随着 AI 集成从实验阶段转向委派阶段，美国知识型工作的格局正在经历一场悄无声息但影响深远的变革。一项最新的代表性调查显示，20% 的美国在职成年人已经将至少一项此前由人类同事或承包商负责的任务交给 AI 处理。

软件开发与数据分析引领变革

Epoch AI 与民调公司 Ipsos 开展的一项联合研究对 1,106 名美国在职成年人进行了访谈，结果显示，在不同的专业职能中，AI 的采用呈现出明显的层级结构。该调查根据美国劳工部的数据，选取了十项常见的办公任务，以追踪生成式 AI 如何融入日常运营的方方面面。

软件开发和计算机系统设计成为 AI 集成的主要驱动力，该领域的从业者中有 57% 使用了 AI 工具。数据分析紧随其后，占比 46%，而阅读工作文档的任务采用率也达到了 39%。相反，传统的行政任务（如记录保存）则相对滞后，仅有 25% 的相关从业者报告使用了 AI。

任务替代 vs. 部分辅助

报告中一个关键的区别在于“AI 辅助”工作与真正的“任务替代”之间的差异。目前，大多数用户将 AI 视为“副驾驶”（co-pilot）而非“自动驾驶仪”（autopilot）。由 AI 完成全部或接近全部的任务仍然非常罕见，在软件开发领域仅占 10%，而在所有其他受访类别中这一比例均低于 7%。

然而，任务替代现象——即 AI 接管此前由人类处理的工作——正在取得可衡量的进展。直接替代率最高的领域包括：

  • 数据分析： 7.1% 的受访者。
  • 阅读工作文档： 5.7% 的受访者。
  • 记录保存： 5.3% 的受访者。

Epoch AI 强调，这种转变并不一定意味着大规模的失业，而更多是人类智能与机器处理之间劳动力的重新分配。

生产力与输出质量的悖论

数据揭示了 AI 使用率与时间效率之间复杂的关系。当 AI 处理大部分或全部任务时，53% 的员工表示节省了时间；而当 AI 仅提供部分辅助时，这一比例为 37%。有趣的是，“效率提升”并非普遍现象；大约六分之一的 AI 辅助任务实际耗时比传统的纯手工方法更长。这表明，编写提示词（prompt）、验证以及与 AI 交互所需的时间可能会抵消部分速度优势。

此外，调查还揭示了 AI 输出结果中的“信任差距”。高达 66% 的 AI 生成内容在几乎不经修改的情况下就被直接使用，而只有 5% 的输出经过了深度重写。虽然这表明用户对其感知效用很高，但研究人员警告称，低编辑投入并不能作为衡量 AI 输出实际质量的决定性指标。

核心结论

  • 高科技领域率先采用： 软件开发和数据分析是 AI 应用的前沿领域，采用率分别高达 57% 和 46%。
  • 委派而非取代： 虽然 20% 的员工将任务委派给 AI，但完全的任务自动化程度仍然较低（低于 10%），这表明 AI 目前更像是一种“多功能工具”，而非人类角色的替代品。
  • 编辑趋势： 三分之二的员工接受 AI 输出时仅做极少改动，这表明人们越来越依赖大语言模型（LLM）生成结果的即时效用。

总结

AI 不再是少数创新者的边缘化实验；它现在已成为五分之一的美国员工用来分担传统上由同事完成的任务的工具。该技术最稳固的阵地在于软件开发和数据分析（采用率分别为 57% 和 46%），且尽管目前程度尚浅，但完全的任务替代正在增长。虽然许多人能明显感受到生产力的提升，但效率结果的参差不齐以及较低的编辑水平表明，人工审核环节仍然至关重要。