OpenAI重磅暴论刷屏:别再查下岗名单了!未来最赚钱的职业,人类现在连名字都叫不出来

打开手机，铺天盖地全是裁员的警报

“程序员将被全面淘汰”、“设计文案全线崩溃”、“会计法务即将归零”……每一个打工人都在心惊肉跳地翻看着手里的饭碗，生怕下一批被送进历史陈列馆的就是自己。

然而，2026年9月下旬，OpenAI首席经济学家罗尼·恰特吉（Ronnie Chatterji）突然联手团队甩出了一篇震动全球学术界与科技界的重磅专栏。

文章的标题极其诡异，只有短短半句话，

《我们还没有名词》（We don’t have the nouns yet）。

▲ OpenAI经济研究团队应用科学家Harrison Satcher发帖：我们还没有描述未来工作的名词，但这不意味着它们不存在。

文章作者是OpenAI经济研究团队的应用科学家哈里森·萨切尔（Harrison Satcher）。

这篇文章切中了当下许多人容易忽略的认知盲区：

你们全都陷入了集体误判！

当所有人都在拿着放大镜争论“哪些旧饭碗要被砸碎”时，历史最真实也最冷酷的规律却在冷笑，未来绝大多数的新工作，今天在人类的字典里根本连一个对应的“名词”都还没有诞生！

如果你只盯着今天的岗位列表看未来，你眼里的世界从一开始就彻底失真了。

01穿越50年的思想实验：如果1976年的你遇到今天的打工人

为了彻底讲透这个道理，Satcher在文章一开篇就抛出了一个绝妙的思想实验。

▲ OpenAI官方Substack专栏《The Economics of AI》刊登文章：《We don’t have the nouns yet》

请你闭上眼睛，坐上时光穿梭机，回到整整50年前的1976年。

你在旧金山或者纽约的街头随便拦住一个路人，神色郑重地告诉他：

“朋友，我来自半个世纪后我的日常工作是在云端视频流媒体APP里做搜索引擎广告投放优化。”

猜猜对方会有什么反应？

他大概率会倒吸一口凉气，然后悄悄拨打精神病院的电话。

因为在这句看似平平无奇的话里，几乎每一个词，在1976年的人类认知里全都是一团乱码：

• 什么是“云端”？当时的人只知道天上下雨的云。
• 什么是“流媒体”？当时录像带都还没完全普及。
• 什么是“APP”？智能手机和应用生态连科幻小说都没写利索。
• 什么是“搜索广告优化”？在互联网和信息索引业诞生之前，广告全在报纸油墨和电视屏幕上。

在1976年，你跟别人预言“打字员会被机器消灭”、“报纸排版工会下岗”，所有人都能立刻心领神会；但如果你告诉他们，未来将有成百上千万人坐在写字楼里，靠着优化几串虚拟算法、靠着拍几分钟的短视频过活，甚至能买房买车，当时的人只会认为你在胡说八道。

为什么？

因为当时的人类语言里，压根就没有发明出这些“名词”。

你连一个事物的名字都叫不出来，你怎么可能在脑海里给它估值、为它设计职业规划、甚至想象它的存在？

02被隐藏的80年铁证：今天60%的职业，几十年前根本不存在！

有人可能会质疑：这或许只是OpenAI为了缓解公众对技术的担忧而给出的宽慰之词。

但从实证经济学来看，Satcher这篇分析背后有着扎实的数据支撑。其核心依据正是麻省理工学院（MIT）经济学家大卫·奥特（David Autor）团队的长期研究。

Autor团队耗费数年心血，完成了一项横跨近一个世纪的实证研究《新前沿：新工作的起源与内涵，1940–2018》（NBER Working Paper 30389）。

▲ MIT News报道David Autor等人的重磅发现：技术在改变旧岗位的同时，如何催生未曾预料的新职业。

研究团队翻遍了1940年至2018年将近八十年的美国人口普查原始微观档案，利用算法穿透了数千万条工种记录，最后得出了一个让所有人目瞪口呆的基准数据：

2018年全社会正在从事的所有工作岗位中，有超过60%（整整五分之三），在1940年的官方职业大典里连个影子都找不着！

现代社会各行各业的繁荣，本质上是整套职业词汇库被深度重构的产物：

• 仅仅在几十年前，全世界没有任何一本书里出现过“网络安全”（Cybersecurity）这个词，在Google Ngram的词频曲线上，它曾长期是一条贴着地皮死寂的横线。而今天，光是美国就有约125万人以此为生，平均每130名劳动者中就有一位网络安全专家。
• 当核磁共振成像技术商业化落地，它凭空拽出了一个极其细分的“医学影像科”，今天仅在美国就创造了数以万计的高薪专科医生与技工。
• 当太阳能电站开始铺开，电工体系里便长出了一整支专攻光伏阵列与逆变器的庞大维护队伍。

这就是复杂科学里著名的“邻近可能”（Adjacent Possible）理论。

你先发明了火箭，才使得把人造卫星送入轨道成为可能；有了卫星网，军用GPS定位系统才成为可能；有了GPS与随身智能手机的结合，民用高精度导航才成为可能；最终，在火箭点火几十年后，世界上才突然诞生了“网约车司机”、“外卖配送员”以及“本地生活算法工程师”这些庞大的人口吸纳池。

站在火箭刚刚点火的发射架下，哪怕是全世界最伟大的先知，也不可能一杆子看穿这中间跨越的五层技术链条，凭空预言出“美团骑手”或“滴滴专车”。

技术演进往往开辟出全新的协作网络，将人类此前从未构想过的生产链路逐步延展开来。

03现实的过渡期：词汇追上现实之前，人们仍须顾及生计

然而，这一推演并不意味着过渡期毫无压力。

在海外社交平台上，有读者在转发该专栏时提出过一个引人深思的观点：

“人们总在争论哪些工作会消失，而那些尚未诞生名词的新岗位往往难以提前预见。但在词汇追上现实之前，大家仍然需要先顾好生计。”

这一观察道出了技术演进中的真实张力。

MIT经济学家Autor团队的研究同样指出了这一现实规律：新岗位的孕育与确立，往往伴随着漫长而剧烈的产业重构。

过去数十年的历史清晰表明：

1. 岗位更迭在时间上存在错位
   ：自动化改变传统岗位的节奏往往很快；而伴生而来的新产业与新生态，通常需要沉淀数年乃至更长时间，才能形成规模化的就业吸纳池。
2. 不同技能群体间的分化明显
   ：战后初期（1940-1980年），新技术创造的新岗位大量集中在中等收入的制造车间、电气维护和初级行政，普通工人能直接分享到生产率提升带来的红利；但在1980年之后，新工作出现了显著的极化趋势，高端研发岗位与基础服务岗位两头分流，原本庞大的中层技术岗位面临收缩。

新岗位的涌现或许确在路上，但在词汇追赶现实的漫长过渡期内，技能转型与职业适配依然是每个从业者需要面对的现实课题。

04OpenAI内部实验揭秘：新职业的嫩芽，正从哪里钻出来？

既然不能盲目乐观，也不能坐以待毙，那普通的打工人到底该往哪儿看？

其实，答案就藏在OpenAI经济团队此前发布的另一项硬核报告，《前沿工作监测》（Work at the Frontier）中。

▲ Ronnie Chatterji指出：想要理解AI明天如何改变工作，最好的办法是看它今天如何在重构劳动细节。

OpenAI深入一线数据后发现了一个极具启发性的现象：

今天宏观的失业率统计数字看起来似乎波澜不惊，但在企业日常的微观水面之下，一场翻江倒海的“任务越界”（Task Crossover）早已悄然打响！

数据表明：在打工人使用AI的非日常通用对话中，高达43.5%的任务，根本就不属于他们原本的岗位说明书！

什么意思？

• 过去写代码的程序员，现在开始用AI自己去写高情商的客户沟通方案与商务提案；
• 过去做行政人事的小白，现在开始用AI自己搓出自动化数据分析看板甚至轻量小工具；
• 过去做销售业务的骨干，现在开始用AI直接包揽海报文案生成与全套数字广告投放。

而OpenAI进一步的追踪研究发现，在所有这些“越界”偷学的新任务里，最容易死死黏在工作流里、最终彻底扩展一个人生存边界的，正是客户深度互动、品牌传播与商业化营销！

未来往往正是通过这种“任务渗透”的方式初显端倪。

新工种的孕育通常属于渐进式的演化。它最初往往始于敏锐的从业者，借助AI工具将尝试延伸到传统分工之外。

当他做成了一件事，这项原本跨界的能力便沉淀为了固定流程；当更多的人跟进，公司内部就会设立专门的编制；当整个行业形成共识，一个全新的“名词”，就此被焊死在了人类社会的职业大典上！

05别让“昨天的字典”，框死你明天的可能性

知名经济学家杰森·波茨（Jason Potts）在看到OpenAI的专栏后感慨：在经济学里，“看得见的与看不见的”（The Seen and the unseen）永远是至高无上的洞察法则。

那些被裁员的名单、被算法挤压的工位，是血淋淋“看得见的成本”；而那些由于门槛大幅降低后将被激发出的人类全新需求、全新商品、全新细分工种，则是今天“看不见的收益”。

如果你的眼睛只死死盯着前者，你得出的账本必然是一片灰暗。

正如苏黎世大学经济学教授Yanagizawa-Drott给出的那个神级反讽：

“要是超级智能哪天能准确预测出它自己未来将创造出哪些新岗位的名词，那它才算拥有了所谓‘全知世界模型’！”

连拥有万亿参数的AI大模型都算不准未来的名词，我们凡夫俗子又何必画地为牢？

时代正在经历深度的结构重组这是一场人类语言追赶生产力跃迁的漫长迁徙。

不要再捧着十年前的岗位说明书当圣经了。

在世界还没来得及为你的下一个职位想出好听的“名词”之前，先用AI武装好自己的手脚，跨出原本的栅栏，去干那些你原本以为自己做不到的事。

能够定义那个全新名词的人，只能是你自己。