ARTICLE · 1076393
OpenAI首席经济学家发文:别慌着算AI淘汰谁,未来60%的新工作今天连名字都没有!
作者 | 杨正· 编辑 | 陈刚
如果你现在正为了“AI会不会砸掉我的饭碗”而焦虑失眠，不妨先来做一个极其荒诞的思想实验。
想象一下，你坐着时光机回到了 1976 年。
你在街头拉住一个路人，拍着胸脯向他介绍你今天引以为傲的工作：
“我的本职工作，是为云端视频流媒体移动 App 优化搜索引擎广告投放。”
▲ OpenAI 经济研究团队发布重磅短文《我们还没有那些名词》（We don’t have the nouns yet）
对方大概率会觉得你刚从精神病院逃出来。
因为在这短短一句话里，几乎每一个词都来自“未来”：
要解释“搜索引擎广告”，你得先跟他解释什么是商业互联网，什么是信息检索算法； 要解释“App”，你得先解释什么是智能手机，以及围绕它建立的移动软件生态； 至于“云端”……在 1976 年的人听来，那不过是飘在天上的水蒸气。
在向他解释这份工作“怎么赚钱”之前，你必须先向他恶补整整半个世纪的科技与商业进化史。
2026年9月下旬，OpenAI 经济研究团队与首席经济学家 Ronnie Chatterji 共同抛出了一篇引发全网热议的深度短文，《我们还没有那些名词》（We don’t have the nouns yet）。
▲ OpenAI 首席经济学家 Ronnie Chatterji 阐释核心观点：我们无法预估尚未诞生之物
他们指出了当前关于“AI 与就业”讨论中的一个关键盲区：
人们之所以容易对技术变革产生焦虑，在于“正在消失或转变的工种”清晰地记录在现有的字典里；而“将被催生的全新职业”，至今尚未形成通用的称谓。
01.认知的温差：看得见的转变，与看不见的新生
打开今天的社交媒体和新闻头条，充斥着各种让人心惊肉跳的统计：“AI 将取代 30% 的程序员”、“翻译行业遭遇断崖式下跌”、“插画师生存空间被严重挤压”……
为什么每一次技术革命来临，悲观派的声音总是听起来无懈可击，而乐观派的辩解却往往显得苍白无力？
▲ 经济学家 Jason Potts 指出：经济学中最核心的思维就是“看得见与看不见”
知名经济学家 Jason Potts 一语道破玄机：这就是经济学史上经典的“看得见与看不见”之争。
- 看得见的那一面（成本侧）
：旧工种的消亡是具体的、带名字的。打字员、电话接线员、报纸排版工……他们的消失肉眼可见，每一个旧名词的陨落都带着痛感。 - 看不见的那一面（收益侧）
：新技术催生的新产品、新行业、新职位，在它们诞生之前，是彻底的“不可想象”。
在 1976 年，让人们相信“写报纸分类广告的人会变少”极其容易；但要让他们相信未来会出现成千上万个“云端流媒体广告优化师”，根本没人会信。
我们手里的职业名录，始终是一张绘制于昨天的旧地图。
拿着昨天的地图去丈量明天的经济版图，得出的结论往往只有两个字：缩水。但这远非未来的全貌
02.80年的历史铁证：今天60%的打工人，都在干着1940年“不存在”的事
OpenAI 团队的这一论断，绝非科技巨头的凭空画饼，而是依托于极为扎实的劳动经济学历史实证。
文章重点引用了 MIT 著名经济学家 David Autor 及其团队发表在顶级经济学期刊《经济学季刊》（QJE）上的划时代研究。
▲ MIT 针对 David Autor 团队研究的专文报道：现代大多数工作都是“新工作”
这项覆盖了美国 1940 年至 2018 年近 80 年人口普查数据的研究，揭示了一个令人震撼的铁律：
截至 2018 年，美国劳动力市场中超过 60% 的就业岗位，落在 1940 年人口普查职位名录中“完全不存在”的全新专业领域！
也就是说，今天我们视作理所当然、赖以谋生的大多数行当，在八十年前的人看来，全都是外星词汇。
回望历史，这种“事走在词前面”的剧目反复上演：
1900 年的人口普查中，发明飞机的莱特兄弟在职业一栏里写的是什么？是“自行车商”。因为在飞机试飞成功前，官方词库里根本没有“飞机设计师”这个称谓； 太阳能技术成熟了，原本的电工群体里分化出了“光伏并网安装师”； 核磁共振（MRI）设备普及了，医院里才有了独立的“医学影像专科医生”； 汽车流水线普及后，才诞生了“交通安全规划师”与“汽车保险精算师”。
最典型的现代案例是网络安全（Cybersecurity）。今天，仅在美国就有超过 125 万人从事网络安全工作（平均每 130 个劳动者中就有 1 人）。然而在 1970 年代之前，“Cybersecurity”这个词在人类印刷物中几乎从未出现过。
彼时的人们只知道计算机能算数，谁能预料到未来会有一百多万人专职去防范看不见的“网络黑客”？
当时的人类，只是还没有那个名词
▲ 产品专家 Sar Haribhakti 转发 Autor 研究：未来存在着我们无法构想的机会
03.“邻近可能”链条：站在火箭面前，你绝不可能猜到“网约车司机”
为什么我们的大脑总是无法提前预知新工作？
文章借用了复杂系统理论家斯图亚特·考夫曼（Stuart Kauffman）的经典概念：邻近可能（Adjacent Possible）。
技术的演进遵循着一级又一级的台阶式连锁反应：
[ 发明火箭 ] ↓[ 发明人造卫星 ] ↓[ 建立 GPS 全球定位系统 ] ↓[ 普及智能手机与移动蜂窝网络 ] ↓[ 诞生 Uber、美团等打车外卖平台 ] ↓[ 催生网约车司机、骑手调度算法工程师、外卖运营专员…… ]试想，在人类刚刚研制出液体燃料火箭的 1940 年代，哪怕你把全球最聪明的一批科幻作家聚在一起，有谁能推导出发明火箭会给几十年后创造出数百万个“网约车司机”和“外卖骑手”？
这种推导是反直觉的因为中间隔着四五道尚未发生的商业与技术跨越。
今天，面对生成式 AI，人类其实正站在当年“火箭刚刚点火”的起跑线上。
今天能够看懂并叫出名字的 AI 岗位，大多停留在相对清晰的表层，例如研发模型的“算法科学家”、训练模型的“数据标注员”，或者在企业里调试 Prompt 的工程师。
这些仅是冰山露出水面的一角
规模更为宏大的就业增量，正潜伏在由 AI 重塑底层逻辑后、尚未被构想出的全新商业物种之中。
04.OpenAI 观察 150 万条真实对话：新职业在头衔改变前，早已“偷偷越界”
新工作的诞生，极少始于凭空命名的职位招聘。
它往往始于老岗位上的“任务越界”（Task Crossover）。
在《我们还没有那些名词》发布前夕，OpenAI 经济研究团队发布了他们代号为《前沿工作观察》（Work at the Frontier）的重磅实证报告。
▲ OpenAI 官方发布《劳动者如何解锁全新工作方式》研究
研究人员匿名分析了 2026 年 4 月至 7 月期间、超过 150 万条与工作相关的 ChatGPT 真实对话，捕捉到了极其有趣的微观真相：
- 打工人正在疯狂“跨界借脑”
：在长期追踪的劳动者样本中，有 25.9% 的 AI 使用场景属于“越俎代庖”，即利用 AI 去完成完全超出自己原本岗位职责的任务（比如程序员让 AI 帮自己写市场公关稿、行政人员让 AI 帮自己编写自动化脚本、设计师让 AI 分析财务报表）。 - 这些跨界任务正沉淀为“肌肉记忆”
：与客户沟通方案（留存率约 54%）、撰写营销文案（约 44%）、制作推广材料（约 37%）等越界任务，在次月被反复高频调用。
▲ 劳动者正在把职业外任务（如营销、广告、客户拓展）永久嵌入日常工作流
这说明了什么？在 HR 还没来得及修改招聘岗位说明书、在统计局还没来得及更新职业大典之前，劳动者的实际工作内容已经在被 AI 暴力重构了。
一个原本普通的客服，可能因为熟练运用 AI 处理数据，悄然变成了半个“商业分析师”；一个普通文案，可能已经在行使“初级产品经理”的职权。
与此同时，一些处于“名词定型前夜”的新工种已经在招聘市场上疯狂冒头。
最典型的莫过于 FDE（Forward Deployed Engineer，前线部署工程师）。
▲ 社区讨论：当底层技术稳定后，填补落地空白的“胶水岗位”开始爆发
招聘大数据机构 Lightcast 追踪显示：美国企业对 FDE 的招聘需求从 2024 年的区区 200 个，暴增至 2026 年上半年的 5200 多个！
这个角色既不同于传统天天闭门写代码的软件工程师，也不同于传统的售前顾问。他们需要左手懂大模型 API，右手懂客户极其复杂的传统业务工作流，身兼技术落地、流程重构与现场沟通于一体。
在五年前，这种复合型岗位连名字都没有，今天它却成了年薪数十万美元抢破头的香饽饽。
05.现实的阵痛：在词汇追赶上现实之前，人总要吃饭
技术的远景固然开阔，但现实的过渡期同样充满挑战。
讨论哪些旧工种会逐渐减少往往相对具象，理解那些尚未命名的新机会却需要时间；而在新名词追赶上现实之前的过渡期里，普通人的生计是真实且迫切的。
这种落差揭示了技术演进中最现实的挑战：转型的时空错配。
- 时间错配
：旧岗位的坍塌可能只需要几个月，而由“邻近可能”链条衍生出的全新产业集群，往往需要数年甚至十几年才能容纳海量就业； - 人群错配
：被 AI 替代掉的原画师、基础翻译员，并不能在一夜之间自动转变为高薪的“AI 业务架构师（AI Work Architect）”或“前线部署工程师”； - 地理错配
：失去工作的人在一个地方，而新生机遇的土壤往往在另一座城市。
回顾历史，网络安全行业的发展轨迹提供了一个具象参考：约 36% 的从业者最初是在普通 IT 岗位上兼职承担了安全职责，随后顺理成章地转型为全职网络安全专家。
新职业往往从现有岗位的边缘慢慢孕育生长出来。
面对技术浪潮，死守当下的职位名片往往会陷入被动；更积极的路径正如那 150 万条对话所展现的：借助 AI 工具主动拓展职责边界，探索那些尚未被命名的交叉地带。
06.别用昨天的词汇，框死明天的可能
发展经济学家 D. Yanagizawa-Drott 曾做过一个风趣的设想：
“所谓通用超级智能（AGI），大概在于能否准确预测其未来创造出的新工作名词。”
▲ 学界调侃：能预测新工作名词才算超级智能
没有人能拿出一本写满 2035 年职业名称的预言书，这也体现了社会创新的生生不息。
今天的职位分类，远未框定未来人类价值的边界。
仍有深层的疾病等待攻克，有未知的宇宙角落等待探测，有更复杂的协同系统等待搭建，也有丰富的情感与精神体验等待被创造。
历史带来的启示在于：未来很大一部分带来体面收入与尊严的工作，在今天尚无法用现有的词汇来概括。
请给未来一点时间，我们只是还没有那些名词而已。