AI会不会抢走你的工作？风险要看任务，不只看职称

用四个问题，找出你工作中最可能被改变的部分

最实用的做法，是先列出你每周最常做的10到15项任务，再逐项评估。这样把岗位拆成任务，也符合ILO用任务层面数据分析生成式AI影响的方向。

如果一项任务同时高度重复、规则清楚、主要依赖文字或数据，而且错误成本低，它就适合优先测试AI辅助。注意，这并不等于你的岗位处在危险中，而是意味着这部分流程可能会变成：AI做第一版，人类负责复核、修正、判断风险并承担结果。

先从哪些任务开始学AI？

不要一上来就把核心决策交给AI。更稳妥的起点，是低风险、可复核、重复性高的工作：

• 把长文档、会议记录或客户信息整理成摘要；
• 为邮件、报告、提案或社交媒体内容生成第一版草稿；
• 对资料进行分类、打标签、转换格式或整理成表格；
• 根据既定标准生成检查清单；
• 对已有内容做语气调整、错漏检查或版本对比。

关键不是“把工作丢给AI”，而是建立一个可复核的流程：人提供背景、要求和判断标准，AI负责初稿或整理，人再做事实核对、风险判断和最终决定。这种方式更接近IMF所说的AI补充人类工作，而不是单纯取代人类工作。

把你的任务分成三类

1. 可以立即用AI加速的任务

这类任务通常重复、规则清楚、错误成本低，并且有明确输入和输出。例如摘要、初稿、格式转换、初步分类、会议纪要整理。目标是节省时间，但仍然要有人检查。

2. 可以让AI辅助，但不该完全自动化的任务

这类任务可能涉及判断、资金、客户关系、合规、品牌声誉或人事影响。AI可以帮你整理材料、列出选项、提示盲点，但最终决定和责任仍应由人承担。

3. 你应该强化的“不可外包”部分

当AI能更快生成初稿，真正稀缺的往往是判断力、领域知识、沟通能力、信任建立、流程设计和结果负责。PwC的分析指出，AI可以让员工更有价值；关键不只是会不会打开工具，而是能不能把工具放进可靠流程，交付更可信的成果。

哪些能力会变得更值钱？

如果AI同时会替代部分任务、补充部分工作，最值得投入的就不只是提示词技巧，而是一整套工作方法。

• 判断力： 能识别AI答案哪里可能错、哪里需要查证、哪里不该直接使用。
• 领域知识： 有行业背景，才知道一份AI初稿是可用、平庸，还是有风险。
• 工作流设计： 把资料、提示、审核步骤和交付标准串起来，让团队真的变快，而不是更乱。
• 沟通与信任： 需要解释、协商、安抚或承担责任的工作，仍然需要有人代表结果负责。
• 学习速度： WEF 2025年报告已将技术变化纳入影响到2030年岗位增长和下降的主要趋势讨论中，持续更新技能会变得更重要。

一个7天自查计划

如果你想马上行动，可以用一周做一次小型工作盘点：

1. 第1天： 写下你每周最常做的10到15项任务。
2. 第2天： 标记哪些任务重复、规则清楚、主要依赖文字或数据。
3. 第3天： 选择一项低风险任务，让AI做第一版。
4. 第4天： 记录AI节省了什么时间、犯了什么错、需要怎样复核。
5. 第5天： 为这项任务写一份固定提示、资料要求和检查清单。
6. 第6天： 再试第二项任务，但仍限定在可复核、错误成本低的工作。
7. 第7天： 决定哪些任务可以长期用AI辅助，哪些必须保留人工判断。

这个练习的价值，是把恐慌变成实验：不是笼统地问“AI会不会抢走我的工作”，而是先找出“AI会改写我工作里的哪几件事”。

底线：先守住不可外包的部分

AI会不会抢走你的工作？更准确的说法是：AI会抢走、压缩或改写某些任务，但未必直接抢走整个岗位。

风险最高的，通常是重复、规则化、容易数字化、又能低成本复核的任务。机会最大的，则是那些会用AI提高产出，同时保留判断、信任、专业背景和责任承担的人。

下一步，不是等待一份“行业消失名单”，而是摊开自己一周的工作：哪些可以交给AI做第一版，哪些必须亲自审核，哪些人际、专业判断和责任能力要继续加强。只要从任务开始分析，AI对你工作的威胁和机会都会清楚得多。