知识卡片：AI与职业这三年：震荡、规律与职业群像

一句话结论：2023-2026年，AI对职业的影响已从理论预警走向现实分化：以任务为单位的替代模式取代了“职业被取代”的笼统叙事，资深者因判断溢价更安全，初级者因结构化的执行任务更易被替代，而技术冲击下的组织制度和个体调整远慢于技术渗透速度。

英文标题：AI and Occupations: Three Years of Disruption, Patterns, and Portraits

英文关键词：AI, occupational impact, task model, skill-biased technical change, creative destruction, compensation mechanism, Agent, learning curve, token economy

事件概述或研究问题：本文旨在追溯2023年6月至2026年6月AI对职场、就业和具体职业的真实影响，并借助三个经济理论框架（任务模型、技能偏向性技术变革、创造性破坏与补偿机制）揭示其规律。核心问题是：AI到底替代了什么？为什么同一职业内部有人更安全？新岗位从何而来？

方法/产品要点：

• 分析框架：从微观（任务模型）、中观（技能偏向性技术变革）到宏观（创造性破坏与补偿机制）递进。
• 关键概念：“暴露度”（任务减少完成时间，不等于被替代）；“锯齿状技术前沿”（AI在超出边界时表现下降）；“学习曲线”形状（陡峭曲线中初级工作易被替代，平缓曲线中AI赋能新手）；“智能体军团”（从辅助工具转向自主执行的Agent集群）。
• 数据来源：OpenAI 2023年论文、高盛与麦肯锡2023年报告、GitHub与Stack Overflow 2024年调查、Anthropic 2025年及2026年报告、哈佛商学院2025年研究、《晚点LatePost》与《财新周刊》2026年报道等。

主要结果或产业意义：

• 任务层面的替代与增强：到2025年，Anthropic数据显示57%的AI使用属于增强，43%属于直接自动化。软件工程是AI使用率最高的领域（37.2%），但法律、教育等领域的制度性壁垒显著延缓了实际落地。
• 职业内部代际分化：在“学习曲线陡峭”的职业（如编程）中，AI替代入门级任务，使资深者生产力倍增，新人更难入门，可能导致“葫芦形”结构（资深者稀缺昂贵，中间层空洞化）。
• 资本流向与组织变革：截至2026年，中美头部科技公司的资本开支已多超过研发费用，企业转向“省着用”AI，对Token消耗进行计量和ROI核算。AI正从“技术导入期”进入“制度消化期”。
• 个体案例：研发从业者林舟通过将工作拆解为Skill，实现了从“写代码”到“调度AI”的转型；产品经理周铮在AI搜索入口创业；创意行业从业者（如数据分析师、设计师、运营）则普遍面临被动承受与薪资下降。

为什么重要：本文系统性地利用多个已正式发布的数据报告和理论研究，拆解了AI对职业影响的具体机制，并提供了从个体到产业、从微观到宏观的分析范式。它表明宏观经济的净增长（而非单纯的存量替代）取决于Token成本持续下降、AI创造全新增量服务、社会制度与培训体系适配三个条件，这为预测未来趋势提供了坚实的理论坐标。

局限与不确定性：

• 理论假设（如市场价格能有效反映技能真实生产力）在现实中受组织薪酬激励体系滞后的影响，可能导致技能价值错配。
• “创造效应”的形成速度及规模尚不确定（第二个条件），若慢于替代速度，结构性失业压力将持续。
• 个体案例的代表性和时间跨度有限（2025-2026年），且多为被动承受型样本；主动重塑型样本在第三部分，其长期效果未在本文呈现。
• “智能体军团”等趋势的实际部署、对组织管理的具体冲击、制度与法规的反向影响等细节待核实。

可用于图书/PPT/简报的角度：可作为探讨“AI时代的职业演变”章节的核心案例与数据支撑。可独立制作图表展示：1）职业暴露度排名与实际取代度排名对比（如法律、教育）；2）学习曲线形状与代际差距关系；3）企业“从随便用到省着用”的Token核算机制变革；4）从“人力”到“算力”的资本流向图。强调“职业本身不会消失，任务会被重新分配”的认知框架。

原始材料：本文基于一篇署名“伍晖”的搜狐文章撰写。文章标题为《AI与职业这三年：震荡、规律与职业群像》，原文链接：https://m.sohu.com/a/1050186500_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334。文中所有数据出处、故事访谈来源已在原文中标明。