Report.
过去讨论 AI 与就业，常常围绕一个问题：AI 会替代多少工作？
人们容易把变化看得太简单。AI 进入工作之后，很多岗位不会只是“消失”或“保留”。更常见的情况是，岗位内部的任务被重新拆开：一部分由 AI 接管，另一部分继续留给人。
PwC 在 2026 Global AI Jobs Barometer 中提出了一个关键框架：AI 正在制造“双轨劳动力市场”。并且提到了“ AI 暴露”这个名词，即岗位中有多少任务可能受到 AI 影响。而同样是高 AI 暴露岗位，未来可能走向不同轨道。
一种轨道是“专业化”。如果 AI 接管的是基础、重复、可标准化的任务，人类剩下的工作反而更复杂，更依赖判断、沟通、协调和责任承担。比如招聘人员，AI 可以筛选简历、整理信息，但候选人沟通、合同谈判、复杂岗位需求理解，仍然需要人来完成。
另一种轨道是“民主化”。如果 AI 接管的是过去体现专业门槛的任务，岗位中留给人的部分可能变得更容易进入、更标准化。岗位未必消失，但工资增长、技能门槛和职业空间可能被重新评估。
所以，高 AI 暴露不等于岗位一定贬值。关键要看 AI 接管了哪一层任务。
报告中的数据也支持这种分化。专业化岗位自 2021 年以来平均工资增长比民主化岗位快 42%；在报告统计口径下，专业化岗位招聘数量增长 39%，民主化岗位增长 17%。这说明劳动力市场正在重新区分不同人类能力的价值。
这也解释了为什么“会不会用 AI”只是起点。AI 越能处理信息、生成内容和执行规则，人类留下的工作越集中在开放情境中：客户关系需要信任，组织协作需要沟通，战略判断需要权衡，伦理问题需要责任。能把 AI 输出转化为判断、方案和业务结果的人，才更容易形成稀缺性。
入门岗位的变化尤其值得注意。报告提到，49% 的 CEO 预计 AI 采用会在未来三年减少初级岗位招聘。更深层的问题是，年轻人进入组织后，还能不能通过真实任务积累经验。过去很多基础工作虽然不高级，却是理解业务、形成判断力的重要路径。如果这些任务被 AI 大量接管，年轻人可能更快摆脱重复劳动，也可能失去学习系统的机会。
企业端也在分化。很多企业都在试用 AI，但采用 AI 和获得 AI 收益之间仍有距离。报告按企业所在行业的 AI 暴露度分组后发现，最高暴露组企业相对 2018 年基线的生产率增幅为 33.5%；其中生产率增幅最高的前 20% 企业，平均增幅达到 163%。但只有 8% 的 CEO 表示 AI 在过去一年带来了超过轻微幅度的收入增长。
这说明，AI 价值不会自动落到每个采用者身上。企业需要把 AI 放进真实流程、增长场景、数据基础和人才系统中，而不是只做工具试点。
从产业机会看，值得关注的也不只是 AI 工具本身，而是岗位智能分析、劳动力规划、工作流重构、再技能培训、权限管理、AI 项目治理和 ROI 评估等配套能力。
未来判断 AI 与工作的关系，不能只问“哪些岗位会被替代”，更要问：哪些任务被自动化，哪些人类能力因此更稀缺，哪些岗位价值被重估，哪些企业能把 AI 从工具变成增长能力。
完整深度解读现已在知识星球-国际人工智能产业联盟上线，欢迎大家阅读交流。
星球简介
当 AI 舆论充斥噱头与口号，具备决策价值的行业研判愈发稀缺。
我们不做简单信息搬运，只为企业管理者搭建产业决策坐标系。
这是聚焦 AI 产业深度情报的闭门社群，在海量行业噪声中完成三件核心事：去噪、提纯、重构产业逻辑。
加入社群可获取：
✅ 德勤、Gartner、麦肯锡头部机构报告拆解，提炼核心骨架并匹配本土产业现状
✅ 交叉验证后的独家行业趋势判断，捕捉尚未形成共识的结构性机会
✅ 全球 AI 产业前沿信号速递，提前把握行业拐点
✅ 产业供需、赛道冷暖动态梳理
