AI自动化如何重塑未来职场：MIT最新研究揭示

每日AI与人力资源动态分享

关注我们获取前沿洞察

当前，众多企业已开始在运营中引入AI技术，但多数尚未实现预期成效。例如，2025年MIT报告显示，尽管企业在生成式AI领域投资接近400亿美元，但仅有5%的组织获得实际回报。同样，2026年美国国家经济研究局的工作论文指出，10位高管中8位表示AI尚未显著影响其公司员工数量或生产率。

那么，企业如何才能获得更优成果？

MIT数字经济倡议组织（MIT IDE）研究人员的最新论文指出，AI自动化比企业领导者想象的更为复杂。它并非简单的“用AI代理替代人工”。AI自动化对不同技能、人员和行业的影响方式各异。

1

自动化并非非黑即白

许多企业正在探索：AI能否自动执行特定任务以提升效率。但研究者认为，企业不应仅关注“如何用AI实现自动化”，而应思考“某项任务是否应自动化，若应自动化，应达到何种程度”。

MIT IDE研究员Neil Thompson和Martin Fleming在新论文《人类与AI协作经济学》中指出，不应仅将自动化视为“是”或“否”的选择。更合理的做法是将其视为从不自动化到完全自动化的连续光谱。

Fleming在MIT IDE 2026年年会上表示，过去250年，自动化常被理解为“资本替代劳动”。然而，现在应将其视为一个连续体：从不自动化、部分自动化到完全自动化。研究人员指出，企业应根据任务复杂度决定自动化程度，例如：

任务中AI可替代的工作时间比例？

任务中AI可完成的子任务数量？

2

关键在于找到“适度”自动化

通常，若任务包含较少子任务且复杂度低，则适合AI高度替代；反之，若任务复杂且包含多个子任务，则仅适合有限度自动化。

成本是另一关键因素。开发和使用AI成本高昂，大多数组织期望投资回报（ROI）。研究人员指出，成本与AI部署规模密切相关。通常存在“适度”自动化程度，超过该程度后，继续扩大AI使用可能成本超过收益。即使技术上可行，完全自动化也可能因成本过高而不划算。

研究人员建议，分摊AI开发成本至更多用户可缓解成本压力。使用人数越多，投资回报可能越快越高。这使更多任务值得自动化。此外，随着训练数据、模型规模和算力增加，AI模型表现将提升。

部分自动化是另一策略。企业可让AI完成低成本部分，剩余部分仍由人工处理。Fleming指出，完全自动化任务有限，仅占小部分。相比之下，部分自动化更普遍。因此，应将自动化视为“部分完成过程”，而非一次性替代人工。

未来可能出现更多提供AI功能服务的第三方公司。例如，SaaS公司可能为商业银行提供专门AI模型。

为验证这些想法，作者分析美国劳工部数据，发现适合计算机视觉自动化的工种薪资比例不到4%。因此，AI将对特定职业产生重大影响，尤其是标准化、低复杂度任务。但不会立刻颠覆整个就业市场。影响将逐步发生。

3

AI自动化如“慢慢涨潮”

关于AI与就业，常见误解是AI会像巨浪般突然改变任务。但研究人员认为，AI影响更像“慢慢涨潮”。这是新论文标题《崩塌的巨浪，还是上涨的潮水》的比喻。

研究人员认为，AI自动化是两个极端间的连续变化。一端是“巨浪式变化”：AI能力在少数任务上突然提升。另一端是“涨潮式变化”：AI能力持续、广泛、逐步提升。

为判断哪种情况更常见，研究人员分析3000多个文本类任务。这些任务理论上可由大语言模型处理。

研究人员还收集17000多次岗位工作者评价。结果发现，几乎没有证据表明AI影响主要是“巨浪式”；相反，大量证据显示AI影响更像“涨潮”。

研究人员认为，这其实是好事。若AI像巨浪般突然从“几乎总是失败”变为“几乎总是成功”，将给人类劳动者带来严重冲击。

研究团队还发现，AI进步速度仍快。若趋势持续，预测到2029年，AI可能以80%到95%成功率完成大多数文本任务，达到“最低可接受质量”水平。这种广泛、逐步的“涨潮式”变化总体是好消息，因为它给政府、劳动者和企业留出适应时间。

4

哪些AI自动化最节省时间？

哪些行业最可能受大语言模型自动化“涨潮”影响？

为回答此问题，研究人员收集调查数据，评估大语言模型在11000多个劳动力市场任务上的表现。这些任务同样来自政府职业分类。接着，用GPT-4筛选任务，判断若用AI完成这些任务，是否可能节省人类至少10%时间。

对于每个文本类任务，研究人员设计两个子任务，并让40个大语言模型完成。然后，有相关工作经验的人评价AI产出。使用1到9分评分标准：

1分表示：工作必须重做。7分表示：工作达到最低合格水平，无需修改。9分表示：工作超过平均水平。

研究人员比较AI在不同职业群体中的表现。结果显示，AI在不同职业的文本任务上表现有差别。例如，AI在法律任务上表现稍差。但总体发现：AI在许多职业类别中表现相当接近，符合“涨潮式变化”特点。不同职业类别中，AI完成文本任务并达到最低合格水平的成功率约在47%到73%之间。

Thompson在MIT IDE年会上介绍论文时强调：任务消失，不等于工作消失。要真正将自动化放进工作场景，还需很多步骤。完全自动化，尤其是完成“最后一公里”，并不会马上到来。他说，“最后一公里问题”很重要。企业必须认真考虑很多环节，才能真正把AI带进工作场所。

5

AI会自动化你的专业能力吗

许多公司已承认，在许多岗位和任务中，人类仍需参与。AI在某些事情上做得不错，但人的专业能力更难被替代。

David Autor和Neil Thompson合写的论文《专业能力》进一步研究此问题。他们提出关键问题：AI自动化后，人类在剩余任务中的劳动价值会提高还是降低？

他们认为，答案取决于：当任务被自动化后，剩余未被自动化的任务是否需要更高专业能力。一旦任务被自动化，与该任务相关的专业知识就不再那么需要。但问题是，同一任务在一个职业中可能是专业任务，在另一职业中却可能只是简单任务。

因此，自动化可能同时产生两种效果：在某些职业中替代专家，在另一些职业中增强专家能力。

Autor和Thompson写道：自动化既会替代专家，也会增强专业能力。他们举过去40年中两个职业例子：会计文员和库存文员。这两个职业中都有日常重复任务可被电脑自动化。但自动化后，剩下来的任务对专业能力要求不同。

对于会计文员，不能被自动化的任务包括决策和解决问题，需专业知识和训练。对于库存文员，不能被自动化的任务如清点和称重库存，所需训练和认证要少得多。这种差异会影响工资和岗位需求。

研究人员认为，当自动化消除“不太需要专业能力的任务”时，剩余工作更专业，工资上升但就业人数减少。相反，当自动化消除“原本需要专业能力的任务”时，职业门槛降低，工资下降但就业人数可能增加。Thompson说，任务减少不等于工资一定下降。必须考虑“专业能力”因素。

作者认为，此框架解释了看似矛盾现象：为何日常任务自动化减少某些职业岗位数量，但这些职业工资有时反而上升。

他们预测，会计文员工资上升但岗位数量下降。相反，库存文员工资下降但岗位数量上升。现实中的工资和就业变化与预测相符。

6

工资更高还是就业更多？

展望未来，因自动化而变得“更专业”的职业，可能出现就业人数下降、工资上升。相反，因自动化而变得“不那么专业”的职业，可能出现就业人数上升、工资下降。

GPS影响是例子。GPS降低开车所需专业能力门槛，推动网约车司机兴起。现在Uber和Lyft司机数量远超传统出租车司机。

传统出租车司机需熟悉城市道路。如伦敦出租车司机需通过“The Knowledge”考试，证明熟悉伦敦街道、地标和路线。但网约车司机基本依靠GPS工作，收入受平台算法影响。

因此，关键问题不是：AI会不会抢走你的工作？更重要问题是：AI会不会让你的专业能力变得不值钱？或让你的专业能力更稀缺、更值钱？

当然，这些发现来自MIT研究人员最近论文，并非永远不变的自然法则。AI环境正以月为单位变化，甚至可能以周或天为单位变化。但这些研究指向清晰结论：

企业若仅想靠AI简单裁员、降低成本，通常不会成功。更细致、有层次地使用AI，才更可能带来好结果。

关于AI和HR的未来，你有什么想法？欢迎进群和我们一起交流~

信息