Chapter 08

趋势、组织与人文

区分已经发生的结构性变化、需要持续跟踪的信号和高度不确定的预测。

专题长文基础正文核对 2026-10-03增补 2026-11-194 个关联深度词条
本页目录 6 节

本章核心判断

趋势分析不是猜一个终局,而是识别驱动力、约束和不同情景下仍值得投资的能力。

自动填好表以后,月底还要做什么?

虚构示例

报销单能自动录入了。主管以为月底可以少排一个班。可到了月底,职员不再逐格抄金额,而是在打电话确认:两张相同的车票是重复提交,还是两个人同行?录入省下的时间,和处理例外花掉的时间,原来是两笔账。

自拟教学说明

讨论岗位变化,可以先把一个岗位拆成录入、核对、沟通和负责签字等任务。部分任务能自动化,不足以推出整个岗位会消失。要判断实际影响,还得看例外的频率、谁承担责任,以及省下的时间如何分配。

先确认已经发生的变化

统计口径

Stanford AI Index 2026 报告 2025 年受访组织 AI 使用率达到 88%,但跨部门 Agent 使用仍处早期。这是调查口径下的采用情况,不等于所有组织已经获得相同生产率收益。判断趋势时应把使用、质量、成本与净收益分开。

依据AI Index 2026: Economy
研究边界

头部模型在部分排行榜的差距收窄,同时开放与闭源、不同国家和不同任务的表现并非同时收敛。评测设计和榜单参与方式也会影响结果。因此不能用单个分数预测产业终局。

依据AI Index 2026: Technical Performance

岗位暴露不等于岗位消失

统计口径

ILO 2025 年任务级研究估计全球约四分之一劳动者的职业受到某种程度的生成式 AI 暴露,其中约 3.3% 的就业位于最高暴露组。这是任务可能被改变的估计,不是已经发生的失业比例。

依据Generative AI and Jobs: A Refined Global Index of Occupational Exposure
预测边界

WEF 2025 年报告预测到 2030 年,技术、人口、绿色转型等多种宏观趋势合计创造 1.7 亿岗位并替代 9200 万岗位。不能把这组总量全部归因于 AI,也不能把全球预测直接套到某个城市或个人职业。

依据The Future of Jobs Report 2025: Jobs Outlook

企业变革有多条路径,不只有全自动

情景分析

一个可检验的路径是‘人写草稿、AI 辅助检查’转为‘AI 提草稿、人处理例外’,再在低风险环节尝试有限自动执行。每一步都要重设权限、评测、审批和成本边界。

依据Building Effective AgentsNIST AI RMF Playbook
技术判断

端侧、多模态和专业小模型可能在隐私、延迟或离线场景具有优势;云端大模型则可能在复杂任务中更强。二者不是简单替代关系,关键看任务、设备、数据政策和运营总成本。

依据Google DeepMind ModelsAI Index 2026: Economy

人文影响要讨论分配与自主性

社会影响

AI 可以降低获取知识和制作内容的门槛,也可能扩大虚假内容、依赖与不平等。教育系统需要同时看学习结果、隐私和学生的独立判断,不能只看生成答案的速度。

依据Guidance for Generative AI in Education and ResearchGenerative AI Profile, NIST AI 600-1
情景分析

预测未来宜使用情景而不是单一时间表:能力继续进步但治理滞后、能力进步与组织吸收同步、或成本和可靠性形成瓶颈。三种情景下都值得投资领域知识、评测能力和可迁移的协作技能。

依据AI Index 2026: Technical PerformanceGenerative AI and Jobs: A Refined Global Index of Occupational Exposure