人工智能不会取代所有工作：OpenAI 和 Anthropic 的转变

Lisa Ernst · 31.05.2026 · 人工智能新闻 · 阅读时长 8 分钟

几个月来，最引人注目的关于人工智能的消息很简单：先进的模型将取代大部分劳动力。现在，来自两个最重要的人工智能实验室的消息变得更加谨慎。OpenAI 和 Anthropic 仍然警告说，工作将快速变化，但更新的论点不是“所有工作都消失了”。而是：许多任务将被自动化，许多角色将被重新设计，一些入门级岗位将变得更加困难。

来源: Zerlo 复合图，使用 Wikimedia Commons 由 Steve Jurvetson、TechCrunch 和 Shixart1985 提供的图片

这很重要，因为恐慌是一种糟糕的策略。如果人工智能改变了你 30% 的任务，这并不意味着你的工作就消失了。它可能意味着你的工作变得更具生产力、更具竞争力、更多地受到软件监管，或者更依赖于人工智能难以拥有的技能：判断力、信任、沟通、责任感和品味。

新的人工智能工作叙事：减少末日论，增加转型

OpenAI 首席执行官 Sam Altman 最近表示，他不认为会出现一些人工智能行业人士预测的那种“工作末日”。他也承认，他预计会有比实际情况更多的入门级白领工作被淘汰。这是一个重要的语气转变，因为 OpenAI 之前曾明确警告说，一些工作会消失，而另一些则会演变。

Anthropic 也转向了更基于数据的方法。Anthropic 的研究不再仅仅询问人工智能理论上可以做什么，而是着眼于实际的接触情况：在专业环境中，哪些工作任务实际上正在被自动化或人工智能辅助使用。这个区别很重要。一个模型可能能够帮助完成一项任务，但实际的公司仍然需要流程、信任、质量检查、客户、法规和人类责任。

来源: 图片来源：Wikimedia Commons、OpenAI 和 Anthropic 的公共领域文本标志

OpenAI 和 Anthropic 并非认为人工智能对劳动力市场没有影响。转变更加精确：影响是不均衡的、基于任务的，并且很大程度上取决于公司实际部署人工智能的方式。

预测为何改变

最初的恐惧很容易理解。现代人工智能可以编写代码、总结文档、起草电子邮件、分析数据、回答支持问题并生成营销材料。从远处看，这看起来像是直接的工作替代。然而，在真实的组织内部，工作更加混乱。

一份工作很少只是一项纯粹的任务。它是一系列小型任务、会议、决策、例外、关系、质量检查和责任的集合。人工智能可以压缩这个集合的一部分，但它并不能自动拥有完整的角色。

❝ 关键的错误是将“人工智能可以做这项任务”等同于“人工智能可以取代这份工作”。实际工作包含背景、责任和信任。 ❞

Zerlo 编辑分析

OpenAI 更谨慎的表述

OpenAI 的《劳动力蓝图》已经包含了一个平衡的句子：人工智能将重塑工作，新工作将被创造，一些工作将演变，一些工作将消失。这与说每个角色都会被淘汰不同。其最新的工作转型研究也试图描绘近期的劳动力压力，而不是仅仅依赖于笼统的“人工智能接触”分数。

用通俗的语言来说：OpenAI 似乎正从广泛的警告转向一个更实际的问题：人工智能在哪里能降低工作成本，哪些地方人类必须参与，以及哪里更便宜的生产实际上可以增加需求？

来源: Steve Jurvetson 通过 Wikimedia Commons，CC BY 2.0

Sam Altman 最新的评论很重要，因为它们将技术能力与社会现实区分开来。在许多工作环境中，人们仍然重视直接的人际互动、责任感和信任。

Anthropic 的数据讲述了一个相似但仍有风险的故事

Anthropic 一直是警告白领工作受冲击最强烈的声音之一，尤其针对入门级职位。但其自身的《经济指数》研究增加了细微之处。该公司衡量 Claude 的实际使用情况，而不仅仅是 Claude 理论上可以做什么。在一项劳动力市场分析中，Anthropic 表示，在某些类别中，人工智能的使用仍远未达到理论能力；例如，它报告说 Claude 在计算机和数学职业中仅覆盖了部分任务。

这并不意味着风险无害。这仅仅意味着风险分布不均。主要由常规写作、基本分析、简单编码、工单分流、格式化和文档处理组成的入门级工作，比涉及客户信任、领导力、实体存在、谈判、责任感或深度领域判断的工作更容易受到影响。

来源: TechCrunch 通过 Wikimedia Commons，CC BY 2.0

Dario Amodei 曾强烈警告人工智能的冲击。更有用的解读不是“忽略警告”，而是“为任务压缩做好准备，尤其是在初级白领工作中”。

实际区别：任务替代 vs. 工作替代

理解这种转变的最佳方式是区分任务和工作。

公司为何仍可能招聘人员

“取代一切”的叙事过于简单，还有第二个原因：当一项任务变得更便宜时，需求可能会扩大。如果构建软件变得更快，公司可能会构建更多软件。如果分析变得更便宜，经理们可能会要求更多分析。如果内容生产变得更便宜，团队可能会发布更多变体、更多测试和更多本地化版本。

这并不保证每个领域的就业增长。这取决于需求。如果需求增长速度超过自动化消除的工作量，就业可能会保持稳定甚至增长。如果需求持平且任务易于自动化，人员压力将变得更大。

来源: Shixart1985 通过 Wikimedia Commons，CC BY 2.0

最可能出现的近期结果不是干净的替代浪潮。而是对办公室工作的重新设计：减少重复性步骤，增加对人工智能输出的监督，以及增加更快交付结果的压力。

谁的风险最高？

风险最高的人不是“所有使用电脑的人”。风险最高的是那些大部分价值是常规产出且缺乏太多自主性的人。这包括初级研究、简单文案、基础编码、一级支持、模板化报告、标准文档审查和重复性行政工作的一部分。

更安全的一方不是“永远不要使用人工智能”。而是相反。更安全的工作者通常是那些能够很好地使用人工智能，同时又能围绕人工智能增加判断力的人。他们知道该问什么，该拒绝什么，该验证什么，以及如何将输出转化为真正的业务成果。

现在工薪者应该做什么

1. 梳理你的任务。 写下你每周做的事情。标记哪些部分是重复的、基于文本的或基于规则的。
2. 首先自动化自己的低价值工作。 在别人为你做之前，使用人工智能起草、总结、比较、组织和检查简单的工作。
3. 培养验证技能。 有价值的员工不是那些盲目接受人工智能输出的人。而是能够快速发现错误的人。
4. 向责任靠拢。 客户信任、项目所有权、合规性、架构、人员管理和领域判断更难完全自动化。
5. 学习工作流程，而不仅仅是提示。 优势来自于将人工智能与文档、数据、工具、审查步骤和明确的输出标准相结合。

来源: Shixart1985 通过 Wikimedia Commons，CC BY 2.0

人工智能使初稿更便宜。这增加了那些能够审查、决策、协调并对最终结果负责的人的价值。

公司应该怎么做

对于公司来说，错误策略是先替换人，之后再理解流程。更好的策略是衡量人工智能实际节省了多少时间，错误代价有多高，以及需要人类审查的地方。人工智能的引入应该有明确的所有权：谁检查输出，谁批准，以及出现问题时谁负责。

团队也应该保护他们的初级人才管道。如果人工智能消除了所有初学者任务，公司现在可能省钱，但会失去未来的专家。更好的模式是监督式加速：初级员工使用人工智能，但他们仍然学习底层工作，接受反馈并培养判断力。

这对人工智能新闻读者意味着什么

“人工智能将取代所有工作”的标题能吸引点击，但它过于粗糙。更好的标题更有用：人工智能将在攻击整个角色之前先攻击任务。第一批赢家将是那些围绕人工智能重新设计工作流程，同时又不从关乎信任、安全和责任的地方移除人类判断力的人和公司。

有关更实用的 AI 工具和工作流程创意，请探索 Zerlo 工具部分.

常见问题解答