Microsoft Research's latest AI insights: The concept of "jobs" will become a thing of the past, and companies' organization, performance, and HR systems will face changes

最近，微軟研究院發佈了一份重磅報告《Working with AI: Measuring the Occupational Implications of Generative AI》，用超過 20 萬條 Bing Copilot 的真實對話，系統分析了 AI 到底在工作中幫了哪些忙、做得怎麼樣、對哪些職業影響最大。

這份報告不是基於想象或者模擬實驗，而是直接從人們每天怎麼用 AI 的真實記錄中找規律，是目前最接近現實職場狀態的 AI 職業影響研究。

結論很直接也很扎心：AI 已經悄悄參與到很多 “看起來很安全” 的白領工作中，從寫文案、查資料到講解複雜內容，很多任務不再需要人親自完成。特別是那些原本靠學歷、經驗、表達能力吃飯的崗位，正在被任務切碎，一部分一部分地被 Copilot 接手。研究還發現，收入越高、學歷越高的職業，反而越容易被 AI 介入。

這份報告提出一個核心觀點：AI 不會突然 “取代一個人”，但正在悄悄 “改寫工作的定義”。未來的工作不是一份崗位幹到底，而是很多個任務模塊拼成一套流程。誰能把 AI 安排進這些任務中，誰就能大幅提升效率。不會用 AI 的人，可能不會立刻失業，但會在職場裏被拉開差距。

▍AI 最常幫忙的三件事

微軟研究院這份報告基於 20 萬條來自 Bing Copilot 的真實用户對話，分析了 AI 在實際工作場景中到底被用來做哪些事情、做得好不好、對職業的影響範圍有多大。

整體來看，用户最常請 AI 幫忙的是三件事：找資料、寫東西和幫忙表達觀點或解釋內容。而 AI 自己最常做的，也是提供信息、給建議、講道理這些事，像是一個全天候在線的 “知識服務員”。

研究團隊引用了美國勞工部的職業數據庫，把對話中涉及的任務都分類成一套叫 “中層工作活動”（IWA）的體系，結果發現，AI 被最常用來協助完成的工作任務主要集中在以下幾個方面：

第一類是 “找信息”，比如找資料、查商品信息、看文件、保持專業知識更新等。Copilot 在這些方面的表現非常突出，不僅出場頻率高，而且用户反饋很好，點贊率超過 80%。比如有人問某個法律條款怎麼理解、某種病症是什麼原理，AI 都能在幾秒鐘內給出結構清晰的解釋，遠超傳統搜索引擎的體驗。

第二類是 “寫東西”，包括寫文案、寫文章、改稿子、整理材料等等。這類任務不但最受歡迎，也最能體現 AI 的優勢。Copilot 能聽懂用户想寫什麼，用的是什麼語氣、面向誰，然後幫忙生成草稿或者潤色修改，效率很高。很多人會用它來寫簡歷、演講稿、博客、工作總結等等。

第三類是 “講清楚”，也就是把一些專業內容解釋給別人聽。這裏面有很多細分任務，比如解釋技術細節、説明政策流程、回答問題、給出建議等等。Copilot 在這方面的表現，可以説像是一個不累的助教或客服，可以反覆回答、講得清楚、表達有條理。

此外，研究也發現一個很重要的點：用户想讓 AI 做的事，和 AI 實際做的事並不總是對得上。在四成的對話中，用户目標和 AI 行動完全不一樣；在九成多的對話中，兩者重合的部分不到一半。這説明，很多時候 AI 不是直接代替用户完成工作，而是 “打輔助”，幫用户更好地完成目標，比如整理思路、補充資料、翻譯專業語言等等。

在所有這些任務中，出現頻率最高、效果最好的一些包括：編輯文件、查各種來源的信息、給客户或公眾提供説明、回答問題以及準備一些教學或説明材料。

微軟團隊還發現一件很值得關注的事：AI 能力和任務的高度重合，正在推動職業結構從 “整個人幹所有事”，變成 “人類負責判斷和創意，AI 負責執行和表達”。比如，新聞編輯這份工作，以前一個人既要採訪、又要寫稿、還要潤色。現在，採訪和選題依然需要人，但寫稿初稿和語言潤色已經可以由 AI 承擔。

例如市場研究員，以前要自己去查數據、寫報告、分析趨勢；現在，AI 可以抓網頁、讀行業報告、生成初稿，人只需要負責判斷哪些靠譜、哪些邏輯站得住。這説明，AI 不一定替代整個職業，而是 “拆” 職業，把能做的任務一塊一塊接走。

微軟研究團隊還強調了一點 —— AI 最適合的，是那些能清楚説清楚、可以被結構化表達出來的任務。只要任務能 “説得清楚”，AI 就能 “做得像樣”。但只要任務涉及判斷、人際互動、即興應變、動手執行這些環節，AI 就還遠遠替代不了人。

▍AI 協助誰？又會替代誰？

在分析 AI 最常做的任務之後，微軟研究院又進一步研究了個關鍵問題：到底是哪些人，最容易被 AI 協助，甚至部分替代？是高薪的，還是低薪的？是高學歷的，還是沒怎麼上學的？

他們把每個職業的 AI 適用性得分，跟收入、學歷、工作性質（比如全職還是兼職）這些信息做了個交叉分析，結果讓人有點意外。

首先看收入。越是高薪的工作，AI 介入的可能性越高。也就是説，收入排在前 25% 的職業，AI 不僅能用得上，而且效果還挺不錯。為什麼會這樣？其實很簡單，這些高薪崗位很多是靠腦子、靠寫東西、靠分析和表達來掙錢的，比如經濟顧問、政策分析師、市場策劃、科技記者、商業編輯這些。而這些工作恰好是 Copilot 特別擅長的。

打個比方，之前你要寫一篇市場趨勢分析報告，得花好幾個小時翻報告、查數據、組織語言。現在 Copilot 上來三兩句就能給你出個初稿，再加點修改就能用了，節省的時間可不少。

反過來看，那些低薪崗位，比如清潔工、餐廳後廚、搬運工、快遞員這些，AI 能幫上的其實很有限。這些工作不是不重要，而是 AI 插不上手。不是靠打字寫報告，也不是你一句 prompt 它就能代勞的活兒，而是真刀真槍得人上手幹活。

再看學歷，趨勢也差不多。越是需要高學歷的崗位，AI 越容易發揮作用。本科及以上學歷要求的工作，很多都是需要寫、説、總結、分析的，而這些也正是 Copilot 的強項。

像一些研究人員、內容編輯、知識類博主、行業諮詢顧問，他們天天跟信息打交道，要麼整合觀點、要麼輸出內容。Copilot 不僅能查信息，還能幫你捋思路、潤色語言、寫草稿，簡直就是個全能助理。

但如果是一些沒太多學歷門檻的崗位，比如倉庫理貨、洗衣工、廚師助理、農場工人這些，AI 想介入都難。你讓 AI 去炒菜、搬箱子、把貨碼整齊，它沒胳膊沒眼神，就是不行。

所以微軟這邊得出的結論挺有意思的——不是 “底層工作” 最先被取代，而是 “坐辦公室的人” 最先要學着和 AI 共事。

除了收入和學歷，報告還看了工作性質，比如是不是全職、是不是長期的。結論也很清楚：AI 更容易進入那些全職、流程清晰、重複性高的崗位。像很多文職類工作，每天要做的事差不多，寫總結、發郵件、查資料、做報告，AI 能幫上的地方非常多。而像小時工、臨時促銷員、倉庫搬運這種，任務太碎太靈活，AI 就很難嵌進去。

報告還舉了個有意思的例子，有些工作雖然任務不多，但只要這些任務正好和 AI 擅長的內容對上了，那也會受到很大影響。比如審稿員、編輯，他們的任務就集中在改錯別字、潤色句子、統一格式這些，這些活兒 Copilot 做得飛快又準，可能原來一個人一天干的活兒，AI 半小時就能搞定。

也就是説，不是任務多才容易被 AI 替代，而是 “AI 擅長的任務佔得多”，這個崗位就危險。

報告還畫出了現在最容易被 AI 協助的那類人羣畫像：一般是本科學歷以上，做的是內容類、分析類、溝通類的活兒，比如寫策劃案、做行業研究、寫教育文案這些。他們工資不低，平時乾的活也不算重，但任務重複性高、結構清晰，正好特別適合讓 Copilot 插一腳。

換句話説，這羣人原來用腦、用筆就能把工作幹完，現在 AI 上來了，他們不能不學着怎麼把 AI 當搭檔用，不然效率就要被比下去。

AI 這波衝擊，先改的是 “中產白領” 的工作方式，不是先從流水線或外賣員這類崗位下手。而且它帶來的不是 “誰會被炒掉”，而是 “誰得趕緊學會用 AI，把一些重複的、表達型的任務丟出去”。

不管你掙得多還是少、學歷高還是低，只要你現在的工作裏有很多寫、講、整合信息的內容，AI 就很可能已經盯上你乾的那部分活了。未來的關鍵，不是逃避 AI，而是找到方法，讓 AI 成為你的工作助手，而不是競爭對手。

▍“工作” 怎麼辦？

微軟研究院在分析了 AI 擅長幹啥、對哪些人影響大之後，最後提出了一個更大的問題：AI 到底會把 “工作” 這件事變成什麼樣？

換句話説，AI 不只是幫你做幾件事這麼簡單，它其實是在慢慢 “改寫” 工作的定義。以前説一個人是 “市場經理”“項目助理”“內容編輯”，大家腦子裏會浮現出一套工作內容和節奏。但現在，有些原本屬於這個崗位的事，已經能被 Copilot 做了，而且做得還不錯。

研究發現，很多人現在不只是用 AI 來 “查個資料”“潤個稿”，而是已經在讓它真正參與自己的工作流程。比如，讓它寫初稿、整理文檔、準備會議內容、生成方案骨架——這些都是過去只有人來做的，現在很多已經被 AI 接過去一部分。

微軟的核心觀點是：“崗位” 這個概念，會慢慢被 “任務” 取代。一個人不再是包乾一整份工作，而是負責其中的一些關鍵任務，其他任務則可以交給 AI。

這種變化帶來個新問題：公司該怎麼配人、怎麼分活？以前招人是按崗位來，崗位裏是什麼任務就是固定的；但現在，要先問清楚：哪些活可以讓 AI 幹、哪些活還是必須人來。組織架構、績效考核、HR 系統都得跟着調整。

有公司就試着做了新的分工方式：讓 Copilot 寫郵件、起草內容、整理客户反饋，讓人去做情緒溝通、策略調整、臨門一腳的決策。結果團隊效率反而更高，客户反饋也不錯。

這也讓一些全新的崗位冒出來了，比如 “AI 協作經理”“工作流程設計師”，專門幹一件事：想辦法怎麼讓人和 AI 配合得更順、效率更高。他們不一定自己做內容，但特別懂哪些任務適合分給 AI，怎麼打通前後流程。

對此，微軟總結了未來工作變革的幾個關鍵詞：

• 任務顆粒化：工作不是一個職位，而是一堆任務，拆開來看哪些 AI 能做，哪些人做更好
• 人機混合：不是 “AI 做一半、人做一半”，而是你一句我一句、一前一後那種緊密協作
• 能力重新分層：人做創意、判斷、決策，AI 做執行、表達、整理
• 角色流動：你今天做 A 明天做 B，工作邊界變寬，按任務流動而不是死守一個崗位

總的來説，未來的關鍵不是你有沒有用 AI，而是你有沒有能力 “重新組織自己的工作”，有沒有能力搭建一套 “人 + AI” 的組合結構。工具都有，怎麼用出效率，才是分水嶺。

對個人來説，也是一樣。以前學新技能是為了 “能多幹點事”；現在的重點是 “哪些事能交給 AI 幹”，然後你自己空出時間去幹更值錢、更需要人判斷的事。會用 AI 的人，不見得就能躺贏，但不會用 AI 的人，競爭力一定越來越低。

微軟還提了一個特別實在的建議：未來決定你職場競爭力的，不是你一個人能幹多少，而是你有沒有能力搭建出一套聰明的工作組合，讓 AI 來協助你、補位你、加速你。誰會設計這套系統，誰就更有價值。

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。