谁的工作可能被AI替代？

▲一律师事务所内，年轻的律师正通过手势操控全息界面。张丹丹研究指出，律师在未来是个容易被AI替代的职业。（钱昊平使用AI工具生成/图）

文｜南方周末记者 韩谦

责任编辑｜钱昊平

第一名：财务、审计、税务；第二名：翻译；第三名：银行；第四名：销售；第五名：软件、互联网开发。

如果你是这几个行业的从业者，那就得提高警惕了——在北京大学国家发展研究院经济学教授张丹丹团队的研究中，以ChatGPT为代表的大语言模型AI出现后，这几个行业的工作最容易被替代。

张丹丹长期关注劳动经济学领域。2022年11月，ChatGPT发布后，她便开始着手研究其对就业产生的影响。她和团队成员从国内一家头部招聘平台上获取了1100种职业的上百万份招聘启事，拆解出两万多个岗位任务，衡量这些任务被大语言模型影响的程度，并由此计算出不同职业在多大程度上可以被替代。

研究成果的诞生，也借助了ChatGPT的力量。张丹丹做过计算，要完成对上百万份招聘数据的分析，人工至少要花费两三个月，而把任务交给ChatGPT，不到一周就完成了。耗时的差距还不是最严重的。她意识到，ChatGPT对任务的完成度，即便是人工花费更多的时间，可能也达不到。

AI浪潮冲击之下，人存在的价值是什么？人的优势在哪儿？未来的教育该教给学生什么呢？以下是南方周末记者与张丹丹的对话。

南方周末：ChatGPT出现后，哪些职业会受到影响是在社交平台上不时会讨论的热门话题。在你的研究中，怎么去量化这种可替代性呢？

张丹丹：我们和国内一家头部招聘平台合作，抽取了2018年1月到2023年4月间的125万条招聘信息。之后，我们把这些招聘信息进行文本分析，列举出每种职业所需要完成的任务，再让ChatGPT根据其可以在多大程度上完成任务进行打分。分值在0-1之间，0是完全不会被替代，1是完全被替代。

南方周末：任务是怎么拆解开来的？

张丹丹：我们参考了美国的O*NET职业信息网络（美国劳工部组织开发、于1998年推出的职业信息系统）。O*NET中，有1100多种职业，每种职业从不同维度进行了切分，其中一个维度是完成工作所需要的活动，再往下细分的一个维度是任务，是更详细的工作安排，一共有2万种任务。比如电工这个职业需要进行图纸设计和具体的安装工作，那么“图纸设计”和“安装”就是电工需要的其中两个任务。显然这个例子中“图纸设计”更可能被大语言模型替代，而“安装”被替代的可能性小很多。

考虑到不同国家间职业的差异性，我们不是把美国的职业直接对应到中国的职业，而是对中国的职业重新拆分，看每一项职业招聘方所要求的技能，最后再加权计算到职业层面的数据。

南方周末：得出的结论是什么？什么样的工作最容易被替代？

张丹丹：我们总结出20个最容易被替代的职业和20个最不容易被替代的职业。容易被替代的是白领的工作，包括财务、销售、程序员、律师等。不太可能被影响到的是一些蓝领的工作，比如家政服务人员、操作工、物流运输人员等。从这个结果可以看出，ChatGPT对脑力劳动者的替代程度更高，对蓝领、体力劳动者的替代程度更低，这是我们从职业层面的主要发现。

工作跟AI的技术匹配度越高，就业需求就会越低，我们已经看到负向的关系了，这需要大家警惕，或者要思考一些对策。比如市场营销行业，我从招聘平台了解到，销售工作在最近这一年减少得特别明显，客服很多被AI替代了，要是消费者有问题，先是对接到自动客服，要求转人工后也是先转AI客服，AI解决不了的，最后才是真正的人。

南方周末：蓝领为什么不太能被替代？

张丹丹：过去30年的技术进步，是从“手”到“脑”的替代。从20世纪90年代的制造业自动化和机器人技术，到2010年后能够与环境互动、执行更复杂任务的工业机器人，再到2015年后AI时代的全面开启、2022年ChatGPT的横空出世，每一代技术进步的影响都不一样。

在机器人时代，蓝领工人就开始慢慢被替代。而我的研究是有关生成式AI的影响，主要是对脑力的替代，还不能影响体力工作，至少现在还不行。当生成式AI掌握人类大脑运作规律后，很可能开始“攻克”人类的小脑，未来替代掉人手的精细工作是有很大可能的。

北京大学国家发展研究院教授张丹丹。（受访者供图/图）

南方周末：蓝领工人是在什么时候被大量替代的？

张丹丹：2015年被业内人士称为中国的机器人元年。国际机器人联合会（IFR）发布的数据也支撑了这样的说法。2015年开始，中国工业机器人保有量快速超过了美国、德国、日本等工业大国，一骑绝尘。我去制造业工厂做调研的时候，好多企业负责人都会提到，从这一年起，大规模的机器人使用就开始了。当机器手臂进入制造业之后，替代了大量技术工人。

南方周末：目前还有什么是机器人替代不了的制造业工种吗？

张丹丹：比如一部苹果手机的装配，需要有3000个工人，一只苹果手表的生产则需要5000个工人。在精细手表里拧螺丝，目前机器还做不到。按照当前的技术进步程度，电子产品的组装仍然是高度劳动密集的，中国的大量制造业用工也集中在这个领域。

再举个例子，我们去汽车轮毂生产厂商调研，轮毂表面需要打磨光亮，这项工作90%都是由机器完成，到最后一步，需要人来打磨机器接触不到的边边角角。当然，很难说以后机器人手指的精细度是不是能发展到这都能做，如果可以将进一步实现对人工的全方位替代。

南方周末：这是不是意味着，对制造业工人的技能要求越来越低？

张丹丹：我们的研究发现制造业工人的教育水平在上升，但技能要求是往下走的。我们在中国一家灵活用工平台上对70万工人的数据进行统计，高中及以上学历的比例超过六成，高校毕业生占约15%。

与此同时，我们对这家平台上的招聘信息做了文本分析，只有不到1%的招聘信息有学历要求，7%有技能要求，大部分的招聘只需要应聘者认识26个字母就可以了，基本相当于没有技能要求。

南方周末：低技能的需求，对用工市场会带来什么变化？

张丹丹：过去十年间，制造业正规用工减少了两千多万，与此同时零工用工数量在持续上升。生产过程中的技术进步，使得工人只需从事极低技能的劳动，大型制造业工厂由于技术更先进，对工人的技能要求极低，反而无需大力培训一线工人，培训成本的降低，技能的简单化使得零工可以满足制造业工厂的生产需求。

我们根据第四次经济普查数据和第七次人口普查数据估算，制造业中派遣工占比约为三分之一；在长三角、珠三角制造业用工旺季，零工招聘占比会进一步提升，高峰时占制造业企业用工的2/3。

南方周末：随着机器人、AI技术的发展，越来越多的人可以被替代。目前就业市场需要什么样的人？

张丹丹：从机器人时代开始，劳动力市场就出现了两极化趋势，要么需要特别高端的人才，要么就是技术要求极低的工人。

处在中间“高不成低不就”的大多数人开始被机器替代。一开始被替代的是蓝领工人，当ChatGPT出现后，对技能偏上一点的，偏脑力的白领工作也开始被替代。这也意味着，中间的区域更小了。“高不成低不就”的很可能往下卷，中间技能的劳动力会处于比较尴尬的境地。

南方周末：在你日常工作中，ChatGPT的运用场景多吗？

张丹丹：作为一个大学老师，在文字工作方面大语言模型可以最多达到我的要求的五成左右。比如我目前对中英文的翻译工作，我会比较依赖它。

2024年9月，OpenAI推出了新一代模型o1，增强了ChatGPT推理能力。我的学生跟我说，他们推导经济学模型要花好长的时间，甚至还推不出来。o1出来以后，几十秒就把模型解出来了。眼瞅着自己在一边学，AI在一边超越你，我们的博士生也未必能达到这个水平。你说这冲击有多大？我们也瑟瑟发抖。

南方周末：我们应该怎么应对这种趋势？

张丹丹：我安慰我的学生，至少ChatGPT还不能写经济学中的数学模型，咱可以自己写模型让它来解。当有一部分工作已经可以被AI替代时，这部分肯定得先把它用起来。不用的话就会变得很被动，这意味着我们还在花很多的时间做它已经可以做的事。

AI还完不成的工作，就是我们还能发展的空间。比如我刚才说的，ChatGPT可以替代我去做翻译，那我就可以把精力更多放在它还完不成的地方，比如创造性的工作，把那些技能做得更好。

南方周末：你刚提到，“高不成低不就”的大多数人，在就业市场的需求会越来越少。这会不会带来失业问题？

张丹丹：得靠自己创造新的工作。现有的工作在缩窄，新的工作还有很大的空间，就看谁能想得到了。比如说近几年出现的数据标注师的工作，AI一开始发展的时候，需要人去跟它对话，让它能了解人类社会的东西，就产生了标注师的职业。

也有好多人去走一条没人走过的路。我知道的例子就有：年轻人原本是文科生，在ChatGPT的帮助下自学了编程，自己做App，已经实现了财富自由。他能够发现需求，用AI帮助他去实现。虽然新的职业目前在整个劳动力市场上不一定能看得出来，但很多人都在试水。特别是在AI背景下成长起来的新新人类，他们对AI会有更好的利用，我觉得未来还是有希望的。

南方周末：也有人觉得现在AI的发展太快了，要限制它的发展。比如2024年自动驾驶在一些城市的推广，就受到了网约车司机的抵制。你怎么看这种情况？

张丹丹：每一次技术进步都有很多人在反对。我觉得技术可以进步，但应用可以慢慢来，在社会能接受和适应的范畴内慢慢推进，让大家有个适应的过程。

像自动驾驶，也不能一下子全用起来，这势必会带来大量的司机失业，可以慢慢从那些不那么影响就业的地方先跑起来，小步快跑地推进新技术的采用。公众对AI带来的变化需要一个接受的过程，在财富没有积累到可以躺平的程度的时候，人们还是自然地觉得自己要工作，要是没有了足够的工作机会，就会没有安全感。

南方周末：随着AI时代的到来，劳动力市场上需要的技能在发生变化。你觉得未来的大学教育，应该培养什么样的人？

张丹丹：AI会把我们工作的模式打乱、解构，再重新组合。这个变化会非常大，也许短期内我们看不到，但十年、二十年之后，世界的主流可能就完全不是我们现在熟悉的工作方式了。人类需要重新去寻找自身的价值。

大学教育的重点不是教给我们具体的知识，比如说计算机的学生学编程、临床医学的学生学做手术，这些能力可能很快就能被AI替代。大学更多是进行通用技能的训练，提升人的品位，培养思维的深度，进行更深入的思考。这些东西还是挺重要的，这也是目前我们能和AI抗衡的人类的真正价值所在。