企业官网建设流程全解析

微软研究院每年都会发布一份《未来工作》报告，追踪技术变革对工作方式的影响。今年这份报告的基调明显比往年更紧迫，因为生成式 AI 进入职场的速度和深度，已经超出了大多数人的预期。报告汇集了微软内外部数十位研究者的成果，涵盖大规模数据分析、实地研究和理论模型，试图回答一个核心问题：AI 到底在怎样改变我们的工作？

读完整份报告，我提炼了以下几个最有价值的核心观点，逐一展开聊聊。

一、AI 进入职场的速度，比历史上任何技术都快

报告开篇就给出了一组数据：在德国的一项调查中，38% 的受访员工表示已经在工作中使用 AI。Anthropic 对数百万用户对话的分析显示，37% 的 Claude 使用与软件和数学相关职业挂钩。微软 Copilot 的使用数据则覆盖了销售、媒体、技术、行政等多个信息工作领域。

这个渗透速度是惊人的。要知道，互联网从诞生到被大多数企业采纳，花了将近十年。而生成式 AI 从 ChatGPT 发布到现在不过三年多，已经深入到了各行各业的日常工作流程中。

但速度快也带来了一个问题：谁在用，谁没在用，差距正在迅速拉大。

二、AI 的红利分配极不均匀，而且差距还在扩大

这是报告中最让人警醒的部分。

从全球来看，高收入国家的 AI 使用率整体领先，但增长最快的反而是中低收入地区。不过，当本地语言得不到 AI 的良好支持时，人们只能切换到英语来获取可靠的结果。如果不在基础设施和多语言模型上加大投入，AI 很可能会加深现有的鸿沟，而非缩小它。

从性别来看，男性在工作中使用 AI 的频率高于女性。目前还不清楚这是因为职业分布的差异、对新工具的适应程度不同，还是其他原因。

从年龄来看，年轻人和初级岗位受到的冲击最大。报告引用的实证数据显示，22 到 25 岁群体在 AI 高暴露岗位上的就业率，相比类似但 AI 暴露度较低的岗位下降了 16%。企业引入 AI 后，对初级岗位的招聘也在明显放缓。

这个发现其实很值得细想。初级岗位之所以容易被 AI 替代，恰恰是因为这些岗位对经验和知识的依赖较少，任务相对标准化。但问题在于，初级岗位同时也是年轻人积累经验、学习技能的入口。如果这个入口被大量压缩，长远来看，整个社会的专业人才培养链条可能会出问题。今天省掉的初级岗位，可能意味着十年后缺少足够多的高级人才。

还有一个容易被忽视的社会心理现象：多项研究发现，使用 AI 的员工会被同事认为能力较差，即使他们的产出质量和不用 AI 的人完全一样。不过，自己也用过 AI 的管理者在评价 AI 辅助工作时会更公正。这说明 AI 可能需要在组织内部被广泛接触和理解之后，才能被坦然地公开使用。

对于我们每个人来说，这意味着一件事：尽早开始用 AI，建立自己的使用习惯和判断力，在这个窗口期里积累优势。等到所有人都在用的时候，先发优势就不存在了。

三、AI 正在从「加速工具」变成「协作伙伴」

报告中反复强调的一个核心判断是：AI 已经不只是帮你把活干得更快了，它正在参与到你的工作流程中，改变你创造、决策、协作和学习的方式。

以软件开发为例。过去，产品经理负责需求和设计，开发者负责写代码，分工很清晰。现在这条线正在模糊。产品经理开始写更多代码，开发者反而花更多时间在高层规划和概念性思考上。写作者和设计师也在从「亲手生产所有内容」转向「策展和编辑 AI 的输出」。

报告还提到了一个有意思的现象：vibe coding，也就是通过反复提示词迭代来开发软件，而不是直接手写代码。研究发现，有经验的计算机专业学生在 vibe coding 上表现明显优于新手，他们能用更少、更精准的提示词来引导模型。这说明经验和判断力在新的工作模式下依然极其重要，甚至更重要了。

这种角色转变对每个人都有影响。无论你从事什么行业，你的工作方式大概率正在或即将发生类似的变化：从「自己动手做」转向「指导 AI 做，然后审核和优化」。这要求一套全新的技能，包括写好提示词、审查 AI 的输出、保持质量把控，以及知道什么时候该信任 AI、什么时候该质疑它。

四、当心「workslop」：AI 省下的时间，可能被垃圾产出吃掉

报告中提到了一个很形象的概念叫 workslop，指的是 AI 生成的那些看起来很精致、很专业，但实际上不准确、没什么用的内容。在美国的一项调查中，40% 的员工表示过去一个月内收到过这类东西。

这其实是一个很现实的问题。企业用户普遍反馈 AI 每天能帮他们省下 40 到 60 分钟，但如果这些省下的时间被用来处理 AI 生成的低质量内容，那效率提升就成了一个幻觉。更糟糕的是，当团队里的人开始习惯性地把 AI 的输出直接转发、不加审核，整个组织的信息质量会系统性地下降。

所以用 AI 的关键不在于用了多少，在于你有没有能力判断它给你的东西到底好不好。这个判断力，恰恰是 AI 自己给不了你的。

五、从「动手思考」到「从输出中选择」：一个值得警惕的认知转变

报告在认知和学习这一章节里，提出了一个我认为最深刻的洞察：生成式 AI 正在推动一种根本性的认知模式转变，从「通过动手来思考」转向「从 AI 的输出中做选择」。

举个简单的例子。过去你要写一篇报告，你得自己构思框架、组织论点、斟酌措辞，这个过程本身就是思考的过程，你的判断力和专业能力就是在这个过程中磨练出来的。现在你可以让 AI 先写一稿，然后你从中挑选和修改。效率确实提高了，但那个「从零构建」的思考过程被跳过了。

研究发现，这种认知外包的影响是会累积的。在错误的时机使用 AI 会降低原创性和自我效能感，而且即使后来把 AI 拿走了，这种依赖习惯仍然会延续。换句话说，如果你长期让 AI 替你思考，你自己的思考能力真的会退化。

这对教育领域的冲击尤其大。学习本身往往需要「适度的困难」，也就是那种让你觉得有点费劲但正因为费劲才能真正学到东西的过程。如果学生习惯了让 AI 直接给答案和总结，学习就会变得越来越浅。报告建议，在学习场景中应该先让学生自己尝试解决问题，再借助 AI；编程教育的重点也应该从记忆语法转向培养抽象思维和批判性审查能力。

对于职场中的我们，这个洞察同样适用。用 AI 提效没问题，但要有意识地保留一些「自己动手」的环节，尤其是那些需要深度思考和创造性判断的工作。把 AI 当作思考的伙伴，而不是思考的替代品。

六、AI 天生是为个人设计的，团队协作是短板

报告中有一个很有意思的发现：现有的 AI 系统从底层架构上就是为个人用户设计的，当团队一起使用 AI 时，表现往往不如一个人单独使用 AI。

这听起来有点反直觉，但仔细想想就能理解。AI 的对话界面是一对一的，它不了解团队的分工、不知道谁负责什么、不能在多个人之间协调信息。当一个团队的多个成员分别和 AI 对话，然后试图把各自的 AI 输出拼在一起时，很容易出现重复、矛盾和脱节。

好消息是，研究者正在探索两条路径来解决这个问题。一条是过程导向的，比如让 AI 在小组讨论中扮演「魔鬼代言人」的角色，或者帮助放大少数派的观点。另一条是结果导向的，比如训练 AI 系统学习团队的长期目标，帮助团队做出更好的决策。

报告还提出了一个很有哲学意味的观点：其实每次你和大语言模型对话，本质上就是一种团队协作。因为 LLM 的知识来自数百万人在互联网上写下的内容，你每次和它交互，实际上是在和数百万人的集体智慧打交道，只是省去了那种规模的协作所需要的巨大沟通成本。从这个角度看，「集体智能」可能比「人工智能」更准确地描述了这项技术的本质。

七、人的专业判断力变得更重要了

这是报告贯穿始终的一条主线，也是最重要的结论：在 AI 越来越强大的世界里，人的专业判断力变得更重要了，而不是更不重要。

报告用了大量篇幅来论证这一点。在软件开发中，数 AI 生成的代码行数根本不是一个有意义的生产力指标，真正重要的是开发者审查、优化和把控质量的能力。在科学研究中，AI 确实在加速发现，帮助研究者识别有前景的方向、回溯已有成果、发现跨领域的关联，但 AI 也带来了新的风险，比如提示词的微小变化就可能导致截然不同的结果，模型可能在不标注来源的情况下复制他人的想法，或者直接产生幻觉。由于很多模型倾向于给出讨好用户的回答，科学家可能会高估 AI 生成洞察的新颖性和正确性。

有效的人机协作需要建立在「共同基础」之上，也就是双方对任务的共同理解。人类对话中我们会不断通过澄清、确认和追问来校准理解，但目前的 AI 系统往往跳过这些步骤，直接假设自己理解了你的意思就开始输出。微软研究院开发的 CollabLLM 系统尝试让 AI 主动提出澄清性问题，结果任务表现和交互质量都有了明显提升。

信任同样是协作的关键。如果 AI 不理解你的真实目标，用它可能比不用还糟糕。但人们又经常高估 AI 的能力，导致在不该依赖它的时候依赖了它。

所有这些都指向同一个结论：未来真正有竞争力的人和组织，一定是那些既善于利用 AI、又保持了独立判断力的。AI 可以帮你做得更多、做得更快，但「做什么」和「什么算好」这两个最核心的判断，始终需要你自己来做。

八、未来不是注定的，取决于我们今天的选择

报告的结尾写得很克制，但也很有力量：生成式 AI 不会在某个遥远的未来才到来，它正在此刻重塑工作。未来不是注定的，它将由我们今天做出的选择来塑造。

这些选择发生在每一个层面。个人层面，你选择学习和使用 AI，还是回避它。团队层面，你们建立什么样的 AI 使用规范和文化。组织层面，企业如何设计 AI 系统、如何培训员工、如何确保 AI 扩大机会而非加深分化。

报告特别强调了一点：那些把 AI 当作协作伙伴来对待、同时持续投资于人的判断力、批判性思维和负责任监督的组织，才是真正从 AI 中获益最大的。

说到底，AI 是一个放大器。它放大效率，也放大差距。它放大能力，也放大偏见。它放大机遇，也放大风险。最终决定它放大什么的，是使用它的人。

这份报告最有价值的地方，可能就在于它没有给出一个简单的乐观或悲观的结论，而是用扎实的研究告诉我们：机遇和风险并存，而主动权在我们手里。

原文地址：https://www.microsoft.com/en-us/research/blog/new-future-of-work-ai-is-driving-rapid-change-uneven-benefits/

给大家说件事，从今年开始我星球里会录制各种视频教程，到目前为止录制的视频教程就已经有 30 多期了。最近非常火的 Agent Skill 视频教程也录制了 19 期了。加入我的星球社群「AIGC·掘金成长研习社」即可获取视频链接学习。

最后，介绍一下，我的星球：「AIGC·掘金成长研习社」（可点击查看星球全面介绍），主要分享三个板块的内容：

1、副业赚钱领域的内容。我做自媒体十几年了，有很多副业赚钱方面的经验和干货，而且每周都会定期详细带大家拆解一个副业赚钱案例，持续更新的那种，目前，已经分享了上百篇跟副业赚钱相关的帖子和文章了。

2、AI 落地和实操相关的内容。我在里面也分享了很多 AI的各种玩法和落地场景，包括用 AI 做副业的案例也都有。

3、个人成长。我会分享很多我做超级个体和自由职业的一些思考和成长类的内容，目前我已经做自由职业 5 年了，有太多的感慨和内容分享。

如果你想学习如何搞副业，如何使用 AI ，甚至如何使用 AI 搞副业，那一定要加入我这个超值的星球。目前，已经更新了 1900 多条干货和文章了，加入成员 1600+。感兴趣的可以加入。

限时优惠中，原价 199 元，今天加入可以立减 30 元，只需要 169 元，优惠券仅剩 10 多个优惠名额。我认为我的星球是目前副业和 AI 领域最超值和具有性价比的星球，价格不贵，同时内容也不比几千块钱的星球差。

大家可以长按图片，查看，支持 3 天无理由退款，内容好不好，先进来看看再说，不适合自己退了也没毛病。