志愿填報，是件比高考本身還要燒腦的事。專業、院校、城市，這些都影響著考生未來幾年甚至是一生的走向。而在如今這個文憑快速貶值的年代，學生們除了會和同齡人博弈，還要應對一個新對手——人工智能。

比如今年5月，GPT-4就被報道通過了公認難考的四大會計行業執業資格考試，平均得分85.1。這給正在學習的人帶來了不小的焦慮，有人在相關報道下評論：“費心費力考注會，就要被替代了嗎？”

這并非杞人憂天，計算機、翻譯、法學……把這些專業對應的崗位外加AI為關鍵詞來檢索，就會看到很多職場人士都表達了被AI替代的擔憂，有些甚至已遇到了因AI而轉崗甚至是失業的問題。

那專業該怎么選才能避開AI的沖擊？什么樣的工作未來被AI替代的可能性小？

今年3月，高盛發布了一份關于人工智能對就業沖擊的報告《The Potentially Large Effects of Artific ialIntelligence on Economic Growth》，其中對39種工作活動中的13種評判為AI可以勝任。我們基于這個分析框架，對O*NET數據庫里的900多種崗位下的近20000個任務進行了AI替代指數的評估計算。

結果發現，能被AI替代執行的任務占比超六成的工作，在所有非體力勞動崗位中的比例是31.1%，但其中AI能百分百勝任的工作，暫時還沒有。

如果你想查閱關注崗位的 AI 替代可行性以及哪些任務 AI 可能比你更擅長，可以掃描上方的二維碼免費獲取完整數據。另外，O*NET 數據庫的職業資料是基于美國的調查情況而來，和國內的情況不完全一致， 城市數據團發布的 AI 崗位替代分析，是基于國內 16.4 億個崗位的招聘數據分析而來，感興趣的讀者可以前往查閱。

人工智能到底會怎樣影響甚至重塑我們的工作？我們是該積極應對、主動擁抱？還是要采取蔑視策略、避免自亂陣腳？這些問題的答案，不僅取決于當下AI技術的發展和應用，可能也還藏在過去。工業革命以來，技術是如何塑造職業的？這段歷史或許能給當下遇到技術奇點的我們帶來一些啟發。

電氣、電腦……AI不是第一個讓人類恐慌的新技術

今年5月2日，上萬名好萊塢編劇舉行了罷工抗議，與以往不同的是，這一次他們將矛頭直指AI——提出了拒絕給AI草稿提供修改、拒絕在影視作品中加入AI生成的內容等要求。編劇們擔心AI既搶走了編劇們的飯碗，同時還貶低“人類勞動的尊嚴和價值”。

雖然這是人類第一次因抵制AI而舉行的罷工，但并不是人類第一次抵制新技術。兩百多年的歷次工業革命中，紡織機、蒸汽機、自動電話機……這些如今看起來稀松平常的工具，剛出現時也曾引發過恐慌和激烈抵制。

1965年，當計算機開始被應用到辦公室時，美國作家埃里克·霍弗在《紐約時報》上發文警告：“一群具有技能的美國人被剝奪了意義和價值。”這句表述和如今好萊塢編劇們的抗議AI的理由如出一轍。

而這背后的邏輯也很好理解。電燈讓城市里的燈夫不再被需要、接線員因自動電話機而顯得多余，“如果一件事會威脅一個人的生計，抵制它就再自然不過了。對多數城市居民來說，技能就是他們的資本，他們正因這些人力資本而得以養家糊口。”牛津大學研究員卡爾·B·弗雷在《技術陷阱》一書中寫道。

但如果你要是覺得，新技術的出現只會短暫損害一小部分人，而受益者會更多，那也未必。

在第一次工業革命中，英國普通人的生活水平并未提高，甚至出現了倒退。根據經濟歷史學家查爾斯·H·范斯坦的研究，從1770年到1840年，英國工人的工資漲幅不僅沒追上GDP，還顯著落后于物價上漲的幅度。由于惡劣的工廠工作條件、急速擴張的城市衛生條件過差，生活在工業城市的英國人，平均預期壽命反而出現了下降。與之對應，技術進步所帶來的財富增長，絕大部分都被工業家們拿走。直到1840年英國工業革命完成后，普通人才逐漸感受到技術變革帶來的紅利，但之前的“短暫”70年已足夠橫跨一個人的一生。

而且，技術進步所帶來的紅利，也不會保證能平等分享給所有人。因提出“大象曲線”而出名的經濟學家布蘭科?米拉諾維奇就指出，歷史上的三次工業革命，有兩次都出現了收入不平等的加劇。

米拉諾維奇說：“在計算機時代，不平等的加劇在很大程度上是因為新技術極大獎勵了那些具有更高技能的人，同時，隨著中等收入的常規工作被碾碎，非技術型的勞動者向低薪服務型崗位轉移，使得工資差距進一步擴大。”而如今AI正有可能像計算機革命取代了部分藍領工作一樣，影響一些白領的崗位。

盡管OpenAI創始人薩姆·奧特曼保證，隨著AI帶來大量的生產力資源，“可以推動人類社會更加平等”。但回溯過往的工業革命，技術的革新并不能保證這一點。讓英美國家的基尼系數在第二次工業革命期間出現顯著下降的，可能是技術之外的因素。卡爾·B·弗雷在《技術陷阱》一書中提到，兩次世界大戰和大蕭條摧毀了富人們的財富，隨后的福利國家的興起也促進了社會財富的分配調整。

6月20號，中國國家創新與發展戰略研究會學術委員會常務副主席黃奇帆在瞭望智庫上發表的一篇文章中就針對可能會引發第四次工業革命的AI提醒道：“如果沒有政府的干預，人工智能將極大地提高社會的不平等，帶來更大的階級鴻溝。”

技術一直在重塑我們的工作

今年5月，微軟發布了2023年年度的工作趨勢指數報告，重點調查了員工們對人工智能的看法。結果顯示，有49%的受訪者擔心AI影響自己的崗位。

這種焦慮，很大程度上建立在AI會導致自己的崗位消失的基礎上。高盛在3月發布的報告預測，在未來，歐美國家中會有約三分之二的工作崗位會實現一定程度的AI自動化。

但實際上，技術的進步一直在重塑著我們的崗位需求。比如原本需要耗費大量勞動力的農業，因拖拉機這樣的機器的出現而釋放出了大量人力；而家電的發展，也將大量女性從無償的家務勞動中解放出來，得以步入職場。今天白領們所習以為常的辦公室格子間，其發明歷史也不足一個世紀。

技術除了會影響各行業吸納的就業人數，對各種崗位本身也有著明顯影響。

在1980年代之前，由于彩色底片技術并未普及，普通人想要獲得彩色照片，必須依靠照相館的著色師。這個職業主要就是負責給黑白照片上色。因為難度系數高、操作時間長，彩色照片的價格十分昂貴。但是隨著彩色相片技術的到來以及數碼相機的出現，彩色照片不再稀有，著色師這一工作崗位也迅速淡出了人們的記憶。但相機技術的迭代升級，也讓原本單調的影樓攝影衍生出了更多的需求，后期修圖師、旅行攝影師等新工作應運而生。

所以，與人們的直覺認知不同，技術發展所帶來的新工作，其實要比它所消滅的崗位要多得多。經濟學家大衛·奧托等人在去年的一項研究中發現，當前60%的工作崗位，其實在1940年時并不存在。

甚至即使是名字一致的崗位，在不同的時期，隨著技術的發展，它所承擔的任務也在變化。

比如秘書這個大家熟悉的工作，在20世紀80年代的個人電腦出現前，它的職責基本圍繞打字機打字和材料歸檔。但隨著電腦被應用于辦公室，曾一度占據秘書大量工作時間的打字和歸檔類工作顯著減少了。

與之相對的，是秘書工作從單獨為某一人服務而轉向輔助整個部門或組織。1970年，有七成的秘書只為一個人工作。1987年，一位秘書平均為5.3人提供支持，而到了2001年，這個數字上升到了12.3名。

左圖為1966年美國佛羅里達州一張報紙上的秘書招聘啟事，高頻提到打字技能；右圖為2006年美國佛羅里達州一張報紙上的秘書招聘啟事，對技能要求更多元。

如今，隨著擅長語音轉錄、會議記錄，甚至是協調工作日程的AI工具的出現，秘書崗位可能又要出現變化。

AI對工作的重塑，不會一蹴而就

1858年，一個叫漢密爾頓·史密斯的美國人在匹茨堡制成了世界上第一臺洗衣機，隨即引發了很多人的恐慌，擔心女性會因此丟失一種謀生的手段。而《紐約時報》在隨后的一篇文章撫慰大家無須擔心新機器帶來的影響：“洗衣機能減輕勞動、節省手工，使我們擺脫手洗帶來的勞累和許多不愉快。但洗衣機不是用來取代，也不會取代單身年輕女性的工作的。”

事實證明，這篇文章的預測得很準確。實際上，在洗衣機出現后的足足50年，美國的洗衣女工數量都在不斷上漲。之所以會出現這種情況，除了洗衣效果不佳，甚至還會損傷衣服外，另一個重要原因是它過于昂貴。直到20世紀20年代，最便宜的洗衣機價格降到一個普通人3周工資的時候，這種能每天都為人類節省大量家務時間的機器迅速出現在普通家庭里，而洗衣女工的數量也隨之明顯下降。

相似的道理同樣適用于各種新技術。技術的打磨、機制的配套、使用的成本，這些都讓很多新技術無法立刻在職場中發揮被期待的威力。自動電話機的技術在1892年就已出現，但電話接線員這個職業徹底退出歷史舞臺要到1980年之后，新技術代替人工花了將近一個世紀的時間；如今看起來白領工作中無法離開的電腦，其實從個人電腦的出現到顯著影響職場，也經歷了數十年的時間，而背后的最大影響因素，就是價格。

如今看起來會掀起滔天巨浪的人工智能，恐怕也要走一遍前輩們的路。ChatGPT是有史以來用戶數量增長最快的消費級應用，但如今卻被報道陷入了增長乏力的境遇。網站數據分析工具SimilarWeb的數據顯示，這款聊天應用的環比增長率已從今年1月的131.6%降到了5月的2.8%。

6月初，摩根士丹利發布了一項大模型使用調查報告，顯示不管是OpenAI的ChatGPT，還是谷歌的Bard，日常使用率都不足5%。很多人在嘗鮮用過一兩次后，就沒再使用過。“剛開始和它聊天覺得好聰明，能像人一樣說話，但真要工作了，我的活它目前做不來，不僅理解不到位，還會滿嘴跑火車。”一位從事數據分析工作的從業者對澎湃新聞說。

因此，盡管現在AI浪潮來勢洶洶、盡管它最終或許會重塑我們的工作，但在多數崗位里，這個過程并不會快到你讀完4年書，就會完成。與其糾結選哪個專業不會被AI搶飯碗，我們更應該把握的是，打磨那些AI不太能補齊的能力。

那什么能力是AI至少短期內還替代不了的？我們通過對2017種工作活動進行了分析，總結下來就是除了要上手的活之外，AI目前最不擅長的就是要與人互動的環節，這既包括了日常的溝通和協調，也包括了管理工作。而AI最拿手的就是處理大量的信息和數據。

所以，哪怕是AI已經通過了會計類考試，在這個行業里的人依然不是非常擔心：“會計審計暫時還消失不了，會計審計大部分時間并不是在做決策，而是在做體力活，溝通協調調查等。”