6月17日消息，斯坦福大学人工智能研究中心日前发布的《AI智能体与未来工作》报告指出，全球劳动力市场正经历由AI智能体驱动的深刻结构性变革。这项覆盖多行业的量化研究结果显示，69.4%的从业者心态已发生显著转变，从早期担忧“机器取代人力”的焦虑，转向积极拥抱“人机协作”，其中技术从业者的转型意愿尤为突出。

报告显示，不同行业对AI智能体的接纳度呈现显著差异。在软件开发领域，高达78%的工程师已积极采用AI进行代码调试。然而，创意产业的态度则相对谨慎，仅17%的品牌策划工作允许AI智能体参与，原因是该项工作高度依赖人类的情感洞察力和独特的创意灵感，AI智能体的介入往往被认为缺乏“灵魂”，难以满足行业对于作品深度和个性的要求。这种行业间的差异印证了研究的核心发现：规则明确、流程化的任务更容易实现自动化，而高度依赖情感智能和独特创意的领域，人类的价值依然难以替代。

随着AI智能体的渗透，职场技能需求图谱正在经历重大重构。报告指出，诸如“数据建模”等传统技能需求已较五年前下降28%。与此同时，“跨模态沟通”和“伦理决策”等新兴能力成为高薪岗位的标准配置。具备“AI协作管理”资质的项目经理起薪较普通从业者高出37%。主导该项研究的埃里克·布林约尔松（Erik Brynjolfsson）教授断言：“未来十年最抢手的人才将是‘人机协作架构师’，他们既精通AI的算法语言，又深刻理解人类的情感密码。”

值得注意的是，政策层面正积极行动以保障人类价值在AI应用中的核心地位。美国已有12个州立法要求企业提交《人机协作评估报告》；欧盟最新修订的《人工智能法案》更是明确规定，任何AI部署必须通过强制性的“员工参与度审计”。

斯坦福大学人工智能研究中心的研究表明，AI智能体正在引发一场职场革命，其核心价值在于通过技术赋能释放企业从业者潜能，使他们能够更专注于展现其独特价值。（文/腾讯科技特约编译 无忌）

斯坦福研究表明：硅谷的AI创业潮，其实是一场大型的资源错配

AI未来指北特约作者 郝博阳

编辑 郑可君

协助编译 无忌

2025年1月到5月间，斯坦福大学的研究团队完成了一项本应在AI热潮开始时就进行的调查。他们采访了1,500名美国工人和52名AI专家，评估了104个职业中的844项具体任务。这项由经济学家Erik Brynjolfsson领导的研究，第一次系统地量化了一个简单却被忽视的问题：人们到底想要什么样的AI？

在这844项职业任务中，研究者让工人们用1到5分评价他们对AI自动化的渴望程度。结果呈现出一幅复杂的图景：仅有7.11%的任务获得了满分5分——意味着工人"完全希望"AI来接管；另有6.16%的任务得分在2分以下，表明工人强烈抵触自动化。总体而言，46.1%的任务获得了3分以上的正面评价，但这个看似中性的数字掩盖了巨大的行业差异。

在计算机和数学领域，超过半数的任务受到欢迎；而在艺术、设计和媒体领域，这个比例骤降至17.1%。更关键的发现在于，当研究者将这些工人需求数据与硅谷的实际投资流向对比时，一个令人不安的错配模式浮现了出来。

需求与供给的断层

研究团队创造性地构建了一个"需求-能力"矩阵，基于工人的自动化意愿（Aw(t)）和AI专家评估的技术可行性（Ae(t)），将所有844项任务划分为四个象限。"自动化绿灯区"代表那些工人想要且技术可行的任务；"红灯区"则是技术可行但工人抵触的领域；"研发机会区"包含工人渴望但技术尚未成熟的任务；"低优先区"则是既无需求也无能力的任务。

通过将Y Combinator孵化的1,723家AI相关公司映射到这些任务上，研究揭示了一个惊人的事实：41.0%的公司-任务映射落在了"低优先区"和"红灯区"。换言之，近一半的AI创业努力都投向了工人既不需要也不想要的方向。

具体数据更能说明问题。在"绿灯区"，平均每个任务对应117.63家YC公司；"研发机会区"是134.57家；而"低优先区"和"红灯区"分别是118.87家和134.35家。这种近乎均匀的分布表明，投资决策与实际需求之间几乎不存在相关性。

以税务准备为例。"安排客户约会"这项任务获得了工人给出的满分5.0分，意味着所有受访税务准备人员都迫切希望AI能接管这项工作。技术上，这是一个相对简单的日程管理问题。然而，专注于此类"绿灯区"任务的创业公司寥寥无几。相反，客户服务聊天机器人——一个超过40%工人明确表示不需要的"红灯区"——却吸引了大量投资。

研究团队获得了Anthropic提供的Claude.ai使用数据，涵盖2024年12月至2025年1月的使用情况。对比分析揭示了另一层错配：工人自动化需求最高的前10个职业（包括税务准备员、公共安全调度员、计时员等）仅占Claude.ai总使用量的1.26%。

这个数字的含义是双重的。一方面，它表明当前的AI工具可能没有触及真正需要帮助的人群；另一方面，它也暗示着巨大的未开发市场。那些每天忙于安排约会、维护文件、处理工资调整的工人们，可能根本不知道AI能够帮助他们，或者现有的AI工具并不适合他们的具体需求。

更有趣的是，学术研究显示出了与产业界不同的关注点。通过分析截至2025年4月24日arXiv上的17,064篇相关论文，研究团队筛选出1,222篇真正涉及AI智能体系统的论文。这些论文在四个任务区域的分布显示，学术界更多地关注"研发机会区"——那些工人需要但技术尚未成熟的领域。

然而，即使是学术研究也存在严重的领域集中问题。获得最多论文覆盖的三项任务全部属于"计算机和信息研究科学家"职业：应用理论专业知识和创新来创造或应用新技术（1,169篇）、分析问题以开发涉及计算机硬件和软件的解决方案（1,132篇）、执行或指导现有程序的修订、修复或扩展（1,109篇）。

在工作替代这件事上，专家意见不一定能代表从业者

斯坦福团队的一个重要贡献是引入了"人类参与度量表"（Human Agency Scale, HAS）。这个从H1到H5的五级量表，量化了从"AI完全自主"到"人类完全主导"的不同协作模式。

数据显示，在104个被研究的职业中，有47个（45.2%）将H3级——"人机平等伙伴关系"——作为最受欢迎的模式。只有2个职业（1.9%）偏好H1级的完全自动化，1个职业（1.0%）坚持H5级的人类完全主导。35.6%的职业倾向于H2级（AI主导但需要关键人类输入），16.3%选择H4级（人类主导但AI辅助）。

更引人深思的是工人期望与专家评估之间的系统性偏差。在844项任务中，仅有26.9%在两个群体间获得了相同的HAS评级。在剩余的任务中，47.5%显示工人期望的人类参与度高于专家认为技术所需的水平，25.6%则相反。

通过计算两个分布之间的Jensen-Shannon距离，研究识别出分歧最大的职业。电力调度员以0.830的JSD值位居榜首，其次是医疗转录员（0.675）和证券销售代理（0.615）。这些职业的共同特点是，AI专家认为许多任务已可实现H1级自动化，但从业者坚持需要更高的人类参与。

艺术、设计和媒体领域的数据尤其值得关注。在该领域的所有任务中，只有17.1%获得了超过3分的自动化意愿评分。具体来看，"编辑：撰写故事、文章、社论或通讯"的平均得分仅为1.60分；"平面设计师：基于布局原则和美学设计概念创建设计、概念和样本布局"得分1.78；"制片人和导演：剪辑电影或录像带"得分1.75。

通过分析1,500份音频访谈记录，研究团队使用LLM辅助的主题建模技术提取了工人们的核心关切。在被问及"你如何设想在日常工作中使用AI"时，28.0%的受访者表达了某种形式的担忧或负面情绪。这些担忧可以归纳为三大类：45.0%的人不信任AI系统的准确性、能力或可靠性；23.0%担心工作被取代；16.3%认为AI缺乏人类特质或能力。

一位拥有6-10年经验的艺术总监的表述颇具代表性："我想要它用于无缝地优化工作流程，让事情变得不那么重复、乏味和艰苦。不要内容创作。"另一位3-5年经验的艺术总监说得更直接："我绝不会用AI来取代艺术家。"

数据背后的深层逻辑

研究通过统计分析揭示了一些深层模式。工人的自动化需求（Aw(t)）与其对失业的担忧呈显著负相关（Spearman ρ=-0.223, p<5e-11），与工作享受度的相关性更强（ρ=-0.284, p<3e-17）。这意味着工人们想要自动化的，恰恰是那些他们不享受且不太担心会因此失业的任务。

更深入的分析显示，拥有博士学位的工人比本科学历者对自动化的需求高23.6%（p=0.037）；工作经验超过10年的人比1-2年经验者的需求高22.9%（p<0.01）；强烈同意"AI能减轻繁琐工作"的人比中立者的自动化需求高68.5%（p<0.001）。

这既显示出了人们对AI的诉求，即利用它们去除繁琐的工作，专注更多有价值的高级事物。也在另一方面显示出，教育、经验对于AI时代的工作者而言可能更为重要，他们能更好的确认什么是重复、缺乏创新的部分，去发挥AI更大的作用。

那去除掉繁琐工作之后，人们工作和技能发展的中心可能会转移到哪里去呢？

研究通过将任务映射到O*NET数据库定义的27项通用工作活动，研究揭示了AI可能如何重塑职场技能的价值体系。研究者计算了每项技能相关任务的平均工资（基于美国劳工统计局2024年5月数据）和平均所需人类参与度。

结果显示了一种深刻的价值倒置。"分析数据或信息"——目前平均工资最高的技能——在需要高人类参与度的任务中排名仅第17位。相反，一些传统上被低估的技能正在崛起："培训和教授他人"从工资排名第21位跃升至参与度需求第2位；"组织、规划和优先安排工作"从第11位升至第1位；"协助和照顾他人"从第26位升至第14位。

在AI时代，最有价值的人类技能可能不再是处理信息，而是处理人际关系、传授知识、组织协调——那些本质上需要人类判断、同理心和创造性的工作。

AI产业革命，不能靠拍脑门儿的需求

斯坦福的这项研究不仅仅是一份学术报告，它更像是给硅谷的一份诊断书。当41%的AI创业公司在解决没人想要解决的问题时，当最需要帮助的工人只占AI工具使用量的1.26%时，当投资分布与实际需求几乎毫无相关时，我们不得不问：这场AI革命究竟是为谁而进行的？

WORKBank数据库的建立为持续追踪这种错配提供了基础设施。随着更多职业被纳入研究，随着技术能力的演进和工人态度的变化，这个框架将帮助我们更好地理解并引导AI与人类工作的共同演化。

或许，真正的AI革命不在于创造最先进的算法，而在于创造真正服务于人的工具。当硅谷的创新者们开始倾听那些每天八小时坐在办公桌前的人们的声音时，当投资决策开始基于实际需求而非技术可能时，我们才能真正迎来人机协作的新时代。