三年前OpenAI低估了AI对职业的影响，如今正以4倍速重塑劳动力市场

作者：博阳

2月27日，美国金融科技公司Block宣布裁员40%，约4000人，以全面转型为AI公司。AI概念戏剧性地导致其股价暴涨超20%。这家在硅谷算不上举足轻重的公司的案例，却透露出AI快速发展可能引发的经济连锁反应。

在这背后，有一个数字，在过去三年被改写了四次。

2023年3月，OpenAI说：美国约19%的工人会看到超过50%的工作任务被AI影响，这个过程需要十年。

2026年1月，Cognizant说:这个比例已经是30%，而现在距离ChatGPT发布才三年。

同一个月，斯坦福数字经济实验室在分析了2.85亿条招聘广告后发现：AI高暴露度行业的入门级岗位招聘量下降了18%-40%，而资深员工的需求在上升。

如果你还在用"AI会不会抢走人类工作"这个二元问题来理解这场变革，你已经落后了。真正在发生的不是岗位的消失，而是劳动力市场结构的熔断：入口在关闭，中间层在塌陷，而站在塔尖的极少数"AI驾驭者"正在收割一切。

更可怕的是，根据Citrini Research对2028年的推演，这场撕裂才刚刚开始。

2023年的刻舟求剑与2026年的凛冬骤至

把时钟拨回2023年3月，ChatGPT刚刚引爆全球。OpenAI的研究人员联合多所大学发表了一篇里程碑式的论文、《GPTs are GPTs》（生成式预训练模型是通用目的技术）。

当时，OpenAI的团队采用了一套基于任务暴露度（Exposure）的评分模型。他们得出的结论是：美国约80%的劳动力至少有10%的工作任务会受到GPT的影响，而约19%的打工人会看到超过50%的任务被波及。

更有意思的是，他们发现了一个「高薪悖论」，与过去几十年自动化技术（如机械臂）总是最先淘汰蓝领工人不同，GPT时代，薪酬越高的认知型工作，暴露度反而越高。 在技能树上，编程和写作技能与AI暴露度呈强正相关，而科学和批判性思维则被认为是「安全区」。

在那个时间节点，研究人员明确标注了一个局限性：他们没有将视觉等多模态能力计算在内。他们那时候甚至都没考虑到工具使用能力。

在2023年的框架里，AI仍然是一个被困在屏幕里、只懂处理文本和代码的缸中之脑。他们给出的上限预测是，这场重构可能需要长达十年的时间（到2032年）才会彻底展开。

时间来到2026年初，全球IT服务巨头Cognizant发布了他们对2023年研究的更新报告《新工作，新世界 2026》。

报告的开篇就表明「我们原本预测需要十年（到2032年）才会发生的事情，现在已经提前六年就在我们眼前上演了。」

数据显示，今天美国已有93%的工作受到AI不同程度的影响。

Cognizant用了一个指标叫「速率得分」（Velocity Score），说白了就是你的职业被AI吃掉的速度有多快。

如下图所示，此前所有职业的AI暴露度年均增长2%，现在已经跃升到9%，相当于加速了4.5倍。这意味着，那些在2023年看起来属于「AI动不了我」的职业，现在正以4倍速度被卷进来。

具体到岗位上，任务暴露度超过50%的岗位比例从2023年的0%飙升至30%（原预测2032年仅为15%），而所有任务至少暴露25%的岗位则增长了17%，达到69%。

Cognizant测算，仅在美国，这相当于将价值4.5万亿美元的人力劳动成本转移给了AI，约占美国GDP的15%。

这种加速是从哪儿来的呢？

报告用了一个很细的分类，描绘了不同暴露度的分层。

• E0 (No exposure) - 完全不暴露，32%的任务

• E1 (Direct exposure) - 直接用GPT就能省一半时间，10%的任务

• E2 (LLM+ tools) - 需要配套软件但可行，17%的任务

• E3 (With image capability) - 加上视觉能力后可行，17%的任务

• Full automation - 完全可自动化，10%的任务（这是2023→2026最大的跃升，从1%到10%）

从这个分类我们就可以看到，从E1到E3，也就是LLM加上多模态（眼睛与耳朵）和高级推理（大脑）以及随之而来的Agentic AI 智能体（手与脚）带来的改变最大。单纯的ChatGPT其实影响有限（10%），但一旦Agent能使用专业工具，影响就扩大到27%，再加上视觉处理的范畴，则直接覆盖到了44%的工作。

比如一个修水管的工人，AI单独看或想都替代不了他，但当AI能「看懂漏水的位置+推理出可能的原因+生成维修方案+自动下单配件」，那他的工作就被重构了。虽然还得他去拧螺丝，但前期诊断和后续报告都不需要他了。

这种复合能力的爆发，导致了几个在2023年无法想象的后果。

第一，管理层不再安全。 曾几何时，CEO和高管们认为协调、预算分配和决策是人类独有的。但在2026年，Agent能够自主安排日程、根据支出模式重新分配预算、追踪项目进度。Cognizant的数据显示，CEO的AI暴露度从25%飙升至超过60%。

第二，蓝领与物理世界的防线被渗透。 建筑工人、机械师和水管工曾被认为是AI无法触及的低风险区。但在多模态和AR穿戴设备的加持下，AI现在能够分析现场照片以诊断管道泄漏，或者读取建筑蓝图。建筑业的AI暴露度从4%上升到了12%，交通运输业从6%暴涨至25%。 一个水管工不会失业，但他未来的工作方式是被AI头显直接指挥的。

按可由AI完成的任务百分比排名，Cognizant选出了受AI影响最大的六个职业。

排在榜首的是财务经理，84%的工作内容可以被AI接手。换句话说，财务规划、预算分析、风险评估这些核心任务，AI都能插上一手。

计算机和数学相关职位紧随其后，受影响程度达到67%。商业和财务运营、办公室和行政支持这两个大类都在60%到68%之间。法律职业63%，管理工作（包括高管层）60%。

过去几个月，软件开发领域的变化尤其明显。Anthropic的首席工程师鲍里斯·切尔尼（Boris Cherny）今年1月透露了一个令人惊讶的数字：他们公司几乎100%的代码，都是由自家AI产品Claude Code和Opus 4.5编写的。

「就我个人而言，我已经有两个多月没亲手写过代码了，连小修改都不做。」切尔尼说，「昨天我提交了22个拉取请求，前天提交了27个，每一个都是Claude写的。」

当然，他们发现34个职业完全没有任何任务暴露。这些职业清一色是纯体力、现场、手工活：砌砖工、屠宰工、洗碗工、石匠、轮胎修理工...

这些变化，可能意味着劳动力市场的极化会加剧。

高技能的人用AI变得更高产，低技能的人困在无法自动化的低薪苦活里，中间那批能自动化但还没完全自动化的中等技能白领工作最危险。

而这正是在当下招聘市场中真实发生的事。

大数据不会撒谎：入口已经关闭，中间层正在塌陷

预测看起来很紧迫，但在过去现实中的劳动力市场到底发生了什么？

当我们把目光转向由Lightcast、PwC、Indeed、Stanford等机构汇编的过去三年（2023年-2026年）的在线招聘广告大数据时，会发现很多符合预言的部分。

报告当时预测，高工资职业普遍展现出更高的暴露度，并且暴露度与职业所需的编程和写作技能正相关，与科学和批判性思维技能负相关。这些在招聘广告数据里都得到了验证。

而且方向也大体正确，即越是知识密集、文本密集、规则密集的工作，AI渗透越快；越是需要物理操作、现场判断、人际互动的工作，暴露度越低。

被超越的部分是速度。2023年的报告预测这些变化会在十年内展开，结果三年就看到了显著的结构性变化。更重要的是，报告当时强调我们的暴露度测量不区分劳动增强和劳动替代，言下之意是技术可行不等于实际采用。但现实是，企业的采用速度比学术界预期的快得多。

深入去看，我们会看到一幅被研究者命名为「混合转型」（Hybrid Transformation）的图景。这个温和的学术术语掩盖不了它的本质，即一场正在发生的阶级重组。

首先，在这个转型中，得利最多的是AI使用者。截至2025年底至2026年初，纯粹的「AI技能岗位」在整体招聘市场中占比依然不高，大约在4.2%左右。 但它的增速是极其恐怖的，生成式AI相关岗位的提及率相比2023年增长了3倍以上。

而且，从2023年低期，招聘开始分化，所有招聘在减少的情况下，提到AI的招聘却在一路上行。

市场对这极小部分掌握新生产力工具的人给予了极其丰厚的回报。PwC和Lightcast的数据高度一致：在同一职业中，包含AI技能要求的岗位平均能获得15%到30%的薪资溢价，甚至在某些核心知识领域（如律师、金融分析师）工资差异能拉大到56%。

这绝不是全体打工人的「共同富裕」，而是工资结构的剧烈分化。企业愿意为能用AI十倍速提升产出的人付高薪，同时开始冻结那些只做传统重复性脑力劳动的人的薪水。

其次，是在这三年间，入门级白领岗位的「隐性死亡」。AI并没有在宏观层面造成总就业人口的断崖式崩塌（目前招聘总数仍在疫情后常态波动），但在「新手村」，一场屠杀已经发生。

斯坦福数字经济实验室结合ADP薪酬数据与数千万份简历的分析表明，自2022年末ChatGPT爆发以来，在AI高暴露度行业中，22-25岁年轻人群的就业出现了显著的收缩（下降约6%，软件开发等领域甚至回落20%），而同行业的年长资深员工就业依然在增长。

一篇基于2.85亿条美国岗位广告的因果识别研究估算，ChatGPT发布后，高AI可替代性职业的岗位广告数量相对低可替代性职业平均下降了约12%。而且这个效应对无需高学历/无需更多经验的入门岗位更强，分别达到18%和20%的降幅。行政支持类职位的降幅甚至接近40%。