ARTICLE · 1112102
OpenAI首席经济学家长文解析:未来的新工作连名字都还没造出来
想象一个荒诞的思想实验：
如果你在 1976 年 穿梭回过去，走进一家咖啡馆，拍着胸脯告诉身边的人：“我的工作是为托管在云端的视频流媒体手机应用，做搜索引擎广告算法优化。”
对方大概率会叫救护车把你拉走
因为在那个年代，这句话里的词汇纯属天方夜谭：商业互联网、智能手机、云计算和流媒体均未诞生。人们能够轻易理解“报纸排版工的饭碗要被机器砸了”，却绝对无法想象，未来会有数百万人靠着一串当时根本不存在的名词体面地活着。
今天，历史的钟摆停在了完全相同的位置。
2026 年 9 月下旬，OpenAI 首席经济学家 Ronnie Chatterji 与应用科学家 Harrison Satcher 在官方经济研究专栏《The Economics of AI》撰文，指出了当前关于 AI 就业讨论中的一个关键盲区：
“我们还没有发明出描述未来工作的那些‘名词’（We don’t have the nouns yet）。”
▲ OpenAI 官方 Substack 专栏《We don’t have the nouns yet》引发全网热议
当全世界都在为“哪些现有岗位会被 AI 抹杀”争得面红耳赤时，所有人都在犯一个严重的经济学认知偏差：我们把“今天已经存在的工作”，误当成了人类可能性的边界。
01词汇断崖：为什么经济学统计被“无名之物”卡住了？
经济学家通常如何统计就业？
翻开美国劳工统计局的职业目录，或者打开任何一家招聘网站，所有的分析都建立在一个严密的前提上：这个岗位必须先有一个名字，分配一个代码，才能被检索、被计算、被评估。
▲ OpenAI 首席经济学家 Ronnie Chatterji 直言：我们还没有那些新工作的“名词”
可当底层的生产力工具发生剧变时，语言的诞生永远远远滞后于技术的爆发。
知名经济学者 Jason Potts 引用经济学经典理论一针见血地指出：“看得见与看不见”（The Seen and the Unseen）不仅存在于成本端（比如著名的破窗谬误），同样支配着收益端。
- 看得见的
：插画师接单变少了、初级文案被 ChatGPT 替代了、外包客服团队缩编了。每一个发生收缩的旧岗位都带着具象的名字，引发公众讨论。 - 看不见的
：由于全新商业模式还没诞生，那些即将容纳数千万人的新职业，连个名字都还没有。因为不可见、无法言说，所以在任何量化模型里，它们直接被归零了。
苏黎世大学经济学教授 D. Yanagizawa-Drott 调侃道：所谓“超级智能（AGI）”，或许唯一的判定标准就是它能否准确预测出自己将创造出哪些全新的职业名词，因为那需要一个无比庞大且精密的世界演化模型。
02历史剧透：今天 60% 的打工人，都在做当年的“火星工种”
如果你觉得“没有名词”只是一种托词，不妨看看人类用八十年写下的硬核数据。
麻省理工学院（MIT）顶尖劳动经济学家 David Autor 及其团队，对美国长达近一个世纪的人口普查档案进行了穿透式分析。他们在《经济学季刊》（QJE）上发表的里程碑研究揭示了一个震撼的真相：
2018 年全美劳动力所从事的绝大多数工作，在 1940 年的职业字典里根本不存在！
通俗地说：当下大约六成的工作，在 80 年前是彻头彻尾的“无名物”。
历史上的每一次技术跃迁，都是一部“先有物、后有名、再成岗”的演进史：
- 网络安全（Cybersecurity）
：在 1970 年代之前的书面英语中，你甚至找不到这个词。而今天，仅美国就有超过 125 万人 从事网络安全，相关缺口仍高达 26.5 万人。 - 磁共振成像（MRI）技师
：随着大型医疗影像设备的普及，美国劳工统计局官方数据显示，2025 年这一单一细分工种就吸纳了近 4.4 万个高薪岗位。 - 新能源与移动互联网
：光伏系统架构师、无人机飞控手、推荐算法工程师、直播选品运营……倒退三十年，这些工种全都是天方夜谭。
▲ 美国劳工统计局官方手册：MRI 技师等高薪工种全由新医疗设备催生
复杂系统理论大师 Stuart Kauffman 曾提出著名的 “邻近可能”（Adjacent Possible） 理论：
前沿发明的本质，是不断解锁下一轮“可建造事物”的可能边界。
火箭的研制，让发射人造卫星成为可能；卫星网络的确立，让 GPS 全球定位成为可能；GPS 与移动终端的结合，让地图导航与网约车应用成为可能；而应用生态的繁荣，才最终催生出庞大的运力调度算法工程师与平台运营经理。
如果你在火箭升空的那一刻，去逼问工程师“这能创造什么就业”，谁也无法直接跃过四层技术积木，准确报出“外卖算法调度员”的名字。
03新岗位如何长出来？从“胶水代码”到“任务越界”
那么，在词汇尚未成型的今天，新工种究竟在以什么路径孕育？
开发者社区的讨论给出了极具穿透力的工程学解释。技术观察者 ADL 指出：“新岗位的标准孵化机制，通常发生在 API 基础设施层稳定之后，第三方开始编写定义该工种的‘胶水代码’。”
▲ 新岗位往往在底层基础设施稳固、生态“胶水层”长出时正式确立
OpenAI 自己的追踪报告同样印证了这种微观演变。在 2026 年最新发布的《Work at the Frontier》报告中，研究团队深入分析了超过 150 万条 企业真实工作消息，发现了一个极其普遍的现象，“任务越界”（Task Crossover）。
▲ OpenAI 追踪 150 万条企业交互数据，揭示 AI 正在深度打破既有岗位边界
数据显示：
在日常工作交互中，高达 43.5% 的任务 涉及历史上原本属于其他专业工种的范畴。 连续追踪样本显示，跨职业任务的占比在短短几个月内从 13.1% 暴增至 25.9%。
新工种往往孕育自现有岗位的“边界模糊”与“任务重组”。
就像当年的网络安全专家，最初只是公司网管兼职处理黑客入侵；今天，大量打工人正在借助 AI，一人扛起原本需要跨部门协作的市场调研、合规审查与代码搭建。
当这种“越界任务”在某个节点被固定、标准化，并沉淀为业务核心时，一个新的职业头衔就会破土而出。已经有从业者将正在萌芽的人机协作形态命名为 “兼职式人在回路”（Fractional Human-in-the-Loop），专门负责高风险场景下 AI 决策的真实性核验与合规终审。
04代际残酷真相：谁能通吃红利？大学正在沦为“四轮马车”
然而，新名词的滞后，带来的是整个社会人才培养机制的巨大阵痛。
当未来的工作连名字都没有时，大学该教什么？谁又能抢先吃到红利？
MIT 经济学家 David Autor 在 2026 年针对微观人群的最新追踪研究中，揭示了技术红利极为残酷的代际与学历偏好：
- 年轻、高学历与都市圈的绝对先发优势
：在任何新技术诞生初期，30 岁以下、受过高等教育、身处核心产业都市圈的年轻人，踩中新兴工种的概率高出数倍。大学毕业生从事新岗位的概率比高中学历者高出 2.9 个百分点。 - 长达 10 年的“2.5 倍职业粘性”
：研究发现，在技术黎明期率先掌握稀缺工具的人，会形成极强的路径锁定，他们在十年后继续从事高附加值前沿工种的概率，是普通工人的 2.5 倍。
但 Autor 紧接着发出了尖锐预警：任何新兴技能的“高薪溢价”终将被时间抹平。
“在汽车刚普及的年代，‘会开车’是极其吃香的独立职业；在 90 年代初，‘精通 Word 排版’能单独拿一份体面薪水。但今天，它们变成了每个人呼吸一样的底层常识。当人人都是专家时，就没有人是专家了。”
今天的“提示词工程（Prompt Engineering）”与初级大模型调用，很快也会走向同样的去神秘化。
这给传统的正规高等教育敲响了丧钟。
一个大学新专业的设立，需要经历行业调研、院系申报、大纲编撰、审批立项再到 4 年培养，周期长达 5 到 8 年。面对以“周”为单位迭代的前沿 AI，这种“长周期、成套大纲”的培养模式陷入了彻底的脱轨：当教科书终于印出来的那一刻，上面写的技术可能已经被下一代推理模型自动化了。
05破局时刻：从“四年学历”到“动态微认证”
面对这种制度性脱节，经合组织（OECD）与科技前沿阵营正在推动一场彻底的职场认知重构：
告别“学历至上”，转向“基于技能的雇佣”（Skills-Based Hiring）与“模块化微认证”（Micro-credentials）。
▲ OpenAI 发布政策白皮书，提出建立灵活的职业微认证体系
OpenAI 在其《Jobs in the Intelligence Age》白皮书中给出了一套极具操作性的在岗重塑路线图。在官方职业大典缺席的情况下，通过短期的任务沙盒与专项认证，驱动既有岗位的就地升级：
- 普通客服代表
$\rightarrow$ 经纠纷沙盒实训，进阶为 复杂纠纷与退款升级专家（Resolution Specialist）； - 基础防损分析员
$\rightarrow$ 掌握合成测试用例生成，进阶为 退货风控与策略分析师（Returns & Policy Analyst）； - 传统前台接待
$\rightarrow$ 调度多模态智能交互系统，转型为 客户准入分诊专员（Client Intake Specialist）。
面对技术迭代，打工人更需要以周为单位，快速装配最新工具链的“外骨骼”，应对岗位能力需求的变化。
06别用今天的清单，锁死明天的想象
技术转型的阵痛向来真实而沉重
根据《经济学人》与行业数据的估算，自生成式 AI 爆发以来，直接由 AI 催生的硬件、云端与专岗创造了上百万个新增岗位。虽然技术更替伴随着劳动力市场的阵痛与结构性调整，新的机会也需要时间扩散，但创新对就业生态的重构正在持续发生。
但 OpenAI 经济团队用这篇长文给全世界的打工人提了个醒：
人类对未来的最大误判，往往源于低估了文明自我重塑的想象力。
当工业革命的蒸汽机轰鸣作响时，马车夫以为人类的终局是无路可走；当第一台织布机运转时，工匠以为文明的尽头是食不果腹。但他们未曾预料到，电力、航天、计算机与互联网，在焦土之上建起了怎样庞大的现代社会。
不要因为字典里还没有那个词，就以为未来一片虚无。
风暴已经来临，最大的危险在于：认知依然被死死锁在那些行将就木的旧有名词里。