惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Schneier on Security
Schneier on Security
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Attack and Defense Labs
Attack and Defense Labs
H
Hacker News: Front Page
Google DeepMind News
Google DeepMind News
雷峰网
雷峰网
C
CXSECURITY Database RSS Feed - CXSecurity.com
Cisco Talos Blog
Cisco Talos Blog
T
Tenable Blog
G
Google Developers Blog
A
About on SuperTechFans
The Cloudflare Blog
S
Securelist
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
C
Cisco Blogs
H
Hackread – Cybersecurity News, Data Breaches, AI and More
aimingoo的专栏
aimingoo的专栏
云风的 BLOG
云风的 BLOG
Forbes - Security
Forbes - Security
腾讯CDC
Application and Cybersecurity Blog
Application and Cybersecurity Blog
V
Vulnerabilities – Threatpost
IT之家
IT之家
博客园_首页
P
Proofpoint News Feed
P
Privacy & Cybersecurity Law Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
Project Zero
Project Zero
月光博客
月光博客
NISL@THU
NISL@THU
爱范儿
爱范儿
S
Secure Thoughts
K
Kaspersky official blog
Security Latest
Security Latest
T
Tailwind CSS Blog
博客园 - Franky
D
Darknet – Hacking Tools, Hacker News & Cyber Security
TaoSecurity Blog
TaoSecurity Blog
The GitHub Blog
The GitHub Blog
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog RSS Feed
S
SegmentFault 最新的问题
H
Help Net Security
T
Tor Project blog
L
LINUX DO - 热门话题
S
Security @ Cisco Blogs
N
News and Events Feed by Topic
O
OpenAI News
S
Schneier on Security

博客园 - 小强找BUG

AIGC 应用的质量保障体系 跳槽必知必会AI岗位技能 男人一生都要奋斗,奋斗不止 打招资深同事替身skills之路 AI赋能Pact Contract Testing:智能生成测试用例 自然语言转 SQL 的框架或引擎+数据库客户端 windows下openclaw 升级 5步玩转微信自动化:WeChatFerry让AI助手帮你处理消息 3个维度解析解放双手的微信机器人:用Webhook服务实现消息自动化处理 精简社交 改命篇】立 Flag 总倒?因为你姿势全错 新年啦,又到立flag的时候啦! 告别35岁焦虑,开启睡后收入 在AI大语言时代,精通语言coding已经不是很重要了,懂架构重在设计尤为重要 2025年终总结|如今已过互联网之花甲之年:过35岁+后,一切都变了 年底了,测试团队该如何做总结呢 OpenObserve终极指南:5个简单步骤掌握高性能日志分析 从《雍正王朝》看技术管理:权力、绩效与遗留系统的极限重构 Jmeter的插件开发 charles破解-在线生成激活码 Windows本地化部署Dify完整指南 打造亿级流量开放平台的架构演进与工程实战 docker 容器启动成功 外部访问不到原因
哪些工作不能完全被AI取代?
小强找BUG · 2026-02-04 · via 博客园 - 小强找BUG

01

通用AI时代的到来

     近年来伴随着硬件计算能力的飞速提升、数据量的爆炸性增长以及算法的不断优化,AI技术正以前所未有的速度变得更加智能,这不仅体现在AI技术能够处理的任务的复杂性上,还体现在其自主学习和适应新环境的能力上。AI技术从以前只能完成特定任务进化到了通用AI(artificialgeneral intelligence,AGI)阶段,具体为三个方面:

1、创造力,AI可以生成图像、文字、视频、音频等各种内容;

2、推理能力,AI在存储、检索和推断序列化信息(如字母和数字序列)方面表现出色,其工作记忆指数的表现甚至超过了99.5%的人类;

3、基于情感的互动能力,这主要体现在AI能够与人类开展自然的沟通上,通用AI能够生成流畅、连贯并且带有情感的语言表达,理解和回应用户的意图,甚至提供个性化的沟通与服务体验。这意味着AI技术第一次具备了类人的交互能力,尤其是基于AGI构建的AI智能体,通过叠加反思、使用工具、规划,以及多智能体协同等能力,在某些领域甚至具备超越专业人才的潜力。

      随着AI应用场景的不断涌现,如无人驾驶、无人商店、无人客户中心、无人停车场等,越来越多的岗位将会被AI所取代, 人类变得更加焦虑。

      要想从容应对A时代的就业形势,就要了解AI的特点,AI不具备什么能力,不能完成什么种类的工作。然后,我们才能抓紧时间提前增设AI无法接管的工作岗位,为人们提供相应的岗位补充,并有针对性地开展职业培训,从而实现AI时代工作岗位的供需平衡。     

02

全球人工智能的知识图谱

   根据共创力首席技术专家George的总结,人工智能产业链的体系知识分为三层架构,如下图片第一层,基础层:包括AI最基础的数据、算法、算力三个单元,也是所有AI场景最基本的组成要素;第二层,技术层:包括自然语言处理、计算机视觉与模式识别、类脑算法、人机交互、语音技术。技术层是整个人工智能产业中最核心的部分,直接决定了行业应用落地的效果。如语音识别和自然语言处理领域的代表公司有科大讯飞、云知声、思必驰等,计算机视觉领域的代表公司有商汤科技、旷视科技、依图科技等,他们中有很多已成为新兴的“独角兽”,融资额度甚至超过美国同行;第三层,应用层:包括智能方案、智能场景等。目前主要应用的领域包括政府、医疗、交通、教育、新零售、互联网、电力、智能家居、智能制造等,未来还会拓展到更多的领域。由于在人工智能应用领域,我国呈现出爆发的趋势,其中金融领域的代表公司有蚂蚁金服、众安科技等;安防领域的代表公司有海康威视、大华等; 在今年美国CES的展览上,其中有三分之一的厂商来自中国,包括割草机器人,扫地机器人,电力巡检机器人,消防机器人等,均属于AI方面的应用。

03

哪些岗位无法被AI取代?

     共创力咨询首席技术顾问George认为, 在以下3个方面,AI存在明显不足,即便到了2042年,仍无法完全掌握这些能力 : 

第一,创造力。AI不具备进行创造、构思以及战略性规划的能力。尽管非常擅长针对单一领域的任务进行优化,使目标函数达到最优值,但它无法选择自己的目标,无法跨领域构思,无法进行创造性的思考,也难以具备那些的人类而言不言自明的常识。如制定战略规划和前瞻性的思考,尤其是在某个垂直细分领域,AI是无法去做一个战略规划的;

第二,同理心。Al没有“同情”“关爱”之类的“感同身受”的感觉,无法在情感方面实现与人类的真正互动,无法给他人带去关怀。如老人的亲子关系、朋友之间的友谊,人在痛苦时的安慰,这些AI都无法完成; 

第三,灵活性。AI和机器人技术无法完成一些精确而复杂的体力工作,如灵巧的手眼协作。如在一条没有规则的在路上开车,有时道路会封闭,有时有不懂规则的人在机动车道上过马路,这时自动驾驶可以会出很多的问题。此外,Al还难以很好地应对未知的或非结构化的空间,并在其中执行工作任务,尤其是它观察不到的空间。

      不难预测,一些不需要社交的、重复性、标准化的工作可能会全部被AI接管,如某个园区内部的自动驾驶、电话销售员,以及保险审核员和贷款审核员、停车场保安等。

        那些需要高度社交技巧并且相对重复执行的工作,将由人类与AI共担,二者将在工作中各自发挥所长,实现人机协同合作。例如,在课堂上AI可以负责日常作业的批改和考试的评分,甚至完成一些标准化的课程教学和个性化的练习和指导,因为现在的知识都已经标准化了。那么,教师们以后做什么呢?教师则可以利用自己的同理心去作为学生的导师,理解学生,激励学生,陪伴他们在实践中学习, 为他们提供个性化的辅导和启迪,帮助学生们培养良好的习惯和情商。

     下图展示了在不同职业的能力结构中,对创造力和社交技能的要求,代表智力型工作被AI接管的二维图,其中,横轴代表职业所需的创造力。纵轴代表职业所需的社交技能;分布在图中右上方的工作更适合人类,左下方的工作更适合Al:

图片

     上图是智力型岗位被AI接管的情况, 下图则是劳力型工作被AI接管的二维图,其中的纵轴仍然代表相关职业所需的社交技能,横轴则代表从事相关职业所需的体力劳动的复杂程度(种复杂程度是根据具体工作所要求的肢体灵巧度,以及对是否需要在未知环境、非结构化环境中解决问题进行衡量后确定的)。图中右上方的工作更符合人类,左下方的工作更适合Al。比如帮助老年人洗澡的护理工(敬老院陪护)的工作,不但需要社交技能,还需要灵巧的肢体技能,因而更适合人类;仓库拣货员既不需要社交技能,也不需要具备很高的手工灵巧度,因而更适合Al。

图片

04

如何化解AI带给人类的生存危机?

      AI所引发的新经济革命已现端倪,随之而来的工作消亡问题将是人类命运共同体所面对的时代性挑战。全球大公司已纷纷裁员,以面对AI高速发展带来的人力替代的挑战。对此,共创力咨询建议把“3R”作为人类应对AI变革的途径,即二次学习(Relean)、二次定义(Recalibrate)和二次复兴(Renaissance)。3R是我们迎接时代挑战时可以努力的方向。

      我们应该发出严正警告,唤醒那些正踩在失业悬崖边缘的人们,鼓励他们主动出击,重新学习AI相关知识。AI并不会淘汰人,而是淘汰那些不懂AI技术的人。"AI+"正在取代“互联网+”技术,成为下一个10年的技术热点。

     令人欣慰的是,有不少人类的工作是AI难以胜任的,特别是那些需要创造办、复杂工艺、社交技巧以及依赖人工操作AI工具的工作。我们可以倡导人们积极投入二次学习,帮助他们掌握从事此类工作的(新)技能,为适应AI新经济下的新型工作场景做好准备。