OpenAI震撼发文:别再数谁要失业了!未来绝大部分工作,现在连名字都没有

打工人的焦虑清单上，塞满了随时可能消失的职业。

客服、文员、初级程序员、校对、行政……几乎每天都有分析报告跳出来，斩钉截铁地宣告：这些岗位正站在悬崖边上。

但OpenAI的经济学家们却给出了一个完全颠覆维度的论断：你们全都在刻舟求剑。

2026年9月下旬，OpenAI首席经济学家罗尼·查特吉（Ronnie Chatterji）转发并力荐了同事哈里森·萨彻（Harrison Satcher）的一篇长文。文章的标题短促而醒目，《We don’t have the nouns yet》（我们还没有那些名词）。

▲ Ronnie Chatterji 转发推介《We don't have the nouns yet》

这篇文章撕开了一个被所有人忽视的思想盲区：

今天关于AI抢饭碗的讨论，全都在围绕一张旧清单打转。我们之所以严重低估了未来的新工作，仅仅是因为，人类至今还没发明出用来称呼那些工作的“名词”。

011976年的思想实验：如果你跟古人说自己的职业

为了把这种“认知的局限”说透，萨彻在文章里设计了一个精彩的穿越实验。

假设你坐时光机回到1976年在街头拉住一个路人，认真地向他介绍你的生计：

“我是做‘云端流媒体视频App的搜索引擎广告优化师’的。”

▲ OpenAI 经济团队专栏文章首屏：我们该如何为无法描述的事物估值？

对方大概率会觉得你疯了

因为在这个职业描述里，几乎每一个词汇都需要一整套当时根本不存在的技术去解释：

• 你得先解释什么是互联网；
• 再解释什么是智能手机触控屏与App；
• 接着解释什么是分布式云计算与低延迟视频流；
• 最后还要解释什么是算法竞价。

站在1976年的街头，让人预测“报纸排字工或者平面广告文案可能会减少”，小学生都能想明白；但要让当时的经济学家预测出“流媒体App广告优化师”这个岗位？在逻辑上是彻底不可能的

因为构成这份工作的全部物理积木，在当时还沉睡在遥远的虚无之中。

02复杂的演化定律：现实是一座“自己开辟新房间”的宫殿

这背后藏着一条深刻的演化经济学规律。

萨彻借用了复杂系统学者斯图尔特·考夫曼（Stuart Kauffman）著名的概念，“邻近可能”（Adjacent Possible）。

▲ Harrison Satcher 发帖直言：还没有名词，不等于新工作不存在

在考夫曼的理论中，任何技术与商业生态的演化，都像是一座由无数房间组成的迷宫：

• 你只能打开与当前房间紧挨着的大门（邻近可能）；
• 你绝对不可能越过中间环节，一步从算盘蹦到iPhone；
• 但最奇妙的是，每当你推开一扇新门，这个新房间就会凭空创造出四五扇全新的门。

看看历史上的科技链条吧：

人类先发明了火箭推进技术；火箭让发射人造卫星成为可能；卫星网络让民用GPS定位系统成为可能；GPS与大屏智能手机结合，让网约车与外卖App成为可能；随后，围绕网约车与外卖平台，才诞生了派单调度员、骑手运营专家、动态溢价算法测试员……

如果站在火箭刚点火的发射架下，哪怕智商两百的天才，也绝不可能预见到几十年后会有一群人靠“外卖运营优化”为生。

AI同样遵循这一路径，充当着底层认知胶水。 它把各行各业的积木打碎、重组，正在以前所未有的速度推开成百上千扇通向“邻近可能”的大门。今天那些我们叫不出名字的新工作，正在这些门后快速孕育。

0380年的数据铁证：你现在的工种，过去全都是“无名黑户”

这种历史规律，早在冷冰冰的人口普查数据中被验证过无数次。

麻省理工学院著名劳动经济学家大卫·奥特（David Autor）曾带领团队完成了一项横跨80年的重磅研究。结论足以让所有悲观者哑口无言：

2018年美国全部就业岗位中，绝大多数岗位所对应的具体专业，在1940年的人口普查清单里根本不存在！

▲ David Autor 等人的经典论文：当代大部分就业岗位，在80年前连词条都没有

我们今天习以为常的大半饭碗，放在几十年前的祖辈眼里，全都是不可名状的“怪物”：

• 网络安全（Cybersecurity）
  ：在1970年代以前的书籍报刊里，几乎查不到这个拼写。今天，光是美国就有约125万人从事网络安全工作；
• 医学影像技师
  ：核磁共振（MRI）仪器发明后，才从普通护士中分化出专门操作与看片的庞大群体；
• 光伏电工
  ：太阳能板走向商用，让传统电工分流出了独立的系统维护职业。

先有技术，再有产品；先有商业模式，最后才诞生稳定的职业称谓。

今天我们所能叫出名字的“AI工作”，比如大模型数据标注员、提示词工程师、AI算力运维专家，不过是技术大浪翻起时的第一撮浮沫。更汹涌的大潮，还在那片“尚未被命名”的深海里。

04正在发生的地壳运动：岗位数量没变，活儿已经换了

比起几十年后的远景，普通人最关心的永远是眼下。

OpenAI首席经济学家查特吉在多篇推文中指出了一个极其毒辣的现实：AI对劳动力市场最早的冲击，根本不会体现在失业率上。

▲ Ronnie Chatterji 指出：失业率看似平静，岗位内部的工作内容却在剧烈重组

宏观数据常常具有欺骗性失业率曲线可以平缓得像一条直线，但工位内部的“地壳”早就裂开了。

OpenAI团队在一项名为《Work at the Frontier》（前沿工作）的微观研究中发现了一个普遍现象：打工人正在用AI疯狂“越界”。

一个普通员工，只要接通了大模型，就能轻易把触角伸向本专业之外的任务。原本需要找设计部门做排版的市场人员，自己几分钟搞定了物料；原本需要找财务拉报表的人事主管，用自然语言几秒跑通了数据流。

边界在融化岗位名称还是那个岗位名称，但里面的骨肉早已被替换。

▲ OpenAI 的 AI Jobs Transition 框架：技术冲击推动职业分工走向深度重构

在OpenAI发布的就业转型框架中，他们分析了覆盖近1.5亿岗位的921个职业。结论是：

• 只有约18%的岗位面临较高的单纯自动化风险；
• 却有高达24%的岗位将面临剧烈“重组”；
• 还有12%的岗位会随着AI压低服务成本、刺激需求爆发而逆势增长。

工作不会突然蒸发，但你原有的核心竞争力，正在迅速折旧。

05最刺痛的现实：在词汇发明之前，人每天都是要吃饭的

在推特讨论区里，学者与网友的交锋同样火花四溅。

学者杰森·波茨（Jason Potts）搬出了经济学经典的“看得见与看不见”法则：被消灭的旧工作是看得见的，而尚未诞生的新机会是看不见的。 人类的大脑天生对“失去”极度敏感，对“未命名”极度迟钝。

▲ 学者 Jason Potts 点评：经济学思维里的“可见与不可见”让未来的新职业难以估算

然而，评论区里的一句犀利吐槽，把所有浪漫的技术畅想硬生生拉回了泥土里：

“我们总在争论哪些工作会消失最棘手的部分在于那些还没有名词的岗位，但在词汇赶上现实之前，人每天都是要吃饭的。”

这正是每一次技术大洗牌中最残酷的裂痕：

历史的列车总是向前开的，但车轮扬起的尘土，落在具体的人身上就是一座山。

当年蒸汽机淘汰马车夫，马车夫并没有在第二天原地变成火车司机；工业革命催生了繁荣的现代工厂，但第一代被挤出土地的农民经历了整整一代人的贫困与阵痛。

同样，被大模型冲击掉的文员或客服，不可能在一个月内无缝切换成“跨模态神经系统微调师”。新工作的地理位置、技能门槛、薪酬体系，几乎从不在第一时间与被替代的人群重合。

正如一位开发者在原帖下的一语中的：“新角色通常是在API层稳定之后才出现的，第三方需要时间去写定义这份工作的‘胶水代码’。”

▲ 开发者 ADL 指出：新职业往往在 API 层稳定后，伴随第三方编写“胶水代码”而涌现

在这层生态胶水干透成型之前，所有人都要硬扛一段真空期。

06别把自己锁在“名词”里

我们究竟该如何面对这个“无法命名”的未来？

答案其实藏在那些能够穿越周期的幸存者身上。

网络安全工程师在成为独立工种之前，最早只是一群在机房里帮公司排查漏洞的普通网管；短视频运营在成为风口之前，最早只是一帮拿着手机瞎拍的生活记录者。

他们没有等到教科书上印出这个职业代码，才开始学习技能。他们是在工具演化出的“邻近可能”边缘，顺着业务的需求野蛮生长。

把自己的身家性命绑死在某个特定名词上，是这个时代最危险的赌博。

如果你是一个“文案”，别去纠结AI会不会写文案；去看看AI写文案之后，催生出了哪些以前因为成本过高而无法落地的全新交互形式。

如果你是一个“程序员”，别去恐慌代码生成工具；去看看当写代码的边际成本趋近于零时，哪些原本沉睡在各行各业底层的数据与流程，正急切地等待着被拼装成新的系统。

正如哈里森·萨彻在文章结尾写下的警醒：今天的岗位，远非明天可能性的边界。

名词还没出现，不要紧在下一批名词被人类字典收录之前，去成为那个亲手写下定义的人。