「 AI 会抢工作吗 ？AI 会不会抢走我的工作？」这几年几乎每个开始使用 ChatGPT 的上班族都问过类似问题。问题本身没有错，但如果只把答案分成「会」或「不会」，很容易忽略真正正在发生的变化：很多工作并没有整个消失，而是工作里面的一部分任务先被 AI 改写。

国际劳工组织（ILO）在 2026 年 7 月发布针对东盟劳动市场的研究指出，东盟约 22.9% 的就业人口处于超过最低程度的生成式 AI 暴露之中，涉及接近 8,000 万名劳动者；但处于最高暴露类别的只约 3.3%。更重要的是，研究暂时没有发现生成式 AI 已在东盟造成大规模就业中断。换句话说，讨论重点不应该只是「AI 会不会取代人」，而是哪些任务会先改变，以及人需要补上什么能力。

AI 会抢工作吗？先理解「工作」和「任务」的差别

一份工作通常不是单一动作。编辑会找资料、采访、写稿、改稿、核对事实、处理图片和跟进发布；行政人员会整理文件、回复邮件、更新表格、安排会议和处理例外情况；销售人员除了介绍产品，还要判断顾客需求、建立关系、处理异议和售后。

生成式 AI 最容易影响的是其中可以数字化、重复、以文字或资料为主的任务，而不是一次把整份职业搬走。ILO 2025 年的全球研究也是从接近 30,000 项职业任务去估算 AI 暴露程度，而不是简单列一张「会消失的职业名单」。研究结论是全球约四分之一就业处于某种程度的 GenAI 暴露，但工作转型比整份工作被取代更可能发生。

这也是为什么看到「某职业有 40% 可以被 AI 处理」时，不能直接翻译成「40% 的人会失业」。任务暴露、技术可行性、企业是否采用、成本、法规、客户接受程度以及员工实际工作方式，都是不同层次的问题。

东盟最新数据告诉我们什么？

ILO 2026 年《Generative AI and labour markets in ASEAN》把东盟放到更具体的区域背景里。研究估计，2025 年东盟约 22.9% 的就业处于超过最低程度的 GenAI 暴露，但约 67% 的就业仍没有识别到 GenAI 暴露。

不同国家差距也很大。新加坡超过最低暴露程度的就业占 42.2%，菲律宾为 28.1%，印尼 21.7%，越南 20.8%，泰国 20.6%。这并不等于新加坡会出现最多失业，而是说明服务业、专业工作、行政及高度数字化职业的结构不同，能够被生成式 AI 影响的任务比例也不同。

对马来西亚读者而言，这个角度比「美国哪家公司又裁员」更有参考价值。我们所在的区域同时存在成熟数字经济、制造业、旅游、零售、物流、大量中小企业及不同程度的数字化，AI 的影响不会平均发生。

为什么行政、文书和知识工作比较容易先感受到变化？

生成式 AI 擅长处理已经数字化的语言和资料，例如摘要、分类、改写、翻译、表格分析、初步研究、格式转换和产生草稿。因此，以电脑、文件、表格和标准化流程为主的工作，自然更早出现可自动化任务。

这不代表「办公室工作都会消失」。真正值得问的是：

• 你的工作有多少时间花在重复整理资料？
• 有多少工作可以用清楚规则描述？
• 输出错误时，是否必须由人承担责任？
• 工作是否依赖客户信任、谈判、现场判断或跨部门协调？
• 你是否只是生产初稿，还是也负责判断什么值得做？

例如 AI 可以快速把一份 Excel 销售记录做初步汇总，但数据有没有重复、促销赠品应该怎样计算、手写订单和系统记录为什么对不上，仍需要理解业务的人判断。我在另一篇ChatGPT 文件上传实务中也提到：让 AI 读到文件只是第一步，真正重要的是资料结构、问题定义和结果核对。

「会用 ChatGPT」为什么还不够？

如果 AI 工具越来越容易操作，那么只会打开 ChatGPT、输入一句 Prompt，本身不会长期构成很高的门槛。世界经济论坛《Future of Jobs Report 2025》访问超过 1,000 家企业后发现，AI 与大数据属于增长最快的技能，但分析思考、韧性与灵活性、领导与社会影响、创意思考等人类能力仍然是重要核心技能。

这意味着比较有价值的组合不是「人 vs AI」，而是：

行业知识 + 判断能力 + 沟通能力 + AI 工具能力。

一个完全不懂编辑的人可以叫 AI 写文章，但未必知道新闻价值在哪里、哪个来源不能信、标题有没有夸大；一个不懂销售流程的人可以生成销售话术，却未必知道顾客真正拒绝的原因；一个不会看财务逻辑的人可以让 AI 分析数字，却可能连结果算错都不知道。

所以我一直认为，学习 AI 不应该只收集 Prompt。关于怎样把模糊要求变成可执行任务，可以参考ChatGPT 提示词怎么写；但 Prompt 后面仍然需要专业判断。

未来比较重要的是「检查 AI」的能力

当 AI 可以越来越快地产生初稿，人类工作的重心会有一部分从「从零生产」转到「定义、选择、检查、修正和负责」。这也是很多知识工作者应该提前练习的能力。

1. 知道什么时候不能直接相信答案

AI 输出流畅，不代表事实正确。涉及日期、价格、法律、统计数字、产品规格或新闻时，应该回到第一手来源。我的AI 事实核查 7 个步骤就是针对这个问题：先找原始来源，再检查日期、上下文及其他可靠资料，而不是把 AI 的引用当作自动正确。

2. 把模糊任务拆成可验证步骤

「帮我分析销售」很难检查；「按 SKU 汇总数量、列出退款、找出重复订单，再把总额和原始记录反向核对」就容易验证。AI 能力越强，任务定义反而越重要。

3. 保留领域知识

如果一个人完全放弃基础知识，就会失去判断 AI 是否犯错的能力。计算器没有让数学常识变得没有价值；同样，生成式 AI 也不应该成为放弃编辑、语言、财务、客户服务或技术基础的理由。

40 岁以后，更应该担心年龄还是 AI？

对已经有多年工作经验的人，AI 带来的风险和机会其实同时存在。风险是一些过去需要多年熟练度的基础执行工作，现在新人配合 AI 也可能更快完成；机会则是经验丰富的人往往已经拥有 AI 最难补齐的部分：知道客户真正要什么、知道什么情况会出错、知道哪些结果看起来合理其实不合理。

因此，与其试图把自己重新包装成「AI 专家」，更实际的做法是把既有经验重新拆解：哪些工作可以交给 AI 加速，哪些必须自己判断，哪些经验能够成为检查标准。

例如编辑可以让 AI 协助研究和整理，但保留选题、来源判断与最后编辑；行政人员可以自动整理表格和邮件，但保留例外处理与协调；销售可以用 AI 整理客户资料和准备跟进内容，但关系建立和成交判断仍由人完成。

不要把「AI 暴露」误解成「失业概率」

这是阅读 AI 就业报告最容易犯的错误。所谓 occupational exposure，描述的是职业中的任务与 AI 能力可能重叠多少，不是预测某个人明年失业的概率。

ILO 的东盟研究甚至发现，高暴露职业的就业仍持续增长，只是在部分年轻人和入门级职位已经出现一些较弱的迹象。未来结果会受到企业投资、技能培训、数字基础设施、政策、劳动保障以及 AI 是否真正提高生产力等因素影响。

所以「AI 会不会抢工作」没有一个适用于所有人的百分比答案。

现在可以做的 5 件事

1. 列出自己的工作任务。 不要只写职位名称，把一星期真正做的事情逐项列出来。
2. 找出可被 AI 加速的重复任务。 从整理、摘要、初稿、分类和资料比对开始，而不是一开始就追求全自动。
3. 建立检查机制。 每个 AI 流程都应该知道怎样验证结果。
4. 强化领域知识和人际能力。 AI 越容易使用，行业判断、沟通、客户关系和责任承担越能形成差异。
5. 持续学习，但不要追每一个新工具。 重点是把 AI 嵌进真正的工作，而不是工具收藏。

结语：AI 首先改变的是工作内容

目前的数据并不支持「AI 很快让大部分人没有工作」这种简单结论，但也不能因此认为什么都不会改变。ILO 2026 年的东盟资料给出的讯号相当清楚：生成式 AI 已经能够影响相当比例的工作任务，但大规模就业中断尚未出现，真正的变化正在工作内部发生。

与其每天猜自己的职业什么时候被取代，不如把问题换成：我今天做的哪些任务，明年会换一种做法？当 AI 做掉基础执行后，我还能提供什么判断、经验和责任？

这两个问题，比「AI 会不会抢工作」更值得现在开始回答。

FAQ

AI 最容易取代哪些工作？

与其说取代某个完整职业，更准确的是 AI 较容易处理数字化、重复、规则明确的文字与资料任务。文书和行政类职业整体暴露较高，但实际结果仍取决于工作内不同任务的组合。

学会 ChatGPT 就能避免被 AI 淘汰吗？

不能保证。工具操作门槛会越来越低。更重要的是把 AI 能力与行业知识、分析判断、沟通、事实核查和持续学习结合起来。

东盟已经出现 AI 大规模抢工作了吗？

ILO 2026 年 7 月的区域研究指出，目前没有证据显示东盟已经出现由生成式 AI 引起的广泛劳动市场中断；但部分高暴露任务和入门级工作值得持续观察。