成多的对话中，两者重合的部分不到一半。这说明，很多时候 AI 不是直接代替用户完成工作，而是“打辅助”，帮用户更好地完成目标，比如整理思路、补充资料、翻译专业语言等等。

在所有这些任务中，出现频率最高、效果最好的一些包括：编辑文件、查各种来源的信息、给客户或公众提供说明、回答问题以及准备一些教学或说明材料。

微软团队还发现一件很值得关注的事：AI 能力和任务的高度重合，正在推动职业结构从“整个人干所有事”，变成“人类负责判断和创意，AI 负责执行和表达”。比如，新闻编辑这份工作，以前一个人既要采访、又要写稿、还要润色。现在，采访和选题依然需要人，但写稿初稿和语言润色已经可以由 AI 承担。

例如市场研究员，以前要自己去查数据、写报告、分析趋势；现在，AI 可以抓网页、读行业报告、生成初稿，人只需要负责判断哪些靠谱、哪些逻辑站得住。这说明，AI 不一定替代整个职业，而是“拆”职业，把能做的任务一块一块接走。

微软研究团队还强调了一点 —— AI 最适合的，是那些能清楚说清楚、可以被结构化表达出来的任务。只要任务能“说得清楚”，AI 就能“做得像样”。但只要任务涉及判断、人际互动、即兴应变、动手执行这些环节，AI 就还远远替代不了人。

AI 协助谁？又会替代谁？

在分析 AI 最常做的任务之后，微软研究院又进一步研究了个关键问题：到底是哪些人，最容易被 AI 协助，甚至部分替代？是高薪的，还是低薪的？是高学历的，还是没怎么上学的？

他们把每个职业的 AI 适用性得分，跟收入、学历、工作性质（比如全职还是兼职）这些信息做了个交叉分析，结果让人有点意外。

首先看收入。越是高薪的工作，AI 介入的可能性越高。也就是说，收入排在前 25% 的职业，AI 不仅能用得上，而且效果还挺不错。为什么会这样？其实很简单，这些高薪岗位很多是靠脑子、靠写东西、靠分析和表达来挣钱的，比如经济顾问、政策分析师、市场策划、科技记者、商业编辑这些。而这些工作恰好是 Copilot 特别擅长的。

打个比方，之前你要写一篇市场趋势分析报告，得花好几个小时翻报告、查数据、组织语言。现在 Copilot 上来三两句就能给你出个初稿，再加点修改就能用了，节省的时间可不少。

反过来看，那些低薪岗位，比如清洁工、餐厅后厨、搬运工、快递员这些，AI 能帮上的其实很有限。这些工作不是不重要，而是 AI 插不上手。不是靠打字写报告，也不是你一句 prompt 它就能代劳的活儿，而是真刀真枪得人上手干活。

再看学历，趋势也差不多。越是需要高学历的岗位，AI 越容易发挥作用。本科及以上学历要求的工作，很多都是需要写、说、总结、分析的，而这些也正是 Copilot 的强项。

像一些研究人员、内容编辑、知识类博主、行业咨询顾问，他们天天跟信息打交道，要么整合观点、要么输出内容。Copilot 不仅能查信息，还能帮你捋思路、润色语言、写草稿，简直就是个全能助理。

但如果是一些没太多学历门槛的岗位，比如仓库理货、洗衣工、厨师助理、农场工人这些，AI 想介入都难。你让 AI 去炒菜、搬箱子、把货码整齐，它没胳膊没眼神，就是不行。

所以微软这边得出的结论挺有意思的——不是“底层工作”最先被取代，而是“坐办公室的人”最先要学着和 AI 共事。

除了收入和学历，报告还看了工作性质，比如是不是全职、是不是长期的。结论也很清楚：AI 更容易进入那些全职、流程清晰、重复性高的岗位。像很多文职类工作，每天要做的事差不多，写总结、发邮件、查资料、做报告，AI 能帮上的地方非常多。而像小时工、临时促销员、仓库搬运这种，任务太碎太灵活，AI 就很难嵌进去。

报告还举了个有意思的例子，有些工作虽然任务不多，但只要这些任务正好和 AI 擅长的内容对上了，那也会受到很大影响。比如审稿员、编辑，他们的任务就集中在改错别字、润色句子、统一格式这些，这些活儿 Copilot 做得飞快又准，可能原来一个人一天干的活儿，AI 半小时就能搞定。

也就是说，不是任务多才容易被 AI 替代，而是“AI 擅长的任务占得多”，这个岗位就危险。

报告还画出了现在最容易被 AI 协助的那类人群画像：一般是本科学历以上，做的是内容类、分析类、沟通类的活儿，比如写策划案、做行业研究、写教育文案这些。他们工资不低，平时干的活也不算重，但任务重复性高、结构清晰，正好特别适合让 Copilot 插一脚。

换句话说，这群人原来用脑、用笔就能把工作干完，现在 AI 上来了，他们不能不学着怎么把 AI 当搭档用，不然效率就要被比下去。

AI 这波冲击，先改的是“中产白领”的工作方式，不是先从流水线或外卖员这类岗位下手。而且它带来的不是“谁会被炒掉”，而是“谁得赶紧学会用 AI，把一些重复的、表达型的任务丢出去”。

不管你挣得多还是少、学历高还是低，只要你现在的工作里有很多写、讲、整合信息的内容，AI 就很可能已经盯上你干的那部分活了。未来的关键，不是逃避 AI，而是找到方法，让 AI 成为你的工作助手，而不是竞争对手。

“工作”怎么办？

微软研究院在分析了 AI 擅长干啥、对哪些人影响大之后，最后提出了一个更大的问题：AI 到底会把“工作”这件事变成什么样？

换句话说，AI 不只是帮你做几件事这么简单，它其实是在慢慢“改写”工作的定义。以前说一个人是“市场经理”“项目助理”“内容编辑”，大家脑子里会浮现出一套工作内容和节奏。但现在，有些原本属于这个岗位的事，已经能被 Copilot 做了，而且做得还不错。

研究发现，很多人现在不只是用 AI 来“查个资料”“润个稿”，而是已经在让它真正参与自己的工作流程。比如，让它写初稿、整理文档、准备会议内容、生成方案骨架——这些都是过去只有人来做的，现在很多已经被 AI 接过去一部分。

微软的核心观点是：“岗位”这个概念，会慢慢被“任务”取代。一个人不再是包干一整份工作，而是负责其中的一些关键任务，其他任务则可以交给 AI。

这种变化带来个新问题：公司该怎么配人、怎么分活？以前招人是按岗位来，岗位里是什么任务就是固定的；但现在，要先问清楚：哪些活可以让 AI 干、哪些活还是必须人来。组织架构、绩效考核、HR 系统都得跟着调整。

有公司就试着做了新的分工方式：让 Copilot 写邮件、起草内容、整理客户反馈，让人去做情绪沟通、策略调整、临门一脚的决策。结果团队效率反而更高，客户反馈也不错。

这也让一些全新的岗位冒出来了，比如“AI 协作经理”“工作流程设计师”，专门干一件事：想办法怎么让人和 AI 配合得更顺、效率更高。他们不一定自己做内容，但特别懂哪些任务适合分给 AI，怎么打通前后流程。

对此，微软总结了未来工作变革的几个关键词：

任务颗粒化：工作不是一个职位，而是一堆任务，拆开来看哪些 AI 能做，哪些人做更好人机混合：不是“AI 做一半、人做一半”，而是你一句我一句、一前一后那种紧密协作能力重新分层：人做创意、判断、决策，AI 做执行、表达、整理角色流动：你今天做 A 明天做 B，工作边界变宽，按任务流动而不是死守一个岗位

总的来说，未来的关键不是你有没有用 AI，而是你有没有能力“重新组织自己的工作”，有没有能力搭建一套“人 + AI”的组合结构。工具都有，怎么用出效率，才是分水岭。

对个人来说，也是一样。以前学新技能是为了“能多干点事”；现在的重点是“哪些事能交给 AI 干”，然后你自己空出时间去干更值钱、更需要人判断的事。会用 AI 的人，不见得就能躺赢，但不会用 AI 的人，竞争力一定越来越低。

微软还提了一个特别实在的建议：未来决定你职场竞争力的，不是你一个人能干多少，而是你有没有能力搭建出一套聪明的工作组合，让 AI 来协助你、补位你、加速你。谁会设计这套系统，谁就更有价值。

本文由人人都是产品经理作者【江天 Tim】，微信公众号：【有新Newin】，原创/授权发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash股票知识配资论坛，基于 CC0 协议。

盈昌优配提示：文章来自网络，不代表本站观点。