FrontierFirm.Fund · 洞察研究 · Product Philosophy

任务产品,
而非岗位产品

斯坦福《Future of Work with AI Agents》全解读,并据此重构 AI 办公 Agent 的能力图谱、产品设计哲学与落地范式。

上一篇《从AI工具到数字劳动力》回答的是Agent 如何越来越会工作;这一篇回答的是它究竟该在哪些工作单元上变强、人愿意让渡多少、以及企业与售前应该怎样引导这个过程。斯坦福这项研究提供了一件此前框架里缺失的量具——需求侧的意愿刻度。本文第 01–02 节完整复述其方法与全部关键数据,读完不需要再打开论文;第 03 节之后为作者的延伸与应用。

Job 岗位替代→ Task 任务重构→ Work Unit 工作单元再设计
Core · 内核 · 三十秒读完全篇
AI 不替代岗位,它重构工作单元。
审计什么
任务,不是职位名称
把 104 个职业拆成 844 项任务,分别问 1,500 名从业者「你想让 AI 接手哪些」与 52 位 AI 专家「AI 现在能做哪些」。自下而上的任务审计,取代自上而下的岗位预测。
发现了什么
意愿与能力几乎不相关
员工意愿与专家评估的技术可行性之间,Spearman ρ = 0.17。两者近乎正交——只跟着能力做路线图,命中真实需求基本靠运气。
怎么用起来
WORKSKILLSBANK 能力图谱
把任务清单与 Agent 的 Skill 资产对齐,为每条 Skill 标注意愿、能力、验证方式、融合依赖与授权要求——这是任务产品的物料清单。
L1 两条边界,取小者为准——供给侧是委派阶梯 Task → Workflow → Work → Role(Agent 能承担多大的完整单位);需求侧是 HAS H1–H5(人愿意让渡到哪一级)。真实委派边界 = min(能力上限, 意愿上限)。研究显示 47.5% 的任务上员工要求的人类参与高于专家认为技术上必要的——那段差距就是沉没能力。
L2 ΔHAS 是 Trust 唯一可观测的代理——同一批员工、同一项任务,使用三个月后愿意让渡的层级是否上移。论文中「对 AI 准确性与可靠性缺乏信任」占全部负面情绪的 45.0%,是第一大阻力;而 Trust 正是 Delegation 展开式里此前无法度量的那一项。
L3 意愿与能力的错配,是产品路线图的天然排序器——员工想要但技术不行的(研发机会区)是投入方向;技术可行但员工不想的(红灯区)是治理与信任问题,不是技术问题。研究发现 41.0% 的 YC 公司—任务映射落在低优先区与红灯区,资本正在做错误的事。
员工的意愿不能单独作为选择依据。论文明确指出:员工想要自动化的是低价值、重复性的任务(46.1% 的任务获得正面意愿),主要动机是「腾出时间做高价值工作」(69.38%)。而甜点区要求的是 τ < d < c 的有难度、有经验含量的工作。意愿高 × 价值低会带来漂亮的采纳率和贫瘠的 ROI。
产品即数据采集器。论文对比 Claude.ai 使用数据发现:意愿最高的十个职业仅占总使用量的 1.26%——现有产品都在追同一批早期采用者。拥有真实任务日志的办公 Agent,是构建本地任务库最自然的采集装置,而这份资产对手买不到。
For Product & Pre-Sales · 对产品与售前
从卖「助手」,改为卖「任务」。
任务粒度交付HAS 分级授权Skill 即产品单元岗位再设计

岗位产品的心智是「我给你一个万能助手,你自己想用它干什么」——这把选择成本、验证成本与失败责任全部推给了客户。任务产品的心智是「我交付第 N 号任务,它的成功标准是这个,它现在做到 H2 级,人保留终审」。前者的验收是感受,后者的验收是判据。

产品侧今年就能做
  1. 把套件从「按领域切」改为「按岗位任务束切」
  2. 每条 Skill 挂载 HAS 默认级别与可调范围
  3. 任务完成后采集四档采纳度回执与 HAS 自评
售前要问的一件事

「这个岗位每天做的十件事里,你最想交出去哪三件、最不想交出去哪三件?」——这一问同时拿到意愿分布与场景清单,比任何功能演示都更快定位落点。

一处必须先说清的区分:反对的是「以岗位为产品原子」,不是反对「按岗位组织」。任务是产品单位与验收单位,岗位是打包单位与销售单位——一个岗位的十几项任务里既有可全权交出的,也有必须人来做的,颗粒度只能落在任务。

工作单元在被重构,岗位在被重新组装——不是被删除。
00Study at a Glance

研究速览 · 数据口径先说清

引用一项研究之前,先确认它测了什么、没测什么。以下全部为论文原始口径。

项目内容
论文Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce,arXiv:2506.06576(v1 于 2025 年 6 月,v3 于 2026 年 2 月修订)
作者Yijia Shao、Humishka Zope(共同第一作者)、Yucheng Jiang、Jiaxin Pei、David Nguyen、Erik Brynjolfsson、Diyi Yang —— 斯坦福大学(SALT Lab 与 Digital Economy Lab)
采集期2025 年 1 月至 5 月
任务来源美国劳工部 O*NET 数据库;筛选「可用计算机完成、且至少每月执行一次」的复杂多步骤任务,过滤后剩 2,131 项任务 / 287 个职业
员工样本经 Prolific、Upwork、LinkedIn 招募 1,678 人,提供 7,016 条任务评分;按「每职业 ≥10 人」过滤后得 1,500 人 / 104 职业 / 844 任务
专家样本52 位 AI 专家(有 Agent 研发经验的博士研究者与业界实践者);每项任务至少 2 人独立评估,标准差 ≤1
信度Krippendorff's α:能力评估 0.539,可行 HAS 评估 0.511
代表性与美国劳工统计局(BLS)行业分布对照,行业层面覆盖广泛且具代表性
AI Agent 定义「能自主设计工作流、调用可用软件工具,代表用户或另一系统完成任务的系统或程序,不具备执行物理动作的能力」——不含机器人
四个核心测量量 ───────────────────────────────────────────── Aw(t) 员工对任务 t 的自动化意愿 1–5 Likert Hw(t) 员工期望的 HAS 级别 H1–H5 Ae(t) 专家评估的当前自动化能力 1–5 Likert He(t) 专家评估的技术可行 HAS 级别 H1–H5 Aw × Ae → 四区间(意愿-能力景观) Hw × He → HAS 光谱与分歧度(JSD)
Source · 一手来源 论文原文与数据:arxiv.org/abs/2506.06576 · 项目主页与数据集:futureofwork.saltlab.stanford.edu
本文第 00–02 节为论文内容的复述与整理,第 03 节起为作者延伸,不代表原研究观点。
01The Framework

审计框架与 人类能动性量表

这项研究方法论上的价值,大于它任何一条具体结论。

过去关于「AI 会取代多少工作」的推演,几乎全部建立在职业标签之上。论文指出这条路径的两个问题:其一,先前研究多集中在软件工程与客户支持等少数领域,无法覆盖真实工作的多样性;其二,多数研究只从资本视角出发,偏向编程这类更易变现的任务,没有充分纳入劳动者的价值判断。此外,依赖既有使用数据(如聊天机器人日志)的做法,无法给出前瞻性评估。

1.1三个设计选择

Design 01
音频增强的迷你访谈

调查以五个开放式问题的语音访谈开场,让参与者自然地回忆并说明自己的工作,再据此校准评分——比打字更快进入真实经验语境。

Design 02
任务熟悉度过滤

参与者只收到与本职业相关的任务,且必须先确认「我确实做过这件事」才能评分,确保判断来自真实经验而非猜测。

Design 03
引导性考量

评分前引导参与者考虑既有文献指出的因素:工作乐趣与失业担忧(针对意愿),以及物理动作、领域专长、不确定性、人际因素(针对 HAS)。

访谈的五个问题(原文)

A1 能否简要描述你的工作? A2 你日常通常做哪些任务?请按投入时间考虑 A3 完成这些任务用到哪些工具或软件?请按使用频率排序 A4 对你耗时最多的三项任务,能否逐一说明你的完成过程? A5 你如何设想在日常工作中使用 AI?

两道核心 Likert 题(原文)

自动化意愿 Aw(t)

「如果一个 AI 系统能完全替你完成这项任务,你有多希望它这么做?」

1 完全不想 · 2 有一点 · 3 中等 · 4 很想 · 5 完全交给它

期望 HAS 级别 Hw(t)

「如果 AI 系统协助这项任务,你与它之间需要多少协作才能有效完成?」

1 无需协作(H1) · 2 有限协作(H2) · 3 中等协作(H3) · 4 相当程度协作(H4) · 5 必须持续协作(H5)

1.2HAS 五级:原文定义

HAS 是这项研究最可迁移的构件。论文明确指出,它对标但不同于 SAE 自动驾驶 L0–L5:后者是「AI 优先」视角,HAS 则是以人为中心的刻度,用来量化任务完成与质量所需的人类参与程度。

级别原文定义适用路线
H1AI 智能体完全独立完成任务自动化
H2AI 需要极少量人类输入即可达到最佳表现自动化
H3AI 与人形成平等伙伴关系,其表现优于任何一方单独工作增强
H4AI 需要人类输入才能成功完成任务增强
H5没有持续的人类参与,AI 无法运作增强
Key Caveat · 论文特别强调

更高的 HAS 级别并非天然更好——不同级别适配不同的 AI 角色。H1 场景应当开发完全自主的智能体;而 H3 场景的智能体必须支持与人类协作者之间有意义的协调与沟通。

这一条对产品设计的含义非常直接:把「全自动」当成产品的高级形态来打磨,方向是错的。真正的高级形态是可调节的介入深度——同一条 Skill,在不同企业、不同岗位、不同信任阶段,应允许运行在不同的 HAS 级别上。

02Findings in Full

核心发现全录:四组结果

本节尽量保留原始数字与原文措辞,读完不需要再回去查表。

2.1员工想要什么

论文的判断是:AI 智能体可以扮演支持性角色,让工作者卸下低价值或繁重的任务,而不是在零和关系里充当替代者。

2.2现有使用量并不反映真实需求

研究把结果与 Anthropic 公布的 Claude.ai 使用数据(2024 年 12 月至 2025 年 1 月)做了对照,得到本文认为对产业界最有价值的一个数字:

The 1.26% Gap

自动化意愿最高的前 10 个职业,在 Claude.ai 的总使用量中只占 1.26%。

论文对此的解释是:现有使用模式可能偏向早期采用者或特定职业类型,而非反映更广泛的真实需求;使用数据会滞后于工作场所的实际需要。作为背景,论文还引用了两项外部数据:约 80% 的美国劳动者可能有至少 10% 的任务受 LLM 影响,其中 19% 可能超过一半受影响;以及 2025 年初,36% 的职业中已有部分工作者用 AI 处理至少 25% 的任务。

2.3员工在哪里抵触

研究用 LLM 主题建模分析语音回答,发现在回答「你如何设想在日常工作中使用 AI」时,28.0% 的参与者表达了恐惧、担忧或负面情绪。这些人的三大担忧是:

45.0%
不信任 AI 的准确性、能力或可靠性

第一大阻力,且远高于其余两项之和的一半。这是可靠性问题,可以被产品改善。

23.0%
担心工作被替代

叙事与沟通问题。这解释了为什么「降本替代」的开场话术会激活阻力。

16.3%
AI 缺乏人类特质与能力

具体表现为:担心失去工作中的「人的温度」、创作控制权被削弱、以及希望在决策中保有能动性。

行业差异极大。「艺术、设计与媒体」行业只有 17.1% 的任务获得正面意愿评分,是全样本最低。该行业的语音回答呈现出一种精确的反对:受访者欢迎 AI 优化工作流、减少重复与繁琐,但明确拒绝其介入内容创作本身——「我绝不会用 AI 去取代艺术家」「研究我用 AI,设计我自己做」。

Correlation · 两个被低估的系数

自动化意愿与失业担忧负相关(Spearman ρ = −0.22),与工作乐趣负相关(ρ = −0.28)。后者的绝对值更大——也就是说,人们更不愿意交出「自己喜欢做的事」,甚于不愿交出「怕丢工作的事」。这条对话术设计的含义是直接的:用「帮你保住岗位」去说服,不如用「帮你腾出时间做你喜欢的部分」。

2.4四区间:意愿与能力几乎不相关

把员工意愿 Aw(t) 与专家评估的技术可行性 Ae(t) 交叉,得到「意愿—能力景观」,划分为四个区间:

图 1 · 意愿 × 可行 四区间与团队分工
AUTOMATION GREEN LIGHT · 绿灯区 高意愿 × 高能力 原文:AI 智能体部署的首选候选,有望带来 广泛的生产力与社会收益 责任方:交付团队 · 直接进 POC 与 Skill 化 注:仍需另过甜点区与价值密度检验 R&D OPPORTUNITY · 研发机会区 高意愿 × 当前低能力 原文:AI 研发有前景的方向 责任方:产品与模型团队 论文数据:arXiv 论文映射更集中于此区, 但高度局限在计算机与工程领域 AUTOMATION RED LIGHT · 红灯区 高能力 × 低意愿 原文:部署需谨慎,可能遭遇员工抵制或 带来更广泛的负面社会影响 责任方:Control Plane 与组织设计 强推的代价:反馈率归零、影子绕过 LOW PRIORITY · 低优先区 低意愿 × 低能力 原文:对 AI 智能体开发而言不那么紧迫 责任方:无 · 定期重评即可 技术可行性 Ae(t) → 员工意愿 Aw(t) ↑ 低 高 Aw 与 Ae 的 Spearman ρ = 0.17 —— 两个维度近乎正交,任务在四区间中广泛分布
区间定义与描述 · 引自论文 §3.2。责任方映射 · 为本文延伸,非原研究内容。ρ = 0.17 · 论文原始统计(p < 1e-6)。

ρ = 0.17 是全篇最重要的一个数字。它意味着「技术能做的」与「人想要的」是两个近乎正交的维度——一个只跟着模型能力排路线图的产品团队,命中真实需求基本靠运气。这也正是需要一把需求侧尺子的全部理由。

2.5投资在哪里错配

研究以 Y Combinator 公司作为投资方向的代理,用 gpt-4.1-mini 把公司描述映射到任务上;同时对 arXiv 上的 AI Agent 论文做了同样的映射。结论相当直接:

观测发现
YC 投资分布41.0% 的公司—任务映射落在低优先区与红灯区;各区间的平均公司数无显著差异——也就是说,资本并未向绿灯区与研发机会区倾斜
YC 集中的职业前五位全部是软件与商业分析:计算机与信息系统经理、计算机程序员、计算机系统工程师/架构师、软件质量保证分析师与测试员、商业智能分析师
学术研究分布论文—任务映射更集中于研发机会区(相对乐观的信号),但同样高度局限在计算机科学与工程领域
研究最密集的三项任务计算机与信息研究科学家「运用理论专长创造或应用新技术」1,169 篇;同职业「分析问题以开发涉及软硬件的解决方案」1,132 篇;计算机程序员「修订、修复或扩展现有程序」1,109 篇
论文的结论是:绿灯区与研发机会区中大量有价值的任务,至今没有被现有投资充分覆盖。把这句话与 1.26% 那个数字放在一起读——整个行业都在少数几类任务上过度拥挤。

2.6HAS 光谱:员工与专家的系统性分歧

光谱两端的职业

位置职业说明
专家评 H1 主导104 个职业中有 16 个,包括计算机程序员、校对与文稿人员、旅行社代理按当前能力估计即可高度自动化,AI 暴露度最高
员工期望 H5「编辑」是唯一一个员工主导期望 H5 的职业必须有持续的人类参与
专家评 H5只有数学家与航空航天工程师技术上确实离不开人
同行业内的分化计算机程序员 vs 信息技术项目经理 = H1 vs H4同一行业内部差异极大,按行业做产品切分会失真

论文还与 Eloundou 等(2023)做了对照:后者发现高薪职业暴露度更高;而本研究显示,真正决定 HAS 高低的不是薪资,而是任务是否例行、结果是否易于验证——越例行、越易验证的任务,所需人类能动性越低。这一条与《Evolution × Delegation》框架中「可验证性」的判据完全同向。

H5 任务的共同特征

员工评分强调人际沟通是 H5 任务的决定性特征;专家评分则同时强调人际沟通与领域专长两项。

员工设想的协作形态

23.1%
「角色化」AI 支持

最常见的范式。设想 AI 承担特定角色或个性化职能——例如「训练它自动分析原始测序数据的质控报告,标记问题样本并建议预处理步骤」。有受访者直白地说:「就是让我来配置我自己的 AI。」

23.0%
支持型助手

为部分或全部工作流提供辅助——「我把它当作替我做研究的助手,但每个答案我都会复核,因为不能依赖它的准确性。」

16.5%
纯自动化

仅在工作流的某些环节上希望完全交出去。是三种范式中占比最低的一种。

2.7核心技能的迁移

研究把每项任务映射到 O*NET 的通用工作活动(Generalized Work Activities),再分别计算每项技能的平均薪资(BLS 2024 年 5 月数据,作为当前经济价值的代理)与平均所需人类能动性,对比两个排序,得到三条趋势:

信息处理类技能的需求在收缩

「分析数据」「更新知识」这类技能在当今高薪职业中很常见,但在高人类能动性的任务中不再突出。

人际与组织类技能的权重在上升

涉及人际互动、协调、资源监控的技能,更频繁地与高 HAS 任务关联——尽管它们在当前以薪资衡量的体系里并未被优先重视。

高能动性技能的构成更分散

所需人类能动性最高的前 10 项技能横跨很广:从人际与组织能力,到决策判断与质量评判。这意味着对个体的技能广度要求在提高。

2.8论文自陈的五条局限

这一节值得完整保留——引用一项研究时,它的边界与它的结论同等重要。

  1. 任务集是静态的。基于 O*NET 既有任务,未涵盖 AI 融入后可能涌现的新任务。
  2. 员工可能对 AI 能力认知不足。尽管引导了反思,受访者仍可能不完全了解智能体的能力边界,从而影响评分。
  3. 激励层面的偏差:部分员工可能出于对工作安全或被监控的担忧,而保留真实反馈。论文明确承认这是真实存在的问题,并将这种抵触本身视为指导负责任部署的关键输入。
  4. 覆盖不完整。104 个职业只是 O*NET 中 287 个使用计算机的职业的子集。
  5. 时效性。数据反映的是 2025 年初生成式 AI 与智能体系统的状态,随能力演进,可行与可欲的任务版图都会移动。
第 3 条应当被所有打算照此方法在企业内做任务盘点的人反复阅读:当员工知道管理层会看到这份自评时,答案会向「配合」的方向漂移。这与反馈信号采集面临的是同一个问题——匿名聚合、结果不入个人绩效,是这类测量的必要前提。
03The Interface

接口:绿灯区不等于甜点区

以下为作者延伸。两把尺子测的是不同的东西,合起来才构成选择依据。

《Evolution × Delegation 产业框架》里的高价值工作有一组严格判据:难度落在 τ < d < c 之间、结果可验证、可低成本探索、有明确业务价值、且高频。斯坦福的绿灯区判据只有两条:员工想要、技术可行。

这两组判据的交集才是真正该先做的工作,而它们的差集正是最容易出问题的地方:

组合典型任务会发生什么处理方式
绿灯 ∩ 甜点区报价方案生成、投标信息比对、经营分析初稿采纳率与价值同时成立,是真正的灯塔场景优先立项
绿灯 ∖ 甜点区数据录入、文件改名、格式转换采纳率很高,ROI 很薄。论文自己写明:员工想要自动化的是低价值与重复性任务做,但只作为入口,不作为项目主体
甜点区 ∖ 绿灯绩效评估初审、客户异议处理、跨部门协调价值高但员工不愿让渡(尤其若属于他们享受的部分,ρ = −0.28)降到 H3–H4 运行,先做协作不做替代
研发机会区需要跨系统结果字段的闭环任务意愿存在,能力缺口明确进产品路线图,不进本期方案
红灯区涉及人事判断、对外承诺、不可撤回动作技术可行但组织不许,硬推必出事故交 Control Plane,不交模型团队
Caution · 最容易被误用的一处

46.1% 这个数字很容易被当作「市场需求已被验证」来引用——但配合论文自己的解释读,它同时意味着:员工最想交出去的,正是价值密度最低的那一档(重复、繁琐、有压力)。如果产品路线完全跟随意愿,会得到一个采纳率漂亮、续约困难的产品。意愿是准入条件,不是选择依据。

3.1双边界:委派阶梯 × HAS

这是两套框架最有价值的合成点。委派阶梯(Task → Workflow → Work → Role)刻画的是Agent 能承担多大的完整单位,是供给侧;HAS(H1–H5)刻画的是人愿意让渡到什么程度,是需求侧。此前我的框架只有供给侧,因此把「委派受阻」几乎全部归因于可靠性与治理——遗漏了最普遍的一种:人根本不想给。

论文提供了这条缺口的量化证据:47.5% 的任务上,员工要求的人类参与高于专家认为技术上必要的水平;且分歧在低 HAS 区间最尖锐。这段差距不会自动消失,它需要被产品与治理主动收窄。

图 2 · 双边界模型:真实委派 = min(能力上限, 意愿上限)
能力上限 · 委派阶梯(供给侧) 意愿上限 · HAS(需求侧) 实际可委派区间 ↕ 沉没能力:做出来但用不上 Role Work Workflow Task 部署第 0 月 第 12 月 收窄手段不是继续做功能,而是可解释性、可回滚性与授权分级
模型 · 为本文延伸,非原研究内容。依据 · 论文数据显示 47.5% 的任务上员工期望的人类参与高于专家评估的技术必要水平,且低 HAS 区间分歧最大。说明 · 曲线为示意,非实测数据。
04WORKSKILLSBANK

能力图谱:从任务清单到 Skill 物料清单

WORKBank 记录的是「人想要什么、AI 能做什么」;WORKSKILLSBANK 要记录的是「这条 Skill 究竟是什么、怎么算做对了、能不能被治理」。

今天几乎所有办公 Agent 的技能库,存的都是一段提示词加一组工具调用。这样的 Skill 无法被评估、无法被比较、无法被治理,也无法证明它在变好。要成为能力图谱,每条 Skill 必须携带足够的结构化元数据。

字段含义为什么必须
task_ref对应的标准任务编号与职业族没有分桶,「同类任务上的改善」无法度量
delegation_unitTask / Workflow / Work / Role决定验收口径与所需授权层级
has_default默认运行的能动性级别论文明示更高 HAS 并非更好——产品的高级形态是可调介入深度,不是全自动
has_range允许调节的范围同一 Skill 在不同客户、不同阶段应可运行在不同级别
has_observed实际使用中员工选择的级别分布ΔHAS 的原始数据,Trust 的可观测代理
success_rubric可判定的成功标准(自动项 + 人评项)Evals 的最小单位,缺它则进化无法证伪
feedback_channel反馈从哪来:采纳度回执 / 共写 diff / 结果字段决定这条 Skill 能否进入学习回路
fusion_deps依赖的系统、数据源与触发事件场景融合三类的具体化,也是实施工作量的来源
control_reqs所需权限、审计粒度、确认策略Control Plane 的挂载点,风控评审的依据
adoption_dist四档采纳度分布随版本变化Learning Velocity 在 Skill 层面的可测形式
version / author版本链与贡献者署名资产归属与激励设计的基础
reuse_span被多少个 task_ref 复用跨任务迁移的最小观测量,Experience Moat 的证据
一条没有 success_rubric 和 feedback_channel 的 Skill,无论写得多好,都只是一段自动化脚本。它可以提高效率,但它不会变强——两者的区别,就是工具与数字劳动力的区别。

4.1三层组织方式

Layer 1 · 任务层
Task Atlas

标准任务集合,含意愿分布、可行性评估、区间归属。这一层可以借鉴公开研究的方法论,但需要本地化重建。

Layer 2 · 技能层
Skill Registry

Skill 与任务的多对多映射,携带上表十二个字段。这是产品的核心资产层,也是企业能带走的东西。

Layer 3 · 岗位层
Role Bundle

把若干 Skill 按岗位打包成「任务束」,作为销售与交付的容器。岗位是打包单位,不是产品原子——任务束必须以显式任务列表呈现,客户要能看到覆盖了哪几项、没覆盖哪几项。

Localization · 一处必须自建

斯坦福的任务集来自美国劳工部 O*NET,职业结构、协作方式与授权文化都与国内不同——中国办公场景里大量高频任务(微信群协同、多层级审批、关系型销售跟进、政企材料合规)在 O*NET 体系里没有对应条目。照搬 844 项任务会漏掉最有价值的一部分。论文自己的第一条局限也指出:其任务集不涵盖 AI 融入后涌现的新任务。正确做法是以其方法论为模板,用真实任务日志重建本地任务集。

05Product Philosophy

任务产品:七条设计原则

以 DuMate 这类桌面级办公 Agent 为具体对象——原则同样适用于同类产品。

岗位产品的心智
  • 「给你一个万能助手」
  • 验收标准是使用感受
  • 能力以功能清单呈现
  • 套件按领域切分(设计、金融)
  • 成功指标是活跃与时长
  • 失败归因困难,续约靠关系
任务产品的心智
  • 「我交付第 N 号任务」
  • 验收标准是 rubric 与采纳度
  • 能力以任务覆盖率呈现
  • 套件按岗位任务束切分(财务岗、销售岗)
  • 成功指标是任务采纳率与 ΔHAS
  • 失败可归因到具体 Skill 版本
Skill 是产品单元,不是配置项

技能库不应是「高级用户的自定义功能」,而应是产品的一级对象:有编号、有版本、有 owner、有质量分。用户看到的第一屏应该是「你的岗位有哪些任务已被覆盖」,而不是一个对话框。论文发现最常见的协作范式是「角色化 AI 支持」(23.1%)——员工设想的正是这种可配置、有specific职责的形态。

切到任务,再按岗位聚合

「设计套件」「金融套件」是能力视角;企业采购的心智是「给这个岗位配一个搭子」。论文给出了更硬的理由:同一行业内部的 HAS 差异可以极大——计算机程序员是 H1,信息技术项目经理是 H4。但同样的逻辑再往下推一层——岗位内部同样不齐,一个岗位的十几项任务里既有 H1 也有 H4。所以颗粒度必须落在任务,岗位只是聚合与销售的容器:按领域切必然失真,按岗位切也只是止损。

把 HAS 做成一个可见的档位

每条 Skill 显示当前运行级别,用户可在允许范围内调节:从「我来确认每一步」到「做完告诉我」。论文强调 H3 场景的智能体必须支持与人类协作者之间有意义的协调与沟通,而 H3 是 47/104 职业的主导期望级别——换言之,协作界面不是次要功能,它是主战场。

任务完成后必须问一句

四档采纳度回执(直接可用 / 小改 / 大改 / 弃用)加一个可选的 HAS 自评。只回传枚举值,与任何本地化与合规承诺都不冲突——但它是把「有多少 Agent 在跑」补成「跑出来的被用了多少」的唯一路径。

把修改动作留在视野内

「生成文件、交付到目录」的形态,会让人打开 Office 修改的那一刻起,产品彻底失明。本地共写画布与数据是否出本地无关,它是交互形态的选择——补上它,反馈信号与交互摩擦两个问题同时解决。

事件监听,而非只有定时

办公中大量高价值工作是被事件唤醒的:新文件落地、邮件到达、审批流转到本环节。缺少监听器,Agent 永远等在门外。这一项工程量不大,但它是「工作流融合」的入场条件。

让 Agent 写一句归因

任务被大改或弃用后,让它记录一条「我认为哪里没做对」。这是六层经验数据里唯一由 Agent 自己生成的一层,也是把数据堆积变成学习的那道闸——目前市面上没有任何一家产品做了这件事。它同时正面回应了论文中最大的阻力项:45.0% 的负面情绪来自「不信任 AI 的准确性与可靠性」,而可解释的失败归因正是重建信任最直接的手段。

5.1滑坡判据:怎么发现自己已经退回岗位产品

「按岗位打包」很容易在半年内退化成「以岗位为原子」。三条判据,任意一条失守就已经滑过去了:

维度还是任务产品已经滑成岗位产品
任务束的形态显式清单 —— 客户能看到覆盖了哪 8 项、没覆盖哪 5 项黑箱标签 —— 只说「覆盖 HR 场景」
验收落在哪单条任务的采纳度与评判标准「这个岗位的整体满意度」
销售怎么说「这 8 项现在由它做,其余仍归人」「这个岗位交给它」

第三条最危险,因为它同时踩了另一条主张——AI 重构工作单元,而非替代岗位。以岗位为销售单位讲久了,「替代整个岗位」的叙事会自己长出来,而那正是激活组织阻力的那句话。

这七条里没有一条依赖模型能力的提升。它们全部是产品结构的选择——这恰恰说明,当下办公 Agent 的差距并不主要在模型侧。
06Adoption Playbook

HAS 的三套用法:个人、组织、售前

同一把尺子,在三个层面上是三件不同的工具。

6.1个人:从最不舍得的那件事开始,反向选择

个人使用者最常见的错误,是从「AI 能做什么」开始试。正确的起点是一张自评表:把自己每天做的十件事列出来,各标一个期望 HAS 级别。可以直接沿用论文的提问方式——「如果 AI 协助这项任务,需要多少协作才能有效完成?」

一个来自论文的额外提示:意愿与「工作乐趣」的负相关(ρ = −0.28)强于与「失业担忧」的负相关(ρ = −0.22)。所以自评时可以多问自己一句——我不想交出去,是因为怕,还是因为喜欢?如果是后者,那就不该交,也不必因此感到落后。

这套自评的副产品比主产品更有价值:它让人第一次看清自己的工作构成。多数人从未把自己的岗位拆成任务看过。

6.2组织:把 HAS 分布做成一次可重复的测量

第 4 步 · 季度重测同一批人、同一份表,看 ΔHAS。级别整体下移是信任在积累;某项任务不降反升,是发生了一次糟糕的体验,需要单独归因
第 3 步 · 分级授权按测量结果设定每条 Skill 的默认 HAS 级别,而不是全公司一刀切。红灯区任务显式排除并说明原因
第 2 步 · 交叉甜点区把意愿分布与价值判据交叉,得出灯塔场景。高意愿低价值的进入口,高价值低意愿的降级到 H3 运行
第 1 步 · 任务盘点选 1–2 个部门,把岗位拆成任务,每人对每项任务标注期望 HAS。这是 Baseline,也是采集窗口——铺开之后就再也测不到原始意愿
Prerequisite · 做这件事之前必须承诺的一条

论文在局限中明确承认:部分员工可能出于对工作安全或被监控的担忧而保留真实反馈。因此在企业内做这套测量,必须先书面承诺:匿名聚合、结果不进入任何个人绩效评估。缺这一条,收上来的是表演而不是意愿——而基于表演做出的授权设计,会在第一次事故时全部失效。

Key Metric

ΔHAS —— 同一批员工、同一项任务,使用一段时间后愿意让渡的能动性级别变化量。它是目前唯一能观测「信任是否在积累」的量,也因此是 Delegation = f(Trust, …) 中 Trust 项的可行代理。

v1.3 修订 · 测量单位应当是工作空间,不是个人

本文初版把 HAS 处理成一项个人属性——每个人对每项任务标一个期望级别。这个处理有两个问题:其一,个人自评存在社会期望偏差(原研究亦在局限中承认),当员工知道管理层会看到结果时,答案会向「配合」漂移;其二,让渡在现实中本来就是集体决定——一项工作交不交给 AI,往往不是某个人能单独决定的。

更准确的做法是把 HAS 作为工作空间的属性:「这个空间里,Agent 运行在 H2」是一个可配置、可协商、可随时间上移的设定,而 ΔHAS 按空间测。空间级曲线比个人问卷更难被表演,也更贴近「集体愿不愿意」这个真实问题。个人自评仍然有用——但它的位置是诊断输入,不是考核指标。关于「工作空间」为何是这一系列问题的共同答案,见配套研究《隔舱:Native AI 办公 Agent 的权限换根》。

6.3售前:用一个问题替代一场演示

售前解决方案工程师在客户现场最有效的动作,不是演示功能,而是问一句:

「这个岗位每天做的十件事里,你最想交出去哪三件,最不想交出去哪三件?」

这一问同时拿到三样东西:场景清单(可直接做需求四分法)、意愿分布(决定默认 HAS 级别)、以及阻力位置(最不想交的那三件,就是红灯区,方案里应主动排除而非回避)。

主动把红灯区写进「范围外」,比含糊带过更能建立信任——它向客户证明你理解的是他们的工作,而不只是产品的功能表。这也与售前作战手册中的需求四分法直接对接:意愿低而技术可行的需求,应归入治理讨论,不应作为交付承诺。

还有一个反直觉的话术调整来自论文数据:不要用「帮你保住岗位」去化解焦虑(失业担忧只解释了 23.0% 的负面情绪),而要用「腾出时间做高价值工作」——这是 69.38% 的员工选择自动化的首要理由,是全样本中最强的一个动机。

07Job Redesign

重构而非替代:岗位在被重新组装

任务被抽走之后,剩下的部分不会消失,它会重新聚合。

「AI 替代岗位」的叙事之所以顽固,是因为它简单。但任务级审计给出的图景完全不同:论文中只有 16/104 个职业被专家评为 H1 主导,绝大多数职业呈倒 U 形分布——一个岗位的十几项任务里,可能有三四项进入绿灯区,两三项进入红灯区,其余留在中间。没有任何一个岗位被整体抽空。真正发生的是:剩余任务的构成变了,于是岗位的定义必须重写。

7.1岗位再设计四步

Step 01
重划职责边界

把被抽走的任务从 JD 里删掉,把新增的任务补进去——审核 Agent 产出、维护 rubric、处理异常长尾,这些是新工作而不是「顺手做的」。

Step 02
重写考核口径

如果产出翻倍而考核不变,员工没有理由配合。Agent 带来的产能提升必须计入使用者与其直属管理者的绩效,否则中层会成为最大的阻力源。

Step 03
重建协作接口

当一半的初稿由 Agent 产出,评审、交接与责任归属的流程都要改。谁签字、出错找谁、返工算谁的——这些问题不解决,扩权就永远停在原地。

Step 04
重设能力发展路径

初级岗位的传统成长路径是通过重复劳动积累手感。这条路径被压缩后,需要新的替代设计——否则三年后没有可晋升的中层。这是最少被讨论、后果最深远的一条。

7.2技能结构的位移已经有了方向

论文的第四组发现给出了岗位再设计的具体方向:信息处理类技能(分析数据、更新知识)在高能动性任务中不再突出,而人际互动、协调、资源监控类技能的权重在上升——尽管后者在当前以薪资衡量的体系里并未被优先重视。同时,高能动性技能横跨人际、组织、决策与质量判断多个维度,意味着对个体的技能广度要求在提高。

翻译成人力资源的语言:今天薪资最高的那批技能,未必是明天最稀缺的那批。这个错位窗口,正是组织提前布局培训的机会。

Long-Term Risk · 值得单独警惕

论文的判断是核心人类能力将从信息处理向人际能力迁移。这个方向是对的,但它隐含一个前提:这些能力仍有获得的途径。如果初级岗位的重复性任务被大量抽走,而组织没有设计新的养成路径,那么十年后的问题不是「人做什么」,而是「谁还会做判断」。把学徒环节自动化掉的组织,会在下一代管理者上出现断层。

08Additional Insights

补充洞察:六条延伸与两条风险

以下为本文在原研究之外的延伸判断,仅代表作者观点。

8.1六条延伸

ρ = 0.17 应当被当作产品管理的一条基本律

意愿与能力近乎正交,意味着能力驱动的路线图与需求驱动的路线图会得出几乎不相干的两份清单。绝大多数 AI 产品团队只有前者。补上后者的成本极低——一次任务盘点而已,但它决定了工程资源是投在有人要的地方还是没人要的地方。

意愿是一条可以被产品改变的曲线,不是给定条件

论文采集的是某一时点的意愿,且第一大阻力(45.0%)是「不信任可靠性」——这是产品可以改善的变量,不是固定的人性。把 HAS 当成约束条件的产品,会止步于当下的意愿;把它当成因变量的产品,会主动去移动它。这是两种截然不同的路线图。

1.26% 是一个市场机会的度量,不只是一个学术发现

意愿最高的十个职业只占 Claude.ai 使用量的 1.26%,同时 41.0% 的 YC 公司扎堆在低优先与红灯区,学术论文也高度集中在计算机领域。三个数字指向同一件事:真实需求最旺盛的地带,恰恰是竞争最少的地带。对办公 Agent 而言,这比任何赛道报告都更值得当作选品依据。

产品即数据采集器,是当下最被低估的战略资产

办公 Agent 天然掌握真实任务日志。只要加上 task_ref 分桶、采纳度回执与 HAS 自评三个字段,产品本身就是一台持续运转的任务库采集装置——它产出的是一份基于真实工作而非问卷的本地任务图谱,并且能规避论文自陈的第一条局限(静态任务集)与第五条局限(时效性)。这份资产的价值可能超过产品本身。

红灯区是商业机会,不是禁区

技术可行但员工不愿让渡的任务,缺的是信任基础设施:可解释的过程、可回滚的动作、清晰的责任归属。谁把这套基础设施做成产品能力,谁就能把红灯区转成绿灯区——而这恰恰是最难被竞品复制的一段护城河,因为它长在治理而非模型上。

双边界的收窄,最终靠的是一个中间层

本文提出「真实委派 = min(能力上限, 意愿上限)」,并把两线之间的差距称为沉没能力。收窄它的手段是可解释性、可回滚性与授权分级——但这三件事都需要一个可以承载配置与协商的边界:比个人大,才谈得上协商;比公司小,才配得准。个人太小,公司太大,而工作恰好发生在中间。见《隔舱》。

HAS 应该进入成熟度模型

此前的 M0–M6 只有能力维与场景维。加入意愿维之后,同一家企业在同一个产品上可能处于「能力 M4、意愿 M2」的状态——这解释了大量「产品明明能做,客户就是不用」的现象,也给出了对应的干预手段:不是继续做功能,是做信任。

8.2两条风险

Risk 01
自评的社会期望偏差

当员工知道管理层会看到这份 HAS 自评时,答案会向「配合」的方向漂移。论文自己在局限中承认了这一点,因此测量必须匿名聚合、结果不入个人绩效——否则拿到的是表演而非意愿。这与反馈信号面临的是同一个问题。

Risk 02
任务拆解本身会丢失东西

把工作拆成任务,便于产品化,但工作的价值往往产生在任务之间的衔接与判断上。一份销售报价的价值不在生成动作里,在对客户的理解中。过度任务化的产品会做对每一件事,而做错整件事——这也是委派单位必须向 Work 层上移的根本原因。

09Closing

结语

岗位不会被一次性替代,它会被一项一项地重新协商。

这项研究最有力的贡献,不是任何一个百分比,而是它把讨论的单位从职位名称换成了工作任务,并且第一次系统性地把「人愿不愿意」放进了同一张表里。这两件事合起来,让 AI 办公从一场关于替代的争论,变成一项可以被设计、被测量、被逐步推进的工程。

而它最刺眼的一个发现是 ρ = 0.17:我们造得出来的,和人们想要的,几乎无关。这不是技术的失败,是需求侧尺子长期缺席的结果。补上这把尺子的成本,比多训一个模型低得多。

对产品而言,这意味着交付单位应该是任务而不是助手;对企业而言,这意味着落地的第一步是盘点而不是采购;对售前而言,这意味着最有效的一句话是提问而不是演示;对个人而言,这意味着最值得关心的不是 AI 能做什么,而是自己最不愿意交出去的那三件事是什么——那大概就是你真正的能力所在。

One Line

让渡不是失去,是重新协商工作的边界。能被清楚说出「我保留什么」的人和组织,才有资格谈委派。

引用说明 · 本文第 00–02 节为对 Shao、Zope、Jiang、Pei、Nguyen、Brynjolfsson、Yang 等《Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce》(arXiv:2506.06576v3)的复述与整理,包括其方法、量表定义、全部引用数据与自陈局限;相关百分比、相关系数与职业名单均引自该论文正文。第 03 节起的双边界模型、WORKSKILLSBANK 字段设计、七条产品原则、三套 HAS 用法、岗位再设计四步及第 08 节全部内容,均为作者延伸,未经该研究验证。

局限 · 原研究数据采集于 2025 年 1–5 月的美国劳动力市场,基于 O*NET 任务体系;其意愿分布与可行性评估在中国办公场景中的适用性未经检验,直接引用其区间归属存在风险。图 1 的责任方映射与图 2 的曲线均为示意,非实测。本文未逐一复述论文附录中的任务级明细(Top/Bottom 20 任务清单、职业级 HAS 全表、JSD 排名表),需要该层级数据时请查阅原文附录 E 或项目数据集。

配套阅读 · 《从AI工具到数字劳动力:AI办公Agent 的 Evolution × Delegation 产业框架》v3.0 · 《企业落地实施手册》v2.0 · 《DuMate 售前作战手册》v1.0。