AI 先改变的，为什么不是职业，而是任务？

讨论 AI 和就业，人们最爱问「哪个职业会被 AI 取代」。但到了2026年，更值得观察的单位正在从「职业」下沉到「任务」：一份工作里，哪些动作被 AI 接走，哪些变成人机协作，哪些新任务又因为 AI 出现。

---

工作重构

最近一次在深圳做企业内训，上午安排了一段很简单的环节：让参加培训的人把自己这段时间真实用 AI 做过的事情拿出来展示。

有人拿 AI 整理资料，有人做内容初稿，有人把过去反复解释的口径先交给 AI，也有人已经开始给 AI 设定固定角色，让同一类任务下一次还能复用。

真正有意思的不是「大家会不会用 AI」。

而是你会发现，同一个岗位里，有些动作已经悄悄换了人——或者准确地说，换成了「人和 AI 一起做」。

这也是我最近越来越少直接回答「哪个职业会被 AI 取代」的原因。

因为这个问题太大，也太整齐。

真实世界里的工作，从来不是一个动作。

一个运营岗位里，有搜集资料、看数据、写文案、做活动方案、开会、沟通、复盘；一个销售岗位里，有找客户、查背景、做方案、跟进、谈判；一个财务岗位里，有录入、核对、解释、预测、合规；一个程序员既写代码，也要测试、查错、读文档、理解需求、和其他人协作。

所谓「一个岗位」，本来就是很多任务临时打包在一起。

AI 最先进入的，往往不是整个岗位，而是这些任务。

别把「AI 暴露」理解成「岗位消失」

国际劳工组织在2025年的更新研究里，把近3万个职业任务纳入评估。一个很容易被媒体标题简化的数字是：全球约四分之一劳动者所在职业存在不同程度的生成式 AI 暴露。

但 ILO 真正强调的并不是「四分之一工作要没了」。

它给出的判断恰恰更克制：由于大多数工作仍然需要人的参与，岗位转型比整体冗余更可能发生。到了2026年，ILO 又专门发文提醒，所谓「AI 暴露指标」只能告诉我们哪些任务、哪些职业更有可能被 AI 改变，不能单独拿来预测失业。

这很重要。

因为「能被 AI 做」与「真的不需要人」，中间隔着很长一段路。

企业要不要改流程？数据能不能用？结果谁负责？客户接不接受？监管允不允许？出错谁接管？

这些都会决定一项任务最终怎样进入真实工作。

所以看 AI 和就业，第一步不是把暴露率翻译成失业率，而是去看：岗位里面到底发生了什么。

企业里的 AI，今天仍然是「先吃任务」

2026年 NBER 一项基于美国企业代表性调查的研究，把 AI 使用拆到了企业、业务职能和员工任务三个层级。

结果很有意思。

AI 已经不算小众了，但真正进入企业之后，大多数部署仍然很浅。采用 AI 的企业里，57%只在三个或更少的业务职能中使用；65%只在三个或更少的员工任务上使用。最常见的任务是写作、文档分析和信息搜索。66%的企业主要把 AI 用于增强员工，而报告就业减少的企业比例很低。

另一项2026年的 NBER 研究也看到类似现象：生成式 AI 已经横跨很多职业和任务，但在多数具体任务里，真正使用 AI 的人仍不到一半。

把这两组证据放在一起，今天所处的阶段就很清楚了：

AI 已经进入了很多工作的内部，但还没有把多数职业整体推翻。

它更像是先伸手把一项项任务拿走。

先拿走资料搜索。

再拿走第一版草稿。

再拿走某些标准分析。

再开始碰跨软件、多步骤执行。

职业名称还挂在门口，里面的工作已经开始换家具了。

同一个职位，可能正在出现两种完全不同的工作

这也是为什么，未来只看职位名称会越来越失真。

两个人名片上都写「运营」。

一个人还在手动搜集资料、复制表格、写第一版文案；另一个人已经把这些任务交给 AI，自己主要做问题定义、方案取舍、现场核验和复盘。

职位名称一样，工作结构已经不同。

两个程序员也可能一样。

一个主要亲手写代码；另一个越来越多地把编码、测试、查错交给 Agent，自己花更多时间在架构、需求和质量判断。

这并不自动意味着后者一定更高级，也不意味着所有工作都应该这样变。

但它说明一个事实：职业名称对真实工作的描述能力正在下降。

过去企业用职位名称来装任务。

以后越来越多任务可能在人、AI、软件和其他岗位之间重新分配。

于是我们观察就业变化，也要换一个镜头。

不是只看「会计还在不在」「程序员还在不在」。

而要问：

这份工作里，哪些事情还必须人亲自做？

哪些可以先交给 AI？

哪些变成了人负责定义、AI 负责执行？

哪些原来没有的动作——比如给 AI 上下文、检查结果、设权限、处理异常——反而成了新的工作？

AI 还会创造一种「过去不存在的任务」

很多人只看到 AI 拿走任务，却忽略了另一面。

AI 进入岗位以后，也会增加任务。

以前员工不用考虑「这个任务适不适合交给 AI」。

现在要考虑。

以前没有「AI 结果验收」这个动作。

现在有。

以前不存在「给 Agent 设权限」「定义禁区」「异常人工接管」「把好的做法写回工作流」。

现在这些动作正在出现。

所以 AI 重构工作，并不只是减法。

它同时在做三件事：

拿走一部分任务；改变一部分任务的完成方式；再创造一部分新的协作任务。

这也是为什么我更愿意用「任务重分配」而不是「岗位替代」来描述眼下的变化。

「替代」很容易把问题说成一个职位还在不在。

「重分配」才会逼着我们去看工作内部到底怎么重新组合。

当然，职业也可能真的消失

这个判断必须留边界。

有些高度标准化、低责任、结果容易验证的岗位，未来完全可能被大幅压缩，甚至不再以今天的形式存在。

另一方面，医疗、法律、工程、安全等强责任职业，即使 AI 能承担越来越多任务，最终责任也不会那么容易转移。

实体经营同样有物理边界。

餐厅服务、仓储搬运、设备维修、现场照护，不是大模型能在屏幕里全部吃掉的。

所以我们不是在说「职业不会消失」。

我们是在说：

如果今天还只盯着职业名称，就会错过 AI 最早、最真实、也最值得企业立即处理的变化。

企业现在最应该做的，不是先画一张「未来组织架构图」。

而是把真实岗位拆开。

看看一天到底在做什么。

哪些任务重复、高频、标准明确；

哪些任务需要经验、判断和责任；

哪些任务可以交给 AI 先跑第一轮；

哪些任务即使 AI 参与，人也必须保留最后决定权。

把这张图画出来，AI 才真正开始进入工作。

一个容易被忽略的变化：AI 也在改变「什么事情值得做」

任务重新分配还有另一层影响，经常被「替代」话题遮住。

过去很多企业不是不知道要做用户研究、竞品跟踪、日报分析、客户回访，而是没有足够的人力持续做。一个十几人的公司，不可能像大公司一样长期养研究、数据、内容和流程团队。

AI 把一部分信息处理成本压低以后，一些过去根本不会进入日常经营的任务，第一次变得可行。

这意味着 AI 对工作总量的影响，可能同时出现两股力量：一边减少原有任务的人力投入，一边增加过去「做不起」的新任务。

所以未来判断就业变化，只看「减少了多少工时」也不够。还要看企业是否因为能力变便宜，开始做以前从来没做过的事情。

这也是为什么任务视角比岗位视角更重要。岗位只告诉我们组织今天怎么命名工作，任务则能看见工作本身正在怎样长出、消失和重组。

对实体企业来说，最实用的第一步不是买工具，而是做一张任务地图

一个门店、一家小工厂、一个县域服务企业，都可以先不讨论「AI 战略」。

把老板、店长、运营、销售、客服一周反复做的事情列出来。

再按四类分：必须由人判断的；可以让 AI 辅助的；可以由 AI 先做第一轮的；过去没做、现在值得新增的。

这张表往往比任何 AI 工具清单更有价值。因为企业真正要改的，不是软件数量，而是工作分配。

再往前一步，任务会变成未来企业最小的 AI 改造单元

过去企业上系统，常常以部门为单位。未来 AI 改造很可能更多以任务为单位：先找一项高频、可验证、低风险的工作跑通，再逐步把知识、权限和监督接进去。

这也是实体企业最现实的路径。先让 AI 把一件真实工作稳定做好，再谈组织升级。

未来几年，AI 对就业最深的影响，不会先体现在职业消失，而会先体现在岗位内部大量任务被重新分配。

几年以后，这句话很好验证。

如果我们回头看招聘 JD、岗位说明书和员工一天的时间分配，发现职业名称大体还在，但工作内容已经大量变化，这个观点就成立。

如果 AI 更快地把大量职业整体推翻，它就需要被修正。

这也是这期《工作正在被重新拆开》的第一步：

别只问这个职业还在不在。先把工作拆开，看里面到底发生了什么。