白惠天腾讯研究院高级研究员

你有没有过这样的瞬间：写不完的总结、画不完的PPT、改三遍还会出错的表单……不是太难，就是太烦，做完没成就感，做慢了还影响进度。

如果AI能替你做点事，你最想交给它干什么？

过去一年，AI成了打工人身边最常出现的“新同事”。从Copilot到Agent，越来越多打工人已经在用它写邮件、排日程、写代码。根据Anthropic团队2025年初发布的研究，全球已有36%的职业岗位中，员工已将AI用于至少四分之一的日常任务。OpenAI的调研也指出，80%的美国职场人至少有10%的任务受到AI影响，其中近五分之一的岗位中，AI已介入超过一半的工作内容。

一个很关键的问题正在浮出水面：我们不是真的想被AI取代，但我们真的很想省点力。

斯坦福大学最近的一项大规模调研就试图回答这个问题：AI来了，你最希望它来做什么？

结果，比想象中更真实——也更扎心。

AI不是来炫技的，它是来帮你省力的

斯坦福的研究团队提供了一个反常识的答案：人们最希望AI接手的，并不是生成内容、编写代码或创意设计，而是那些最琐碎、最重复、最容易出错的低值任务——比如安排预约、整理文件、修工资单、导入数据……

为了更系统地理解AI与人的任务分工，这项研究构建了一个名为 WORKBank（AI Agent Worker Outlook & Readiness Knowledge Bank） 的研究体系。研究团队从O*NET数据库中筛选出2000多个具体任务，邀请1500位来自104个职业的一线职场人士逐项评估：

“如果AI能胜任这个任务，你愿意让它来做吗？”

与传统“AI能做什么”的研究视角不同，这项调研反其道而行，从“人类愿不愿意交出去什么”出发，反向定义AI的真正落地优先级。

为实现“人愿望 × AI能力”的双维分析，研究团队还邀请了52位AI Agent开发者为每项任务打分，并引入“Human Agency Scale（人类介入度等级）”，将任务分为五类：

• H1：AI可独立完成

• H2：AI为主，人类仅关键干预

• H3：人机协作，各有分工

• H4：人类为主，AI提供支持

• H5：完全由人完成，AI无法胜任

图1 研究框架总览

调研数据显示，在所有被评估的844项任务中，有超过46%被职场人士打出了“希望AI来做”的高分（≥4分）。其中七成以上的受访者明确表示，最希望AI接手的，是那些“重复但低价值”的日常事务，如整理文档、修正错误、数据录入。

排名前五的任务包括：

• 安排客户预约（如税务助理）

• 整理应急档案（如接警台）

• 修正工资记录

• 数据转格式与导入

• 网站数据备份

这些任务有一个显著共性：标准化高、重复频繁、判断强度低，却极其耗时、容易出错。

它们不是人类擅长的“创造性”或“判断力”任务，而是我们习惯性忍受、但最不想亲自处理的琐碎工作。这些“自动化愿望”最高的任务，几乎都集中在“隐形加班”重灾区：不属于KPI考核核心，却极度消耗时间精力，堪称职场人的“精神负担黑洞”。

这或许也解释了一个令人深思的现象：自动化在很多人心中，并不是技术幻想，而是一种情绪释放。不是因为AI做得有多“炫”，而是因为它能帮我们少加几个班、少报几次错、少整理几次本就不该自己动手的报表。这种真实的使用意愿揭示了一个重要趋势：AI的真正机会，不在炫技，而在减负。在实际职场中，能帮人腾出脑力空间的AI，远比会生成长篇内容的AI更受欢迎。

图2 自动化愿望排行

愿望≠能力：AI应用的错配正在发生

AI专家同时评估了每项任务的“技术可实现程度”，结果和职场人的意愿组合成了一个非常有趣的“愿望-能力四象限”：

• Green Light：愿望高 + 能力强 → 可优先部署

• ❌ Red Light：愿望低 + 能力强 → 需慎重推进

• R&D机会区：愿望高 + 能力弱 → 值得投入研发

• Low Priority：愿望低 + 能力弱 → 暂无优先级

一个令人警惕的发现是：不少AI公司和研究论文热衷投入“Red Light”区，即那些“AI可以做，但用户根本不愿意交给AI做”的任务，比如自动撰写文章、生成创意文案等。当投资者、研究者将资源集中在“Red Light区”，就可能形成“精力错配”与“社会阻力”双重夹击：前者让真正的AI刚需场景无人开发，后者让已部署AI遭遇用户冷落。这是AI发展过程中必须反思的“技术与意愿的错位陷阱”。

图3 愿望×能力四象限

任务分布图清晰揭示了技术的发展方向与真实需求之间存在脱节。AI研究者可能热衷于替程序员写代码，而普通职场人更希望AI能帮他们报销、排班、查错。这个错配反映出一个更深层的问题：AI产品的方向设计，往往脱离了用户真正的工作场景。真正高价值的机会，可能不是“技术上最酷的”，而是最贴合用户真实痛点的。

研究中的另一套量表是“Human Agency Scale”，即人类希望在任务中保留多少参与权。令人欣慰的是，大部分受访者选择了 H3（人机协作）而不是 H1（完全由AI完成）。这表明，大多数人并不排斥AI，而是在寻找一种更理想的协作方式：让AI处理底层机械步骤，人类保留决策与创造。

图4 人类介入度分布

人们对AI的角色定位，其实因行业而异。在金融、法务、行政等职能中，只要AI“靠谱不出错”就已令人满意；而在媒体、教育、设计等创意场景中，用户则高度在意“表达主控权”。

这意味着，AI系统不该预设统一协作范式，而应在“自动化”与“增强人”的不同任务之间灵活切换。或许我们不该把AI设计成“超人型替代者”，而应是“伴随型搭档”。在未来的人机协作体系中，“如何分工”远比“谁更强”更重要。

AI正在悄悄改变“最值钱”的能力结构

研究团队将每项任务背后的核心能力映射到了O*NET的技能体系中，并从两个维度重新评估这些技能的“价值”：

一是当前市场上的平均工资；

二是专家认为未来是否仍需人类深度介入（即高HAS等级）。

结果显示：传统上高薪的“信息处理”类技能（如分析数据、整理文档、执行规则）虽然依旧重要，但在AI的辅助下，这些任务正变得越来越自动化，其“人类参与价值”正在下降。而那些需要组织协调、跨团队协作、激发他人、做出判断的“人际型”与“管理型”能力，反而呈现出更强的稀缺性与不可替代性。

图5 技能工资 vs 人类介入度排序

这种“高薪但易被取代、低薪却强依赖人”的倒挂现象，预示着一场职场能力结构的深度重塑：未来不可替代的，不是某项技术本身，而是在AI参与下仍必须由人类承担的角色与决策。

编程就是一个典型例子。今年3月，Anthropic首席执行官 Dario Amodei 表示，未来3到6个月内，AI将编写90%的代码；12个月内，几乎所有的代码都可能由AI生成。OpenAI首席产品官 Kevin Weil 也预测，到2025年底，AI编程将实现99%自动化。

不同于以往“3到5年”的中长期预测，这两位大模型公司高管给出的时间表精确到了“今年底”，也就意味着：AI对编程行业带来的冲击，不只是“会不会”，而是“马上来”。

现实的确如此。根据美国劳工统计局《当前人口调查》数据显示：美国“计算机程序员”岗位就业比例已降至1980年以来最低点。曾在互联网泡沫高峰期达到70多万个的职位，如今仅剩其一半。可以说，程序员们夜以继日训练的大模型，首先革了自己的命。

这也解释了为何我们需要一种“超越技能”的能力结构更新：

不再只强调“写Prompt”“掌握语法”这类技术性技巧；

更重视“界定问题”“组织资源”“协调人机”的综合判断力。

AI改变的不只是我们做什么，而是我们被需要做什么。

越来越多公司在招聘中强调“判断力、共情力、跨团队沟通能力”——因为这些，恰恰是AI短期内无法胜任的。

未来职场对人的要求，不再是“更像程序员”，而是“更像组织者、协调者、战略思考者”。那些靠熟练度赢得优势的能力，正在让位于人格的完整度、协作的弹性与思维的清晰度。

写在最后：真正理想的AI，不是最聪明的，而是最识趣的

这项调研最有价值的地方，不在于告诉我们AI还能干多少种任务，而是反问了一个更重要的问题：我们真的想让它做什么？

答案并不总是“越多越好”。很多职场人欢迎AI处理琐碎事务，却坚决不愿将创意表达、判断责任、人与人之间的互动交给AI。这不是保守，而是一种边界感，是我们对“人该保留什么”达成的集体共识。

当AI不再只是工具，而走向“搭档”“代理人”，它的设计逻辑也必须随之改变。

我们不需要一个什么都替代的AI，而更需要一个懂得配合、知道退场的AI。一个真正理想的AI，不是最聪明的那个，而是最识趣的那个。

它懂你不想干什么，也懂你必须自己来；它理解什么可以高效自动化，也知道哪些事情永远不能被流程化。

“快乐摸鱼”，从来不等于懒散，而是一种反内卷、反任务淹没、争取注意力主权的隐性职场哲学。

当AI愿意接手那些琐碎低值的任务，我们终于有机会把注意力重新放在判断、创造、协作、表达这些最值得由人来完成的部分。

这，才是AI赋能的真正含义。

AI的能力边界，正在倒逼我们更深刻地理解“人的价值”。它替代的是可替代的，也提醒我们不断追问：

什么才是不可替代的？

也许，正是这些答案，塑造了我们在AI时代的真正身份。