关于 AI 与就业的讨论，大多从一个简单的问题开始：AI 能做哪些工作？
这个问题很重要，但仅凭这一点，还不足以预测劳动者将面临怎样的变化。一项技术或许能够完成某个职业中的许多任务，却未必会让这个职业本身消失。这种情况可能出于多种原因。在一些岗位上，人仍可能不可或缺，因为客户希望与人交流，机构要求由人承担责任，或者工作需要有人亲临现场并作出判断。也可能是成本降低带来了足够大的需求增长，使得即便 AI 提高了劳动者的生产率，行业就业规模仍会扩大，而非收缩。
OpenAI 的 AI 就业转型框架，为思考这些可能性提供了新的视角。它并不将工作在技术上受 AI 影响的程度直接视为岗位被替代的预测，而是提出了三个问题：
AI 能否完成该职业中相当一部分任务？
在完成工作、监督工作或为工作承担责任方面，人是否仍处于核心位置？
如果 AI 降低了服务成本，需求能否充分增长，吸收生产率提升带来的额外产能？
将这一框架应用于覆盖美国约 1.48 亿个岗位的 921 种职业后，我们得以看到劳动力市场转型更加多元的图景。约 18% 的岗位面临较高的自动化替代风险，24% 的岗位可能会重组，12% 的岗位可能随 AI 发展而增长，46% 的岗位在短期内变化较小。
这些分类并不是在预测有特定比例的岗位会消失。它们描绘的是不同类型的变化可能率先出现在哪些领域。
自动化替代风险较高的岗位：可能包括数据录入员、电话营销员、校对员，以及部分记账或行政岗位。这些工作主要涉及处理、核查或传达标准化信息。AI 越来越能够完成这类任务，而无需由人直接提供最终服务。对这些工作的需求增长，可能不足以抵消生产率提升对人力需求的影响。
这些岗位值得密切关注，尤其是在就业集中于特定地区，或劳动者转向相近岗位的途径有限的情况下。但即便如此，技术能力也不会自动或立即导致岗位被替代。雇主仍需重新设计工作流程，将 AI 与现有系统整合，管控出错风险和监管风险，并判断自动化是否真的比继续雇用人员成本更低。
将会重组的岗位：第二类岗位数量更多，可能会经历重组，而非消失。律师、会计师、软件开发者、金融分析师和教师，都可能属于这一类。AI 已经能够起草合同、汇总证据、开展财务分析、编写代码和制作教学材料。但客户和机构仍需要人来作出判断、为决策负责、理解特殊情况，以及与同事、学生或客户建立关系。
AI 或许能让每位律师审阅更多文件、每位开发者编写更多代码，或每位教师准备更多个性化教学材料。这可能减少某些工作所需的人力，但这些职业本身仍会明显保留以人为核心的特征。核心问题转变为如何重新设计岗位：哪些任务交给 AI，哪些仍由劳动者负责，以及入门级岗位和职业发展路径是否继续提供学习机会。
随 AI 发展而增长的岗位：在这类岗位中，AI 可能大幅降低成本，从而创造更多需求。例如课业辅导教师、心理咨询师、个人理财顾问和部分医疗卫生专业人员。对许多人来说，这些服务目前价格高昂，或难以获得。在这些领域，生产率提高并不一定意味着从业人数减少。更实惠的课业辅导可能促使更多家庭购买这类服务。更低价的理财咨询，可能让目前负担不起理财顾问费用的家庭也能获得个性化指导。借助 AI，临床医生或许能提供更多随访和持续诊疗服务。如果需求充分扩大，即便每位劳动者的生产率都有所提高，就业总人数也可能上升。
短期内变化较小的岗位：这类岗位包括许多核心任务仍需动手操作、且必须在特定地点完成的工作，例如电工、管道工、屋顶施工工人、建筑劳工和许多餐饮服务人员。AI 仍可能协助安排日程、估价、培训、库存管理或客户沟通，但目前还无法安装电线、维修管道、更换屋顶，或制作和供应餐食。
这些职业并非不会受到 AI 的影响。其中的行政和管理任务可能会发生变化，机器人技术的进步最终也可能扩大自动化的范围。但就目前而言，这些职业的核心工作受语言类 AI 潜在影响的程度相对较低，因此短期内不太可能发生重大变化。
AI 的早期影响，很可能首先体现在任务、工作流程和技能要求的变化上，而不是整个职业的消失。事实上，目前被认定为面临更高自动化替代风险的职业，实际使用 AI 的程度已经更高。在风险最高的职业中，ChatGPT 的使用普及率约为整体劳动者群体的三倍。
然而，近期失业情况的变化，与岗位在技术上受 AI 影响的程度并不完全对应。自 2024 年第一季度以来，一些较少受到 AI 潜在影响的职业，失业率增幅反而高于该框架归类为 AI 风险最高的职业。不过，这并不能证明 AI 没有对劳动力市场产生影响。各职业的失业情况受到多种因素影响，一些变化可能首先体现在招聘、入门级岗位机会、工资或工作内容构成上，而非裁员上。
AI 并不会将工作的未来锁定在一条必然的路径上。技术能力固然重要，但制度、消费者需求、企业决策、监管，以及人类参与的持久价值，同样重要。本文提出的转型框架表明，不同职业需要不同的政策干预。
对于自动化替代风险较高的岗位，可能需要建立预警系统、提供有针对性的转型援助，并因地制宜地制定转型计划。
对于可能重组的岗位，或许需要更新培训内容、专业标准和人员配置规则，并更明确地规定人工监督的要求。
对于有增长潜力的岗位，鼓励采用 AI、扩大服务可及性，以及帮助更多劳动者为进入相关领域做好准备的政策，可能会带来益处。
对于所有类别的岗位，政策制定者都需要更好的实时信息。传统劳动力统计数据很有价值，但更新往往不够及时，难以捕捉工作任务、雇主期望和技术使用情况的变化。将就业数据与 AI 能力及实际应用程度的衡量指标相结合，可以更及时地呈现压力正在哪些领域累积。
