ARTICLE · 1143526
OpenAI首席经济学家全网刷屏:AI将创造的海量新饭碗,人类现在连名字都叫不出!
人类对失业的恐慌，正陷入一种前所未有的集体偏执。
打开社交平台，每天都有铺天盖地的末日预警：程序员将被大模型替代，插画师接不到单，文案策划正在被批量清洗……所有人都拿着一份当下的岗位清单，神经紧绷地数着：下一个被划掉的死刑犯，会不会是我？
▲ OpenAI 首席经济学家 Ronnie Chatterji 发帖推广团队最新力作
然而近期 OpenAI 经济研究团队发表的一篇长文，打破了这种单维度的焦虑。
文章标题只有简短的一句话，却让众多从业者与经济学家深感共鸣：
《We don’t have the nouns yet》（我们甚至还没有那些名词）。
OpenAI 首席经济学家 Ronnie Chatterji 与应用科学家 Harrison Satcher 直截了当地指出：全人类都在盯着眼前正在消失的工种，却忽略了一个关键规律：
那些即将被 AI 孕育出的海量新饭碗，在今天的语言体系里，我们连称呼它们的“名词”都还没发明出来。
011976年的天书：今天六成人的饭碗，80年前“查无此人”
文章开篇，抛出了一个极其精妙的思想实验。
假想一下，你坐时光机穿梭回 1976 年。在街头，你遇到一位西装革履的体面人，对方问你是干什么工作的。
你坦诚地回答：“我的工作是，为云端托管的视频流媒体手机应用，优化搜索引擎广告投放。”
▲ OpenAI 经济团队 Substack 文章首屏：我们如何给无法描述的事物定价？
对方大概率会叫救护车把你拉走
因为在 1976 年，这句话里的几乎每一个词都是天方夜谭：
- 搜索引擎
？当时商业互联网的影子都没有，信息靠图书馆抽屉里的卡片索引； - 视频流媒体
？那时录像带才刚问世，数据流是什么鬼？ - 手机应用（App）
？当时的电话还要手摇拨盘，智能手机在科幻小说里都不常见； - 云端
？对不起，1976 年的“云”，就只是天上那团会下雨的水汽。
在向一个 1976 年的人解释这份工作之前，你必须先向他解释整整四次工业与信息革命。
可如果当年你对他说：“看着吧，未来打字员和报纸排版工会大批失业”，他立刻就能听懂，并为你鼓掌。
这就是人类认知最大的局限性：我们极度擅长预言“毁灭”，却对“新生”一无所知。
麻省理工学院著名劳动经济学家 David Autor 曾带队做过一项扎实的史诗级研究：截至 2018 年，全美国有大约 60% 的就业岗位，在 1940 年的人口普查职业清单里根本不存在！
今天坐在明亮写字楼里喝着拿铁的多数现代打工人，如果倒退八十年，全都是统计局表格里的“黑户”。
历史一直在重复同样的戏码：当汽车取代马车时，全城都在悼念马车夫的末日，没有人能想象出未来会诞生高速公路收费员、汽车保险精算师、汽车改装技师，以及驾校教练。
02神评一语道破：能猜中未来职业名词的，才配叫超级智能
文章一出，全球经济学界迅速掀起巨浪。
苏黎世大学经济学教授 D. Yanagizawa-Drott 留下了一句堪称经典的毒辣神评：
“如果所谓超级智能能够准确预测出它亲手创造的新工作名词，那得是一个了不起的世界模型。”
▲ Yanagizawa-Drott 转发感叹：正确预测新工作名词需要极其强大的世界模型
为什么连最顶尖的经济学家，也无法提前猜出未来的职位名称？
理论生物学家 Stuart Kauffman 曾提出一个概念，叫作“邻近可能”（Adjacent Possible）。
技术的演进是极度严苛的“俄罗斯套娃”：
- 第一步
，人类造出了火箭； - 第二步
，有了火箭，卫星才成为可能； - 第三步
，有了卫星网络，GPS 导航系统才成为可能； - 第四步
，GPS 结合了移动互联网与智能手机，网约车和外卖配送才成为可能； - 第五步
，网约车平台催生了“算法派单架构师”、“自动驾驶车队安全调度员”……
站在火箭升空的发射架旁，没有任何凡人的大脑，能一步跨越五层因果，推演出现代都市里的“美团外卖骑手”与“滴滴运维工程师”。
有技术极客在评论区一针见血地指出：新的职业生态，从来都是在底层 API 稳定之后，由第三方开发者写出无数“胶水代码”时，才在现实缝隙中硬生生长出来的。
在底座大模型刚刚问世的今天，逼问未来有什么新职业，无异于在瓦特刚改良蒸汽机的那天早晨，逼问他“高铁乘务员需要考什么等级证书”。
03偷看 OpenAI 真实后台：43.5% 的打工人已经在悄悄“偷家”
但这绝不意味着新工种在遥不可及的未来。
相反，它已经在暗流涌动中发生OpenAI 研究团队潜伏在自家的真实业务数据中，分析了 ChatGPT 企业端数以百万计的工作对话，并把结果写进了前沿工作报告《Work at the Frontier》。
他们在报告中整理出了一组意料之外的数据：
在所有与职业特定相关的交互中，有高达 43.5% 的任务，是员工在跨界干“别人碗里的活”！
▲ Ronnie Chatterji 披露：员工正利用 AI 大量跨职业“导入”任务
数据揭示了打工人正在如何疯狂“偷家”：
- 客户体验岗
：有 77% 的核心对话是在跨界做非本职工作； - 视觉设计岗
：有 75% 跨界跨到了其他专业领域； - 人力资源（HR）
：跨界比例高达 69%； - 法律法务
：跨界比例达 56%。
那些被疯狂跨界“导入”的任务是什么？
- 财务数据测算
：连销售人员都在用 AI 自动化跑复杂的财务模型（占比高达 14.3%）； - 写代码与排障
：成了所有非技术工种最依赖的技能； - 法律政策合规解读
：超过五分之一的客服人员，用 AI 啃下了天书般的法条合同。
新职业往往直接孕育在现有岗位的演进之中，由日常业务的交叉需求催生而成。
这就是现实中正在上演的“杂合化”（Hybridization）。知名劳动力市场研究机构 Lightcast 发现，全美已有超过 25% 的岗位经历着剧烈的杂合重组。
比如网络安全（Cybersecurity）这个领域。今天全美有 125 万高薪从业者，每 130 个劳动者里就有 1 人。但在半个世纪前，字典里压根没这个词。
调查显示，36% 的专职安全大佬，最初根本没学过这个专业。他们原本只是普通的网管、IT 支持，在机房里顺手帮公司杀毒、封堵漏洞，干着干着，一个产值几千亿美元的全新职业便诞生了。
▲ 原文列举早期迹象：LinkedIn 出现 130 万个全新 AI 岗位，企业岗位出现快速杂合化
今天，同样的杂交正在所有垂直行业全面爆发：
- 法律 AI 解决方案专家
：精通民商法的资深律师，带着大模型搭建自动审查工作流； - 临床 AI 集成顾问
：熟悉医院病历系统的老护士与放射科医师，负责把视觉辅助诊断无缝嵌进医生站； - 自适应教学架构师
：传统教研老师用 AI 动态生成实时答疑 Agent，颠覆千人一面的教案。
这些带薪“偷家”、将行业壁垒与 AI 技能焊死在一起的人，正在享受 20% 到 40% 的惊人薪资溢价。
04残酷的断层：词汇还没造好，打工人却要吃饭
然而，故事绝非只有科技乐观主义的玫瑰色。
宏观层面的“岗位守恒甚至激增”，抹不平微观个体被碾碎时的剧痛。
OpenAI 团队在另一份重磅报告《The AI jobs transition framework》中，将冷酷的现实摆在台面上。他们通过暴露度（AI 能干多少）、人类必要性（哪里必须留人）与需求弹性（降本是带来扩张还是裁员）三个维度拆解了全美 900 多个工种：
▲ OpenAI 三力框架：暴露度、人类必要性与需求弹性
研究给出了直观的推演结果：
- 约 18% 的职业
，正站在短期内被高度自动化的火山口； - 约 24% 的岗位
，虽然核心业务仍需人类把关，但因流程重组，雇佣人数面临收缩。
不仅如此，时间与空间的错配尤为显著。
旧业务的收缩往往迅速发生：一次组织架构调整，特定支持部门可能面临缩编。
相比之下，新岗位的确立需要漫长孕育：技术生态需要成熟，商业模式需要跑通，招聘标准与课程体系也需要重新拟定。这一演进过程通常需要数年时间
正如评论区里一位从业者写下的刺痛人心的留言：“人们总在争论哪些工作会消失，又畅想哪些新工作还没有名词。但在词汇赶上现实之前，人总是要吃饭的。”
甚至连那些率先吃上螃蟹的“新工种”，也随时面临被下一轮浪潮淘汰的命运。
过去两年火爆一时的“数据标注员”、“提示词工程师”，如今正在被自动化合成数据与自迭代模型迅速边缘化。它们还没来得及在官方统计年鉴上坐稳一个正规的“职业名词”，生命周期可能就已经走向了尾声。
05终局：别拿昨天的清单，丈量明天的可能
人类面对未知的本能反应，向来是恐惧大于期待。
一百年前，工人们走上街头抗议纺织机械；几十年前，从业者担忧电脑特效会削弱传统电影艺术的魅力；今天，类似的焦虑在写字楼与代码编辑器前再度蔓延。
但 OpenAI 经济学家们的这篇长文，给所有焦虑中的现代人提了一个醒：
不要用昨天的废墟，去悲观明天的世界；更不要把今天的岗位说明书，当作人类可能性的天花板。
如果一份工作能被几个清晰的“名词”彻底框死，那它被算法和算力吞噬，确实只是时间问题。
时代正在残酷地惩罚那些死守单一流程的“纯零件”，同时在以前所未有的高额报酬，奖赏那些主动把 AI 当作瑞士军刀、疯狂去别的行业“偷家”的杂交拓荒者。
技术浪潮奔涌向前那些能够顺应变革站稳脚跟的人，往往主动拿起新工具探索未知边界；
他们率先在实际业务中拓荒，亲手为未来塑造出属于自己的全新角色。