从“AI难民”到新职业名单：AI正在怎样改变工作？

导读：一个岗位还在，原来的任务却少了；新的AI职业不断出现，原有工作经验却未必能直接迁过去。这种变化，正是理解AI与就业关系的关键：AI改变的不只是“谁来做”，也包括“工作由哪些任务组成”。

“AI难民”是近期讨论职场变化时出现的一种说法：员工仍在原岗位，却发现部分任务已经交给系统，新的职责又不清楚。这个词目前不是正式职业概念，也没有统一定义或规模统计。它更像一种观察视角，提醒人们关注裁员数据之外的变化——岗位名称还在，工作内容可能已经变了。

三年里，AI职业从“应用”走向“细分”

国家职业分类的更新，能看出AI相关工作的边界如何逐步清晰。

2024年7月，人力资源社会保障部等部门正式发布19个新职业，“生成式人工智能系统应用员”列在其中。按照发布信息，这类工作涉及生成式人工智能系统的设计、调用、训练、优化和维护管理，并不只是熟练使用聊天机器人。

2025年5月，相关部门公布拟增加42个新工种，其中包括“生成式人工智能系统测试员”，并将其增设在“生成式人工智能系统应用员”职业之下。测试员的工作重点，是检验系统表现、发现问题。这意味着行业分工开始从“把AI用起来”延伸到“验证AI是否可靠”。

2026年9月发布的新职业、工种信息，又在“生成式人工智能系统应用员”职业下增设“智能体开发员”；同时新增独立职业“具身智能机器人应用技术员”，下设“具身智能机器人数据采集员”和“具身智能机器人训练师”两个工种。

把这条时间线连起来看，变化不只是新名字越来越多：AI工作正在从系统应用，向测试、智能体流程开发和机器人现场应用延伸。它也从软件走向硬件，从屏幕里的模型走进真实业务流程和物理环境。

“会用AI”与“能把AI接入业务”不是一回事

许多人每天都在使用生成式AI，但职业意义上的“应用”通常还包含更完整的工作链条：理解业务需求、选择和调用模型、处理数据、优化系统、部署维护，并支持实际使用。

可以把它想成把一台引擎装进一辆车：除了启动引擎，还要让它适配车辆、稳定行驶，并在发生故障时排查问题。企业真正需要的，往往是能把AI能力接到具体业务上的人。

“智能体开发员”则进一步面向流程。工作可能包括把一项业务拆成多个步骤，为不同步骤配置智能体或模型，安排数据和工具调用，并处理权限、异常和结果检查。重点不只是让模型回答问题，而是让多个环节能按照业务要求协同完成任务。

具身智能机器人应用技术员面对的是另一类现场工作。数据采集员可能通过遥操作设备示范动作、采集机器人训练所需的数据；训练师则帮助检验机器人能否完成任务，并调整训练效果。央视网报道的机器人训练场景中，操作人员会借助VR设备、机械臂等装置控制机器人进行分拣、端盘子等操作。

因此，AI相关工作的能力要求正在分化：有的岗位重视模型与数据，有的岗位重视测试与质量，有的岗位要求理解业务流程，还有的需要操作硬件并适应现场任务。学会提示词是入门方式之一，但并不能替代这些岗位所需的专业能力。

113个数字职业，不等于113种AI工作

关于“数字职业累计达到113个”的数字，容易被误读。它说的是国家职业分类中已发布、标注的数字职业数量，并非113个AI岗位，也不是从业人数。数字职业涉及多个领域，AI只是其中的一部分。2026年9月的职业信息发布中，新增的5个数字职业占当次发布新职业总数的45.5%。

职业名称和分类的价值，在于给教育培训、人才评价和求职者提供更清楚的参照。它们能帮助学习者了解行业正在形成哪些工作边界、每类工作大致需要什么能力；但职业名称本身并不等于招聘承诺，也不能说明某个岗位在每个地区都有足够需求。

工作变化可能先发生在岗位内部

MIT媒体实验室的 Project Iceberg 研究模拟了约1.51亿名美国劳动者，建立了技能与AI工具的对应分析。其指数估算，AI技术能力与部分职业任务之间的重叠，涉及约11.7%的工资价值，约合1.2万亿美元。

这个数字需要准确理解：研究衡量的是AI技术能力与工作技能的“暴露”或重叠程度，不是预测这些工作会按某个时间表消失，也不是实际裁员人数。研究页面也明确说明，指数不代表岗位替代结果或技术采用时间表。

这类研究提示我们，变化可能先出现在任务层面：一份工作中的资料整理、初步分析或标准化答复逐渐自动化，员工转而处理审核、协调、例外情况和客户沟通。具体影响会因行业、组织流程和AI应用方式而异，不能只用“AI会不会取代某职业”来判断。

学习者可以从现有工作出发

对于正在学习AI、考虑转型的人来说，比起追逐每个新职业名称，更实用的起点是盘点自己的工作：

1. 找出重复任务。记录哪些工作步骤规则清楚、经常重复，适合尝试由AI辅助。
2. 用AI完成一个真实的小任务。例如整理资料、生成初稿或归纳反馈，并检查结果是否准确、是否节省时间。
3. 补上业务知识和验证能力。能发现AI何时出错、结果是否符合实际要求，往往比单纯生成内容更重要。
4. 逐步把工具接入流程。从个人使用走向团队协作，进一步学习数据处理、工作流设计、权限和异常处理等能力。

并非每个人都需要转行成为智能体开发员或机器人训练师。对多数学习者而言，更现实的目标是先让AI帮助自己做好当前工作，再判断哪些新技能能连接到相邻岗位。岗位名称会继续变化，但能理解问题、持续学习并验证结果的人，更容易适应工作内容的变化。

---

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）