当AI采访了1250人，它看见了人类的“职业软肋”

此次研究样本涵盖普通职场人士（1000人）、创意从业者（125人）和科研人员（125人），通过自动化访谈与数据分析相结合的创新方式，为我们呈现了AI融入职场的多维度图景。研究不仅突破了传统用户研究的规模极限，更首次实现了对AI职场影响的系统性、全景式洞察，所有受访者均同意数据公开，Anthropic已将完整访谈内容向社会开放。

Part 01 普通职场人士：在效率与职业体面间谨慎平衡 

普通职场人士对 AI 的整体态度以积极为主，86% 的受访者表示 AI 为其节省了工作时间，65% 对 AI 在工作中的作用感到满意。他们普遍倾向于将日常性、事务性工作交给 AI 处理，同时极力保留那些能够定义自身职业身份的核心任务，形成 “AI 执行、人类监督” 的理想工作模式。在具体应用中，“业务优化” 是最被看好的领域，AI 在项目协作、文档自动化、学术支持等方面的价值获得广泛认可，而提示词工程更成为职场人提升效率的新技能。

不同工作内容对应的情绪倾向呈现明显差异：系统故障排查、虚假引用、内容可靠性、个人掌控感等话题引发更强烈的悲观情绪，而项目工作流、文档自动化、专业沟通等领域则普遍乐观。一个突出现象是职场文化对 AI 使用的显著影响 ——69% 的受访者坦言会刻意压低 AI 使用痕迹，担心被同事认为不够专业（如邮件被识破是 AI 代写），从而影响自己在团队中的位置。这种对 “职业体面” 的顾虑，让他们在描述 AI 使用时更倾向于强调 “控制感”，反复强调 “关键部分还得我来做”。

工作内容	情绪倾向	含义说明
系统故障排查	更悲观	担心 AI 工具不稳定、报错、难以排查问题。
虚假引用	更悲观	AI 生成不准确的引用或内容，导致信任下降。
内容可靠性	更悲观	AI 输出质量不稳，需要人工反复核查。
个人掌控感	更悲观	担心工作流程被 AI 主导，失去自主性。
创意平衡	更悲观	创意任务中难以掌控 AI 介入的度。
教育场景整合	偏悲观	在教育 / 培训中应用 AI 时存在担忧与挑战。
质量控制	偏悲观	审核 AI 输出需要额外成本。
客户服务	偏悲观	在服务类岗位中担心 AI 影响人与人的互动质量。
工具评估	偏悲观	不确定 AI 工具是否真正提升效率。
数据隐私	偏悲观	数据输入 AI 工具后可能引发隐私泄露风险。
使用限制	偏悲观	公司或行业政策限制 AI 的使用。
内容人性化	偏悲观	AI 文本缺乏温度，需要人工润色。
财务准确性	中性偏悲观	在财会领域担心 AI 出错引发严重后果。
法务应用	中性偏悲观	法务工作中对 AI 的准确性和合规性存疑。
系统诊断	中性	用 AI 分析系统问题，但准确性有限。
开发规范	中性	AI 在开发类岗位中的应用需符合行业规范。
技术采纳	中性偏乐观	关注团队适应 AI 技术的速度与方式。
行业整合	中性偏乐观	AI 工具融入不同行业带来的变化。
任务分配	偏乐观	通过 AI 分担繁琐工作，提高专注度。
提示词工程	偏乐观	学习提示词变成新技能，提高效率。
伦理边界	偏乐观	组织开始探索 AI 使用的规范与底线。
翻译挑战	偏乐观	AI 翻译提高效率，但仍需人工校对。
项目工作流	乐观	AI 优化项目协作、文档、排期。
独立写作能力	乐观	AI 辅助写作明显减轻负担，但带来新讨论。
教学材料生成	乐观	AI 帮助制作课程内容、教材。
学术支持	乐观	AI 辅助整理论文、文献与摘要。
文档自动化	更乐观	报告、流程文档自动生成效率显著提升。
专业沟通	乐观	AI 帮助草拟邮件、报告、沟通内容。
社会观念	更乐观	AI 被视为像电脑一样的生产力工具。
职业适应	极乐观	AI 重塑职业技能，带来新机会与焦虑并存。
业务优化	最乐观（最大气泡）	AI 显著提升业务效率、流程与决策质量，是最被看好的领域。

研究发现一个关键差异：受访者普遍认为自己与 AI 的关系是 65% 增强、35% 自动化，但真实的 Claude 使用数据却显示 47% 为增强、49% 为自动化。这种偏差本质上反映了普通职场人的矛盾心态 —— 他们身处高度依赖印象管理的组织环境，AI 对他们而言不仅是效率工具，更是会改变 “他人对自身专业性评价” 的信号，其谨慎并非源于对技术的恐惧，而是对职业关系网中位置松动的担忧。

类别	主题	访谈原声
悲观（Pessimistic）	职业适应（Career adaptation）	“我一直在思考：人类能为行业带来哪些 AI 无法自动化的价值，比如人与人之间的情感互动。但我认为这些价值从长期来看可能也不会再被需要。我仍在寻找那些 AI 无法完全接管、值得投入学习的技能。”
悲观（Pessimistic）	写作独立性（Writing independence）	“同事们说，他们能一眼看出哪些邮件是 AI 写的，对发件人会有一点负面印象。他们觉得发件人‘太懒’，连一封亲自写的邮件都不愿意写，而是交给 AI 处理。”
乐观（Optimistic）	社会视角（Societal perspectives）	“对我来说，AI 就像当年的电脑或打字机 —— 电脑没有让数学家消失，而是让他们能做更多事。我认为 AI 的未来也会如此发展。”
乐观（Optimistic）	教育整合（Educational integration）	“我希望 AI 能成为更好的协作伙伴，帮助我更好地管理时间，并扩展我的教学创意，让我能为学生设计更多元的活动和作业，而这些可能靠我个人无法完成。”

面对不确定性，职场人的应对方式呈现多元化：41% 的人因相信人类技能不可替代而感到安心，55% 表达了对未来的焦虑，其中 25% 通过设定 AI 使用边界（如教师坚持亲自设计教案）保护核心技能，25% 选择拓展职责或深耕专业领域，仅有 8% 的焦虑者未制定明确应对方案。值得注意的是，48% 的受访者考虑转向以 “管理、指导、监督 AI” 为核心的新型职业角色，而非继续从事直接执行类技术岗位。

Part 02 创意从业者：效率提升与生存焦虑的尖锐博弈 

创意从业者对 AI 的接受度远超预期，97% 的受访者表示 AI 节省了工作时间，68% 认为 AI 提升了工作质量。AI 已深度融入创意工作全流程：小说家用 AI 减轻研究负担，网页内容创作者日产出从 2000 字增至 5000 字以上，摄影师利用 AI 完成常规编辑，将周转时间从 12 周缩短至 3 周；在音乐制作中，AI 提供的有趣词组列表常能激发创作灵感，视觉设计领域 AI 辅助草图生成大幅提升初版产出效率。“AI 协作”“创意伙伴关系”“工作流自动化” 成为创意人群最乐观的应用方向。

但创意群体也是情绪张力最大的群体，乐观与悲观情绪在多个话题上尖锐对立。70% 的受访者需要应对同行对 AI 使用的负面评价，担心品牌形象与 AI 污名绑定，害怕作品被认为 “太像 AI 生成” 而削弱原创价值。经济替代焦虑尤为突出：配音行业的某些工种已因 AI 直接消亡，产品摄影正加速被替换，有创意总监坦言 “我用 AI 的每一次，都意味着某个摄影师再少了一天的收入”，不少创作者被迫使用生成式 AI 甚至销售 AI 生成内容以维持市场竞争力。

类别	主题	访谈原声
悲观（Pessimistic）	创作控制边界（Control boundaries）	“在这些故事创作环节中，我觉得所谓的‘协作’大多只是幻觉…… 几乎没有哪一刻让我真正感觉 AI 在主导创意决策。”
悲观（Pessimistic）	写作者被替代（Writer displacement）	“AI 写出的小说可能在情节和技术上非常出色，但它无法呈现只有人类才能贯穿整个故事的深层情感与细腻表达。”
乐观（Optimistic）	工作流自动化与效率提升（Workflow automation）	“说实话，我压力小多了。AI 大幅提升了我的效率，让我能把时间真正花在我喜欢的工作上（拍摄和剪辑）。”
乐观（Optimistic）	音乐创作辅助（Music production）	“有时需要写歌词时，我会向 ChatGPT 或 Claude 要一些有趣的词组列表。拿着一长串词组在伴奏上试一试，常常就能找到一个灵感点，甚至直接长出一个副歌。”

内容	情绪倾向	含义说明
艺术家被取代	最悲观	担心 AI 直接抢走艺术创作者的工作，如插画、配音、摄影等。
写作者被取代	更悲观	担心小说、文案、剧本等写作岗位被 AI 侵蚀。
专业背景的弱化	悲观	担心 AI 让多年积累的专业技能 “贬值”。
创作控制权边界	悲观	创作者觉得 AI 有时 “控制创作走向”，本质上削弱了创作者的主导权。
伦理张力	偏悲观	担心 AI 训练数据版权、创作归属、原创性消失等伦理问题。
创意真实性	偏悲观	担心 AI 作品缺乏 “人味”、风格趋同。
写作技巧变化	中性	AI 辅助写作提升效率，但可能冲击传统写作技能。
写作项目变化	中性	AI 介入让写作流程改变，但影响不一。
市场营销流程	中性偏乐观	AI 辅助营销内容产出，提高效率但也引发风格一致化担忧。
AI 理论理解	中性偏乐观	创作者开始探索 AI 的工作原理与对创作的影响。
音频与电子音乐制作	偏乐观	AI 辅助音乐制作、母带处理，但仍需人工审美判断。
照片编辑	偏乐观	AI 加速后期制作，但可能导致风格趋同。
视频制作	偏乐观	AI 加快剪辑、脚本、调色流程。
舞蹈教学辅助	偏乐观	AI 可帮助梳理动作、生成示范视频但无法完全替代教学互动。
视觉设计	偏乐观	AI 辅助草图、生成效果图，大幅提速初版产出。
图像生成	偏乐观	直接用 AI 生成视觉元素，极大提升产能但带来版权争议。
声音生成	偏乐观	AI 合成音效、语音，一部分行业已经受到冲击。
工作流自动化	乐观	AI 自动处理重复性工作，让创作者专注更高价值创意。
内容创作	乐观	AI 辅助写作、脚本设计、构思，为内容生成提供巨大加速。
写作研究	乐观	AI 帮助进行资料检索、事实核对，提高信息收集效率。
工作影响	乐观	创意团队整体效率提升，但需重新设计角色分工与流程。
创意写作	乐观	AI 协助生成灵感、草案、结构，写作质量明显提升。
创意协作伙伴关系	更乐观	将 AI 视为 “灵感助手” 而非工具，共创体验更流畅。
AI 协作	最乐观（最大气泡之一）	AI 提供从构思到产出全链路支持，被视为 “联合创作者”。

创作控制权的边界模糊成为另一核心矛盾：所有受访者都希望掌控创作产出，但实际工作中，许多人承认 AI 已在一定程度上主导创意决策，部分人的创作甚至呈现 “60% AI+40% 个人想法” 的格局 ——“有时候，它给的方向比我想到的还清晰”。情绪雷达图显示，创意群体满意度高但信任度弱，担忧明显高于其他群体，这种矛盾本质上源于其职业特性：收入、风格、作品价值均需在市场中直接竞争，AI 带来的不仅是效率革命，更是对 “人类创意独特价值” 的根本挑战。不同创意领域的情绪表现差异显著：游戏开发者和视觉艺术家满意度高但担忧强烈，设计师则以挫败感为主，反映出 AI 对不同创意生态的差异化影响。

Part 03 科研人员：期待合作却严守核心信任壁垒 

科研人员对 AI 的应用呈现高度选择性，目前主要将其用于文献综述、代码编写、论文撰写等辅助任务，而假设生成、实验设计等核心研究环节仍依赖人类自身。“文献搜索”“科研辅助”“技术采用决策” 是最受认可的应用方向，AI 在代码开发、安全调试、学术写作等方面的价值已得到广泛验证，显著降低了科研人员的事务性负担。

但信任与可靠性问题成为核心障碍，79% 的受访者将其列为 AI 应用的主要障碍，27% 提及当前 AI 的技术局限性。安全性担忧是最突出的悲观话题，科研人员不信任 AI 处理敏感实验数据、临床数据，担心泄露与合规问题；虚假引用、数学推理局限、内容验证困难等也引发普遍担忧。不少科研人员反映，AI 输出内容需要反复核查纠错，反而增加了工作负担；部分人还指出 AI 存在迎合用户倾向、答案不一致等问题，进一步加剧了信任危机 ——“如果必须对每一个细节复核，那就失去了让 AI 做事的意义”。

类别	主题	访谈原声
悲观（Pessimistic）	数据安全担忧（Security concerns）	“我们目前对 AI 的信任不足，无法把数据交给它。作为商业机构，我们也担心与 AI 系统共享的数据可能存在保密风险。”
悲观（Pessimistic）	内容验证困难（Content verification）	“我真正希望 AI 能做到的是准确抓取资料、总结并写出基金申请的核心内容。AI 写得不错，但问题是我无法信任它不会幻觉 —— 直白地说，就是不会‘乱编’。”
乐观（Optimistic）	科研辅助（Research assistance）	“如果 AI 能将所有数据整合并标准化到一个统一仓库，将极大推动生物学发现。研究者可以观察基因表达在不同细胞模型、组织类型、疾病状态下的动态变化。”
乐观（Optimistic）	代码开发支持（Code development）	“坦白说，如果没有 AI 工具，我根本不知道该如何帮助学生检查她的代码问题。”

工作内容	情绪倾向	含义说明
安全性担忧	最悲观（最大气泡之一）	不信任 AI 处理敏感实验数据、临床数据、商业数据；担心泄露与合规问题。
引用与参考文献风险	悲观	担心 AI 提供虚假引用、错误来源，导致科研失真。
数学推理局限	悲观	AI 在数学推导、公式推演上缺乏一致性与可靠性。
对话中断	偏悲观	AI 长对话中容易失焦、漏上下文，影响严谨科研讨论。
内容验证	偏悲观	AI 输出需要大量人工校验，难直接用于科研关键环节。
实验操作限制	偏悲观	AI 只能辅助分析，无法真正参与实验或判断实验条件。
生物医学研究限制	偏悲观	高度依赖真实世界验证，AI 很难直接进入核心流程。
财务 / 模型限制	偏悲观	AI 易生成 “合理但错误” 的模型，难以直接用于严谨科研。
工作方法调整	中性偏悲观	AI 改变科研流程，但带来适应成本与方法争议。
工程设计辅助	中性	可提供灵感，但需人为评估可行性。
物理研究辅助	中性	可加速文献与公式查找，但推导需人工验证。
统计分析	中性	AI 能协助数据清洗与统计，但统计严谨性需人工把关。
体育分析	中性	AI 可用于模型预测，但结果需专业人员解读。
化学研究辅助	中性偏乐观	AI 可以帮助结构预测、反应推断，但实验仍需人工。
环境工程	中性偏乐观	AI 帮助模拟数据，但仍需实地验证。
行业集成	乐观	科研与工业界因 AI 而更紧密，协作速度提升。
安全调试	乐观	AI 可用于检查代码漏洞、模型缺陷。
学术写作	乐观	AI 已成为论文初稿、摘要、结构建议的重要工具。
技术集成	乐观	AI 可融入科研工具链，提高整体效率。
代码开发	乐观	AI 辅助编程普及，显著降低调试与开发成本。
研究方法革新	更乐观	AI 让科研方法从 “人工手动推导” 变为 “人 + AI 协作探路”。
科研合作	更乐观	AI 让跨团队、跨学科合作更顺畅。
文献搜索	更乐观（大气泡）	AI 显著减少文献检索时间，成为科学家高频使用工具。
科研辅助	非常乐观（第二大气泡）	AI 已成为 “科研助理”，提升效率但不取代核心判断。
技术采用决策	复杂但偏乐观（最大气泡）	科学家必须决定 “是否、在哪些环节、如何” 采用 AI；体现对新范式的探索态度。

尽管存在诸多顾虑，91% 的科研人员仍期待 AI 能提供更深度的研究支持，多数人希望 AI 能在实验设计批判、数据库访问、数据分析等全流程提供协助，核心诉求是获得能提出新科学观点的 “真正研究伙伴”。与创意从业者不同，科研人员对职业替代的担忧相对较低，他们强调大量科研知识属于难以数字化的 “隐性知识”—— 如细胞培养颜色的微妙变化、仪器的 “操作手感”、实验室未写入 SOP 的经验判断，这些都是机器无法感知的。此外，安全合规要求、预算限制等外部约束也在一定程度上阻碍了 AI 在科研领域的深度应用。

情绪层面，多数科研领域满意度较高，但不同领域的挫败感分布明显不同：物理学家和数据科学家挫败感更强，化学工程师和机械工程师则相对较低，这可能反映了计算类学科与实验类学科在 AI 融入核心工作流程上的差异。所有领域的信任度均处于低位，显示出科研工作对 AI 可靠性的严苛要求 —— 其谨慎并非源于职业焦虑，而是来自学科特性：错误的科研决策代价过高，无法轻易托付。

此次研究的四大核心发现勾勒出 AI 职场应用的整体图景：多数人对 AI 在工作中的角色保持乐观，但担忧集中在教育整合、创作者替代、安全风险等领域；普通职场人倾向于将身份性任务留给人类，重复性任务交给 AI；创意从业者在依赖 AI 提升效率的同时，饱受同行评价与生存空间的焦虑；科学家渴望 AI 成为研究合作者，但尚未建立足够信任。

更深层的洞察在于，三大群体的态度差异并非由技术本身决定，而是源于各自的职业结构、评价体系与生存方式：普通职场人担忧职业关系中的 “位置松动”，创作者焦虑市场竞争中的 “价值稀释”，科学家警惕科研流程中的 “可靠性风险”，AI 只是将每个职业的 “脆弱中心” 清晰显现，逼着人们直面核心命题 ——“我在工作里的不可替代之处到底是什么？”

对组织与个体而言，研究带来重要启示：AI 已从单纯的效率工具进化为重塑职业形态、工作流程与协作模式的核心变量。组织需要重新设计角色分工与流程，个体则需适应 “与 AI 共生” 的技能要求，在保留人类独特价值（如情感连接、原创思维、隐性知识）的同时，善用 AI 拓展能力边界。

该研究虽提供了丰富洞察，但仍存在一定局限性：样本通过众包平台招募，可能偏向熟悉数字工具的受众，存在选择偏差；受访者知晓访谈者为 AI，可能影响反馈真实性；静态快照式研究无法追踪态度与行为的长期变化；文本访谈难以捕捉语气、表情等情感线索；自我报告与实际行为存在偏差；研究解读受研究者视角影响；样本以西方职场人士为主，缺乏全球文化多样性；非实验设计无法确定 AI 与产出提升的因果关系。

尽管存在这些局限，该研究仍具有里程碑意义：它首次通过大规模真实对话，让我们听见了不同职业群体在 AI 时代的真实声音 —— 他们的期待、焦虑、挣扎与探索。这些声音提醒我们，AI 的发展不仅是技术问题，更是关乎职业尊严、创作价值与科研诚信的社会命题。随着技术迭代与研究深入，人类与 AI 的职场互动将不断演进，而持续的对话与反馈，终将推动 AI 成为真正服务于人类发展的重要伙伴。

由CXOUNION-CXO联盟（cxounion.cn）转载而成，来源于中国人民大学新闻与传播学院；编辑/翻译：CXOUNIONCXO联盟小O。

如需加入CXO UNION（CXO联盟）高管社群，请联系社群小伙伴哦~

免责声明: 本网站(http://www.cxounion.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。