ARTICLE · 1082655
原来 AI 抢的不是程序员的活,是所有人的打字量
原来 AI 抢的不是程序员的活,是所有人的打字量2026 年 1 月起 4 个月内，OpenAI 非工程部门（财务、招聘、法务、市场等）的 Codex 周使用率从接近 0% 涨到约 90%——比工程师更早把 AI 用成日常的，是不写代码的人（来源：Gergely Orosz 实地探访报道）。 据 OpenAI 自述口径，全公司每周产出 token 的 99.8% 来自 Codex；员工平均产出中 85% 以上由 AI 生成（口径为模型产出 token，非业务价值）。 被接管的共同点不是「编程」，而是「重复性的数字化劳动」——调研、整理、汇总、格式转换，也就是大部分人每天的工作内容。 当产出交给 AI，人的价值向三件事迁移：提出好问题、审查结果、为决策负责。 
问一个问题：AI 编程工具爆火这两年，谁最先被改变？ 多数人的答案是程序员。毕竟工具名叫 Codex，界面里全是代码，讨论区里全是工程师。 但 2026 年 9 月，科技作家 Gergely Orosz 实地探访 OpenAI 总部、采访了 7 位工程师和工程管理者之后，带回了一个完全相反的观察： 在 OpenAI，最先离不开 AI 的不是程序员，而是财务、招聘、法务和市场。 四个月里，这些不写代码的部门，使用率从几乎为零涨到了约 90%。这不是「AI 快要影响所有人」的预言，这是已经发生完的事实。 它背后藏着一个更准确的判断：AI 接管的从来不是某个职业，而是所有职业里共享的一种东西。
时间线值得细看。 今年 2 月，Codex 桌面应用上线 Mac；3 月到 Windows。在这之前的 1 月，产品界面还满是代码、默认用户懂技术——彼时非工程师的使用率就已经接近 40%。 也就是说，早在产品对普通人友好的样子做出来之前，不写代码的人已经挤进来了。 4 到 5 月，随着「目标导向工作流」上线——你描述一个目标，AI 自己拆步骤、调工具、把事干完交回成果——内部使用率从约 60% 冲到 90%。7 月 ChatGPT Work 发布后，非技术员工全面入场。 为什么是这个顺序？ 因为财务要核对报表，招聘要筛简历，法务要审合同，市场要整理素材。这些工作的产出物——表格、文档、清单、汇报——全都是数字化的。而数字化的产出，恰好是 AI Agent 能直接生成、修改和交付的东西。 程序员的代码，只是数字化劳动里门槛显得最高的一种。门槛高，不等于最先被改变。 把所有被 AI 接走的任务摆在一起看，会发现一个共同特征：它们都是「把想法变成文字和结构」的过程。 调研一个主题，是把问题变成资料综述；整理一张表格，是把散乱信息变成结构化数据；写一份周报，是把一周的工作变成格式化文本；回一封邮件，是把立场变成措辞。 这些东西，可以统称为「打字量」——人和键盘之间那段重复的、格式化的、不太需要判断的输出。 外部数据也印证了这个方向：今年 5 月，70.2% 的抽样用户至少提出过一次相当于 1 小时以上人类工作量的请求，25.6% 提出过 8 小时以上的请求（模型估算口径，仅供参考）。用户不是在让 AI「写两句」，而是在把整个下午的打字量一次性外包出去。 这也解释了为什么程序员的「危机感」反而出现得最早、但答案来得最晚——代码只是打字量里最容易标准化的一块。真正的大盘，是每个办公室里每天都在发生的重复输出。 你此刻的工作里，有多少比例是「把已知信息按固定格式变成文字」？那个比例，就是 AI 可接管的份额。 打字量被接管之后，瓶颈去哪了？ OpenAI 内部给出了答案：注意力。 当 Agent 一次能产出好几个版本，一个人却只能同时审查有限的几份——产出不再稀缺，筛选和判断成了新瓶颈。工程师的工作重心随之迁移：定义什么问题值得解决、识别哪些方案不可靠、在模糊地带拍板、为上线结果负责。 一个更具体的例子：OpenAI 内部的代码评审流程正在被重构。过去这套流程围绕「人类作者」设计——同事写代码，你逐行审。当写代码的是 AI，逐行审就失去了意义，审查的对象变成「方案是否成立、结果是否可信」。 所以准确的说法不是「AI 抢走了工作」，而是：AI 把工作里「输出」的那一半拿走了，把「判断」的那一半留下了，并且让它升值了。 对个人的意义很直接：如果你的岗位八成时间是执行输出，两成时间是判断决策，那么你的有效工作正在向那两成收缩。反过来，如果你的价值在于「知道该做什么、能分辨做得好不好」，AI 反而让你的杠杆变大。 这件事不遥远，也不需要等公司统一部署。三步可以今天就开始： 第一步，盘点自己的打字量。拿一张纸，把本周的工作列出来，分成两类：A 类是「我知道答案/信息，只需要变成文字」，B 类是「我需要做判断、做取舍」。诚实地算一下 A 类占比——那就是可外包的部分。 第二步，从「问一句」升级为「派一个任务」。不要让 AI「帮我写两句」，而是把完整任务交出去：背景是什么、要什么格式、给谁看、什么算合格。委派的颗粒度，决定 AI 能替你接管多少。 第三步，把重复流程沉淀成模板。每次派任务都要重新描述一遍的流程，写成固定的说明文档，下次直接复用。流程资产会复利，单次对话不会。 OpenAI 的条件普通人复制不了，但这三条不挑公司、不挑预算，挑的只是你什么时候开始。
「AI 取代程序员」是一个好标题，但它把焦点带偏了。 OpenAI 的四个月给出了更接近真相的版本：AI 接管的不是某种职业，而是所有职业里「重复输出」的那一半。写代码的人最先感受到，只是因为他们的重复输出最容易被标准化。 打字量在贬值，判断力在升值。 与其问「我的职业安全吗」，不如问「我今天的八小时里，有多少是打字量，有多少是判断力」——然后，把前者慢慢交出去，把后者练成护城河。
互动时间：粗算一下，你每天的工作里「打字量」占几成？评论区报个数，下期汇总做成一份数据图。 关注我，下一篇拆解「个人 AI 助手大战」：Aeon、Muse、GrokBot 三条路线，谁能先跑通信任这道坎。
Q1：「AI 抢的是打字量」是什么意思？指 AI 接管的不是某个具体职业，而是各职业共有的重复性数字化输出——调研汇总、格式转换、文档撰写、信息整理等「把已知信息变成结构化文字」的工作。程序员只是这类工作占比最高、最先被标准化的群体。 Q2：OpenAI 内部使用 AI 的真实比例是多少？据 Gergely Orosz 2026 年 9 月的实地探访报道，OpenAI 非工程部门（财务、招聘、法务、市场等）的 Codex 周使用率在 2026 年 1 月起的 4 个月内从接近 0% 升至约 90%；OpenAI 自述全公司每周产出 token 的 99.8% 来自 Codex（模型产出口径，非业务价值口径）。 Q3：哪些工作不容易被 AI 接管？判断密集型的工作：定义问题、评估方案质量、跨场景取舍、承担决策责任。当产出环节自动化后，人的价值集中在「决定做什么」和「鉴别做得对不对」上。 Q4：个人现在可以做些什么？三步：盘点自己工作中的重复输出占比；把「问一句」升级为「委派完整任务」；将反复出现的流程写成可复用的说明模板，沉淀为个人的流程资产。
本文要点（30 秒版）