AI 就业转型（二）：哪些工作仍然离不开人

AI 就业转型 · 2/6

判断 AI 会不会取代一个职业时，人们通常计算模型能完成多少任务。更关键的问题是：这些任务被拿走以后，剩下的工作是什么？

如果剩余工作包括签署法律决定、赢得患者信任、照顾学生、维修管道，或者在结果出错时承担责任，那么人仍然是系统中不能被移除的部分。

OpenAI 的 AI 就业转型框架把这种约束称为“人类必要性”。它解释了为什么同样高度暴露于 AI，有些职业面对直接替代，有些职业更可能被重新设计。

生成文件可以交给 AI，责任不能一起转交

第一类必要性来自监管与责任。某些服务要求持证人员批准结果、代表客户，或者对后果负责。

AI 可以研究案例、起草法律文件，却不会因此成为案件代理律师。AI 可以生成庭审记录，但部分司法辖区仍要求法庭记录员认证。AI 可以整理临床资料，却不能自动取得医疗执业资格并承担诊疗责任。

这不是单纯的模型能力问题。模型变强，不会自动获得牌照、受托责任和法律责任。即使 AI 完成大部分准备工作，组织仍然需要一个明确的责任主体。

对 AI-native 公司来说，这意味着不能把人工审核当作自动化不完整留下的临时补丁。系统必须明确：什么决定必须由人作出，审核者能看到哪些证据，批准意味着什么，以及整个过程如何留痕。

第二类必要性来自关系。教学、护理、咨询、谈判和说服提供的不只是信息，信任、照护、激励和人际连接本身就是服务价值。

教师可以用 AI 生成教案、练习和反馈，但课堂仍然需要有人识别学生是否真正理解、维持注意力、处理冲突并照顾学生。护士可以自动化记录与信息整理，但床边护理仍然同时包含物理操作和人际关系。

社会偏好当然会变化，一些用户也已经接受完全由 AI 提供的交互。但“模型能够给出合格答案”，并不等于“移除人以后，客户仍以同样方式信任和评价这项服务”。

产品团队真正要判断的是：移除人以后，客户是否还愿意披露信息、接受建议、相信结果并持续使用。

第三类必要性来自现实世界的操作。水管工、理疗师、现场检查人员、安装人员和护理人员必须亲自行动。语言模型可以诊断、规划、记录和指导，但双手、现场存在以及对非结构化环境的适应仍不可缺少。

这不代表物理职业不会受 AI 影响。行政任务可能消失，经验较少的员工可以在 AI 指导下处理更复杂的问题，排班和诊断也可能改善。只是整个工作流的瓶颈会转移到现场执行。

机器人技术未来可能改变这条边界。因此，这套框架讨论的是当前技术和制度条件下的近期变化，而不是永久定义哪些工作只能由人完成。

这是最容易被忽略的区别。只要某个关键环节必须由人完成，职业就可能继续存在，但岗位数量仍然可能下降。

假设一个法律团队把研究、初稿、文件审查和日常沟通交给 AI。律师仍然需要负责代理与问责，但每名律师可以监督更多案件。如果法律服务需求没有同步增长，律所完成相同案件量所需的律师就会减少。

教学、医疗、会计和其他受监管职业都可能出现类似变化。人类必要性阻止的是彻底替代，生产率提升仍会改变人员配置比例。

所以，human-in-the-loop 不是一项就业保障策略，它只是系统架构的描述。要判断岗位数量，还必须知道人多久介入一次、每次需要多少判断，以及新增产能能否被市场需求吸收。

把 Agent 引入专业工作之前，团队应该先回答六个问题：

保留一个人工节点，并不会自动让系统变得安全。真正的目标，是把人的判断放在能够改变结果的位置，再为这项判断提供充分的上下文、清晰的界面和可追溯记录。

AI 会移除很多任务，却未必移除整个职业。能够处理好这次转型的组织，会让剩余的人类工作变得更明确、更有价值，也更可问责，而不只是把人工环节压缩到最少。

Alex Martin Richmond, The AI Jobs Transition Framework, OpenAI Economic Research, April 2026.