科技丨Huggingface 联创 Thomas Wolfe : 当 AI 冲击就业，人类还剩什么

源济

科技丨Huggingface 联创 Thomas Wolfe : 当 AI 冲击就业，人类还剩什么

知乎日报

2026年3月9日 06:07

2022 年底 ChatGPT 横空出世，三年过去，AI 在编程、奥赛上拿奖拿到手软，可奇怪的是，它对 GDP 的影响微乎其微，大多数企业的 AI 试点项目也没跑通。一边是 AI 跑分狂飙，一边是实际落地磕磕绊绊——这中间到底差在哪儿？

更让人揪心的是，初级岗位就业率跌了 6%，资深岗却涨了 9%。当 AI 把「执行」做得越来越好，人类还剩什么？今天，我们从一份 huggingface 联合创始人的深度观察里找答案……

文末有「划重点」总结👇

当 AI 冲击就业，人类还剩什么：执行力、判断力、主观能动性

本文来自 @Thomas Wolf 的 substack，由 @Selina 和 @AI小舟哥 翻译

原文标题：What Jobs Are Made Of - Judgment, Agency, and the Limits of AI Benchmarks

15 年前，也就是 2010 年的冬天，我博士快毕业了，正计划去探索象牙塔外的世界。那年巴黎前所未有的冷，到处都是大雪皑皑，我记得刚结束一场研发岗位的面试，坐在冰冷的返程列车上，心里只有失望和困惑。

虽然我对这一行业研发团队使用的工具了如指掌，也自信能快速补齐短板，但看起来还是不够，面试官拒绝我的理由很万金油：他们想要「更有经验」的人。

当时我才二十出头，觉得这简直不可理喻。在我看来，「经验」只是他们无视我的能力、拒绝我入职的一个模糊借口，而完全忽略我显而易见的能力和求知若渴的状态。

但是最近，那种似曾相识的无力感又回来了。

最近看到的一组关于初级岗位（尤其是程序员）缩招的数据，让我不禁代入到了现在的年轻人状态中。

斯坦福大学在 2025 年夏天做了一项分析：在那些受 AI 冲击最大的行业里，22 到 25 岁的年轻人，在 2022 年底到 2025 年中期这段时间，就业率跌了大概 6%。而同期，同行业的资深打工人就业率反而涨了 6% 到 9% [1]。

Brynjolfsson, E., Chandar, B., & Chen, R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence – August 2025

上图中这个转折点实在太明显了。

不管这是基于相关性还是因果关系 [2]，2022 年秋天都是分水岭。ChatGPT 的发布让公众第一次见识了 AI 的真本事。随后军备竞赛彻底点燃，OpenAI、Anthropic 领跑，Google、xAI、阿里巴巴（Qwen）、DeepSeek、Mistral 等各路神仙紧随其后。

过去三年，AI 在跑分榜上的进步可以用「炸裂」来形容。

Claude Opus 4.5 这种级别的模型，现在能搞定 SWE-bench 上约 75% 的真实编程任务 [3]；Gemini 3 和 GPT-5 在科学奥赛上更是金牌水准的表现 [4]。同时，ChatGPT 的周活用户也接近 10 亿了 [5]。

单看这些技术指标，AI 的能力和普及速度都在狂飙，仿佛马上就要和行业或人类积累的水平平起平坐。

GDPval Measuring the performance of our models on real-world tasks – https://openai. com/index/gdpval/

但吊诡的是，从宏观上看，却似乎相当平静。

尽管 AI 拿奖拿到手软，尽管初级岗位在流失，但从全球和行业层面看，AI 对 GDP 的影响依然微乎其微 [6]。最近甚至有报道称，除了那些公关通稿，大多数企业的生成式 AI 试点项目根本没跑通，无法产生持续价值 [7]。

再看那些更真实的「在场测试」，比如 Remote Labor Index（远程劳动力指数），它让 AI 去接真实世界的自由职业者的外包单子。结果很打脸，即便是目前最强的系统（比如 Manus AI），成功率也只有 2.5% 左右 [8]。

模型在评测中的高分，和在组织内部的实际应用，完全是两码事。

通常对于理论和现实落差的解释有如下几种：一是组织惯性：大公司反应慢，历史系统一团糟，部署难度高 [9]。 二可能是时机未到：虽然 AI 在某些 AGI 量化测试里拿了 60 分，但离实现真正的人类智能还有距离 [10]。

这些理由似乎都对，但它们都陷在一个误区里：把「工作」主要看作是「执行任务」。

这个视角在我看来太不完整了。实际上，一份工作很少只是一串待执行的任务清单，一个同事也很少能被简化为仅仅是一堆技术技能的集合 [11]。

作为一名创业者，我有一半的精力在招人，也从中有很多心得。我倾向的候选人，往往结合了三种特质：

• 执行力（Execution）或业务能力：能把活完成好，并掌握相应的工具和方法。

• 判断力（Judgment)：也就是常识。得知道做这件事的价值，它如何服务于更大的目标、企业价值观、文化和方向。

• 主观能动性（Agency/Taste)：或者说是「品味」。能预判下一步该做什么，该提什么建议，什么不该做，什么时候该扭转方向，甚至什么时候该彻底停下来才是最好的选择。

执行力相对容易观察、测试，也容易 在跑分榜上量化。一旦任务明确，问题就在于解决好它。

但判断力和能动性太难衡量了。它们往往体现在那些非稳定状态的局面里：当问题定义不清、优先级变动、或者需要质疑任务本身时。这才是团队里的高阶人才发光的时刻。

通过这个视角，我终于理解了 2010 年的那次面试。

当年的面试官，其实不只是在考量我会不会用那些工具和技巧。他们是在暗中校准：一旦问题变得模糊不清，我会怎么表现。

这种对工作的设定也解释了为什么初级岗位最先受到冲击。传统意义上的职场新人的工作内容，多是「执行」。随着时间推移和经验积累，人的价值才会转向「判断」和「能动性」：定义问题、选择着力点、厘清模糊地带

比起这些方向，AI 现在正在快速成为越来越高效的「执行者」，导致纯执行层面的工作成本越来越低，初级从业者的职位自然首当其冲受到影响。

长远来看，这的确让人担忧。判断力和能动性虽有天赋成分，但也需要通过大量的「执行」来磨练。如果入门级工作快速消失，未来的资深专家又从何而来？

这也解释了为什么 AI 的经济效益还没大面积爆发，解决更广泛、更大的任务依然存在挑战。限制 AI 的，并非生成文本或代码的能力，而是它往往难于关注上下文：无从探究整个公司/团队的整体情况，难以理解模糊需求，优先级考量，不懂权衡和妥协，决策关键问题或者甚至说无法判断何时叫停。

执行显然重要。它只是不能代表工作的全部，正如 Cursor 的 Ryo Lu 最近所说，执行不像人们认为的是工作中最重要的部分：

「传统的规模性团队的模式已经死了。以前我们招专业人才——设计师、工程师、产品经理——各司其职，通过招更多的人扩大公司规模。但当 Cursor 能让你在几分钟内把想法变成代码时，执行力不再是瓶颈，品味和判断力才是。」

挑战在于，判断力和能动性很难被量化，它们通常只在更宽泛、非线性的大背景下才有意义，所以它们在跑分榜里很少被关注 [12]。

但这些标准往往能够体现出一个人在组织内创造的价值。如果我们希望真正理解 AI 的经济潜力，最终就需要超越单纯技术执行层面的评估方式，转而采用能够反映真实工作中跨团队、跨职能（纵向协作）特征的评估体系；同时也必须承认，现实中极少有工作是只需在一个相对静态的环境中，按一套既定、量化的规则机械执行。

未来的 AI 时代，判断力、品味和主观能动性——这些最难描述、最难跑分、也最难被替代的部分——将拥有前所未有的权重。

回头看，这种「跑分无敌但干不了活」的差距，像极了那个 20 岁出头、拿着满分简历却被拒之门外的我。

参考文献与注释（References)：

[1] Brynjolfsson, E. 等人（2025). 《煤矿里的金丝雀？关于近期 AI 对就业影响的六个事实》 (Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence.）注：该论文指出，2022 年底至 2025 年中期，高 AI 暴露职业中 22-25 岁工人的就业率显著下降，而年长工人就业率同期上升。 (斯坦福数字经济实验室)

[2] Brynjolfsson 等人的研究令人信服地指出了这其中的因果关系。

[3] SWE-Bench 及 SWE-Bench Verified 排行榜 显示最新的前沿模型及 Agent 系统已经能够解决绝大部分源自真实代码库的软件工程任务。截至 2025 年底，Claude Opus 4.5 已能解决约 75% 的真实软件工程任务。https://www. swebench. com

[4] 利用大型推理模型进行竞技编程https://arxiv. org/abs/2502.06807v1
Google DeepMind 关于 Gemini 在 ICPC 世界总决赛达到金牌水平的博客。
https://deepmind. Google/blog/gemini-achieves-gold-medal-level-at-the-international-collegiate-programming-contest-world-finals/

[5] https://openai. com/index/the-state-of-enterprise-ai-2025-report/

[6]人工智能与劳动力市场 https://www. nber. org/papers/w33509

AI 时代的经济转变 https://institute. bankofamerica. com/content/dam/economic-insights/ai-impact-on-economy. pdf

奇迹还是神话：评估 AI 带来的宏观经济生产力收益 https://cepr. org/voxeu/columns/miracle-or-myth-assessing-macroeconomic-productivity-gains-artificial-intelligence

[7] MIT 报告：95% 的企业生成式 AI 试点项目宣告失败
https://fortune. com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/

[8] 远程劳动力指数：衡量 AI 对远程工作的自动化程度
https://arxiv. org/abs/2510.26787

[9] GenAI 鸿沟https://mlq. ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report. pdf

[10] AGI 的定义 https://arxiv. org/abs/2510.18212

[11] 关于专业技能的研究https://www. nber. org/papers/w33941

[12] 无论是在 AI 研究还是经济学领域，常识性判断（Common-sense judgement）和能动性（Agency）的评估往往被忽视，作者表示几乎找不到深入探讨这两个方面的文章。

「划重点」：

1. 一份工作远不只是「执行任务清单」，它同时需要判断力（知道该做什么）和主观能动性（知道为什么做、何时停下来）;

2. AI 正在成为高效的执行者，导致纯执行层面的初级岗位最先受冲击，但资深人才的价值依然稳固；

3. 判断力和能动性难以量化、难以跑分，却恰恰是 AI 短期内无法替代的核心竞争力，未来将拥有前所未有的权重。