ARTICLE · 1143612
OpenAI首席经济学家断言:未来60%的赚钱饭碗,我们现在连名字都叫不出来!
AI 到底会干掉多少人的饭碗？
过去两年，几乎所有机构都在算这笔惊悚的账：程序员、插画师、初级文案、数据分析师……一张张失业清单在社交网络上疯传。
但在 2026 年秋天，OpenAI 首席经济学家罗尼·查特吉（Ronnie Chatterji）带着他的研究团队，向全世界抛出了一个反常识的震撼结论：
我们所有人都把账算偏了
当全世界都在恐慌现有的工作如何被摧毁时，经济学家们发现了一个更可怕也更神奇的现实：未来能养活绝大多数人的新职业，在人类今天的字典里，根本连名字都还没有！
▲ OpenAI 首席经济学家 Ronnie Chatterji 发文，直指未来工作的“命名危机”
人类对未来的全部恐惧，本质上来自于我们当下的词汇贫困。
011976年的时光悖论：你能向祖父解释你的工作吗？
在 OpenAI 经济研究团队这篇名为《我们还没有那些名词》（We don’t have the nouns yet）的专栏中，研究员哈里森·萨切尔（Harrison Satcher）做了一个绝妙的思想实验。
假设你坐时光机回到 1976 年，遇到一位在工厂打卡的年轻人，他问你是干什么的。
你说：“我的工作是在云端，给一个视频流媒体手机 App 优化搜索引擎广告。”
▲ OpenAI 专栏文章开篇：如何为我们无法描述的事物定价？
对方一定会把你当成疯子
因为在那句话里，几乎每一个核心名词都需要向他上一堂两个小时的科技历史课：
什么是“搜索广告”？你得先解释商业互联网，解释海量信息的索引机制。 什么是“App”？你得解释微型芯片、触控屏幕、智能手机以及苹果和安卓的生态帝国。 什么是“云端”？在 1976 年人的眼里，云只是一团会下雨的水汽。
在那一年，如果你告诉大家：“写报纸铅字广告的排字工会大批失业”，所有人都能立刻听懂，并陷入技术恐慌；但如果你告诉他们，未来会出现千千万万依靠“推荐算法”“短视频带货”“云原生运维”为生的人，没人会相信。
因为破坏是具体的、看得见的；而新生是抽象的、尚未被命名的
哈佛大学与麻省理工的著名经济学家戴维·奥托尔（David Autor）等人在顶级研究中给出了一个冰冷的事实：截至 2018 年，现代社会中近 60% 的就业岗位，在 1940 年的人口普查清单上根本不存在。
▲ David Autor 等人的重磅研究：绝大多数现代工作，在八十年前连名字都没有
今天撑起千万家庭生计的数据库架构师、网络安全专家、外卖算法调度员，在八十年前的统计员眼里，全都是不可理喻的“黑话”。
今天面对 AI，历史正在原样重演
0230万年薪的泡沫破裂：当“提示词工程师”被无情吞噬
有人可能会问：这不对吧？AI 时代的新职业大家之前见过：比如两年前爆火的“提示词工程师”（Prompt Engineer），当时动辄喊出年薪 30 万美元，怎么现在没人提了？
这正是技术演进中最残酷也最精彩的一幕：第一代被迅速叫出名字的“新职业”，往往只是粗糙的技术补丁。
两年前，大模型还不算聪明人们需要靠各种稀奇古怪的“咒语”去套出正确答案。于是，“提示词工程”被捧上了神坛
然而，随着长上下文窗口（Long Context）的普及，以及大模型自身具备了“思维链”（Chain of Thought）的深度推理能力，那些单纯靠试错调词、不写一行代码的纯文本提示师，瞬间被市场抛弃。
这门所谓的“绝技”，正在经历技能吸收（Absorption）。
▲ 专栏中段指出：早期能叫得出名字的岗位，只是冰山露出水面的一角
这项技能并未消失，它正逐渐转化为一项基础素养，就像今天没有哪家公司会专门招一个“打字员”，因为每个员工都必须会敲键盘。
但这绝不意味着新工作消失了相反，工业级的新分工，正在深水区悄然诞生。
03下一代饭碗，正在悄悄改名换姓
当大模型从“写诗画画的玩具”走向“严密运转的企业系统”时，核心的技术瓶颈爆发了：
你在聊天框里测得好好的 Demo，一旦部署进银行、医院或电商生产线，系统就会在面对几十万并发请求时频频出现幻觉、逻辑漂移、答非所问。程序员改动了一条提示词，修复了一个 Bug，却导致另外十个原本正常的业务场景全面崩溃。
于是，一个更加严谨、高薪且目前极度紧缺的全新职业诞生了，AI 评估工程师（Evals Engineer）。
这个岗位的核心任务，就是给野马般的大模型套上工业级缰绳：
- 打造黄金测试集（Golden Datasets）
：针对业务最极端、最刁钻的边界情况建立客观标准，哪怕模型版本升级，也能立刻验证它变聪明了还是变傻了； - 设计“AI 裁判”流水线
：利用代码断言和更高级的模型，每天自动化给数以万计的生成结果打分与报警； - 错误归因与系统纠偏
：精准定位大模型回答错误到底是因为外挂知识库检索不全、上下文污染，还是逻辑推理缺陷。
微软、DEFCON AI、Alpaca 等顶级团队已经为该岗位开出比肩资深架构师的薪资。
与此同时，专门管理百万 Token 记忆流、解决模型“迷失在中部”的上下文架构师（Context Architect），以及专门利用语境诱导、逆向心理学探测模型漏洞的AI 红队渗透专家（AI Red Teamer），正在成为科技巨头疯抢的香饽饽。
你看，先有工程阵痛，后有岗位重构，最后才沉淀下确切的职业名词。
04邻近可能：你无法在发明火箭的当天，预见滴滴打车
OpenAI 团队在文章中借用了一个生物学与复杂科学的核心概念：邻近可能（Adjacent Possible）。
什么是邻近可能？
人类的技术演变宛如搭积木，一层推着一层向前走：
火箭技术的突破使发射人造卫星成为可能；卫星的稳定运行使 GPS 全球定位成为可能；GPS 与低功耗芯片结合，使智能手机成为可能；智能手机加上移动支付，才催生了滴滴打车和美团外卖。
▲ OpenAI 提出的劳动力转型框架：暴露度、人类必要性与需求弹性
如果你站在 1957 年人类发射第一颗人造卫星的发射场上，你打死也想象不到，这项点火升空的科技奇迹，最终会在六十年后给全世界几千万人创造一种名为“网约车司机”的饭碗。
大模型就是今天的“火箭”
我们今天看到的是它写代码、写文案；但当它变成像自来水一样的基础设施时，它与硬件、生物传感、具身智能结合所释放出的下一层“积木”，将彻底突破我们今天对“工作”的认知边界。
05残酷的真空期：在词汇赶上现实之前，人还得吃饭
但 OpenAI 的经济学家们并没有灌纯粹的乐观主义鸡汤。
技术变迁中最残酷的往往是时间差：
- 旧岗位的萎缩是按“天”计算的
：公司降本增效，下个月编制就被冻结了； - 新岗位的成型是按“年”计算的
：从技术成熟到产生清晰的商业模式，再到高校设立对应专业、HR 写出岗位 JD，往往需要五年甚至十年。
在 OpenAI 发布的劳动力转型框架中，首席经济学家罗尼·查特吉给出了衡量这场冲击的三把手术刀：
- 暴露度（Exposure）
：AI 能完成你岗位中百分之多少的任务？ - 人类必要性（Human Necessity）
：在哪些环节，人类的情感、道德判断和实体信任是绝对不可替代的？ - 需求弹性（Demand Elasticity）
：技术让成本大幅降低后，这个行业是会因为需求井喷而招更多人，还是需求封顶直接裁员？
根据他们的测算，约 18% 的工作面临极高风险，但同时有 12% 的行业会因为 AI 降低成本而迎来超预期的人员扩张；高达 46% 的岗位，其关键更在于工作流中“融合新任务”，无需简单划为被淘汰。
06别做名词的奴隶，做拓荒的变量
今天，无数职场人正陷入一种深度的“身份焦虑”：学画画的怕被 Midjourney 淘汰，学翻译的怕被实时同传搞死，做代码审计的怕大模型直接交出无 Bug 代码。
这种恐惧的根源，在于我们把自己的人生物理绑定在了某一个现成的名词上。
你定义自己是一个“插画师”，当“插画”这个操作被机器迅速降维时，你就会觉得大厦将倾；但若你把自己定位为“视觉创作者”，AI 就只是你手中一支快了一千倍的画笔。
在 OpenAI 的追踪研究中，他们发现了一个极具启发性的现象：许多普通劳动者已经在利用大模型，主动把传统岗位说明书之外的任务“导入”自己的日常工作流，行政人员开始做数据洞察，客服开始主导用户心理画像分析，工程师开始兼任产品设计。
边界正在被撕碎，新的工种正在废墟中萌芽。
历史的车轮滚滚向前，它从不在乎人类当下的词典有多厚。
不要去死守那些注定要在统计表里被注销的旧名词。去触碰最新的工具，去解决最具体的工程难题，去拥抱混乱中的“邻近可能”。
那些未来能为你带来丰厚回报的工作，不需要提前拥有名字。因为给它们命名的那个人，很可能就是你自己。