微软研究院发布了一份名为《与AI共事》的报告，发现知识工作、沟通和销售类岗位，正处在被人工智能影响的最前沿。
图片
地址：https://arxiv.org/pdf/2507.07935
研究团队对20万条匿名的Bing Copilot用户对话进行了分析，从用户意图和AI操作两个维度，评估AI在实际工作场景中的应用情况。
这些对话被映射到O*NET数据库，这是美国对所有职业的标准分类工具，涵盖每项工作的核心活动与职责。
图片
研究划出一个关键区别：用户目标和AI行动并非总是一致。例如，用户希望获取信息，像记者或科学家，而AI给出的回应方式更像图书管理员或客服人员。
在40%的案例中，用户目标与AI执行任务不重叠。这意味着，AI更多扮演“教练”或“顾问”的角色，而非直接取代人类。
也就是说，在多数场景下，AI并不是在做人的工作，而是协助人完成工作。
研究者指出，语言模型最常被用于三类任务：信息搜集、写作与编辑，以及表达交流。这些任务的AI完成度高、用户满意度也高。
相比之下，数据分析、视觉设计等领域的表现则不尽如人意，而对于需要现实世界互动或体力参与的任务，比如购物、维修，AI能力则几乎为零。
OpenAI新推出的ChatGPT Agent试图填补这一差距，但尚未达到广泛实用的程度。
销售、传媒、翻译成最大“受益者”
微软研究团队建立了一个“AI适用度得分”（AI Applicability Score），结合使用频率、成功率以及AI能完成任务的程度，来衡量各职业受AI影响的强弱。
注：计算职业 i 在用户目标下的AI适用性评分，基于任务重要性、用户关注度及AI在相关任务中的表现。
得分最高的职业包括：翻译、技术写作者、记者与编辑、广告销售代表等语言密集型岗位。
这些职业有一个共同点：大量依赖语言、知识与沟通能力，而这正是生成式AI的强项。
IT岗位也得分较高，如数据科学家、CNC程序员等，说明他们也能从AI中获益，但不是“最显著”的那一批。。
图片
图注：这图告诉我们：哪些工作任务在现实工作中很常见、用户最关注、以及AI最常帮忙的。比如“获取信息”和“对外沟通”是三方都高频的任务，而像“修机器”这种，大家都很少提
而在得分最低的职业中，排名靠后的几乎全是体力型职业：看护、清洁工、技工、机械操作工等。
这再次印证一个事实：AI对脑力劳动的赋能远大于体力劳动，至少在目前这个技术阶段。
有趣的是，AI适用度与职业薪酬或教育水平几乎没有明显相关性。虽然本科学历的岗位略受影响更大，但这个差异极其微弱。
换句话说，AI冲击的不是高薪或低薪工作，而是语言与知识密集型工作。
图片
图注：这图对比了哪些具体任务在现实工作中常见、用户最关心、以及AI最常做，比如“回答客户问题”“提供信息”“撰写文档”等，是大家和AI都最常碰到的任务。
研究还展示了一份职业群体AI适用度表：销售行业得分为0.32，IT行业为0.30，而医疗辅助类仅为0.05，清洁与维护类得分也不到0.1。
这些数据表明，AI并非只对科技或金融领域有用，它对语言密集、客户导向的行业同样具有变革性影响。
AI不是“替代者”，而是“增强者”
尽管AI展现出惊人的任务完成能力，但研究团队强调，AI能力不等于自动化，不代表人类岗位就此消失。
相反，在大多数情况下，AI的角色更像是助手、工具，或者能力增强器。
微软研究员举出ATM的例子：自动取款机曾被认为会取代银行职员，但实际上，它只是改变了银行工作方式，并催生了新的职位与服务模式。
从Copilot的使用数据来看，用户的意图和AI的回应之间，往往存在互补而非替代关系。
当用户希望“获取信息”时，AI却提供了建议与判断；当用户要求“写报告”时，AI会结合格式、逻辑、风格进行完善。这是一种人机协作的工作模型。
研究者指出，真正能从AI中受益的，是那些懂得利用AI来扩展思维和技能的工作者。
而非那些简单地试图“让AI替我干活”的人。
当然，该研究局限于美国境内的Copilot用户数据，未涉及其他平台或国家。同时，像家务劳动等非正式工作，也不在研究范畴内。
但即使如此，这项研究依然揭示了一个关键趋势：AI对工作方式的影响是结构性的，而非边缘性的。
图片
注：用户更常让AI帮忙买东西、查资料、做体力活；而AI更常主动教别人怎么做事，比如培训、指导、讲解安全规则
未来几年，那些熟练使用AI辅助工具的写作者、销售人员、客服专家，将可能比以往任何时候都更具生产力。
而那些完全忽视AI工具存在的人，将逐渐在职场中边缘化。
这不是取代，而是一种“技能门槛的重新划线”。
当AI成为每个人的“第二大脑”，问题不再是“它会不会取代我”，而是，“我是否学会让它为我工作”。
