任务效率提高，究竟会减少工时、扩大业务，还是重新分工？

本篇最关键的解释是把三块事实拧在一起：现场研究证明效率提升真实但分布偏向低经验者2025-05-31客服每小时解决问题数的平均提升（正式论文报告）为15%，两条采用率线索证明扩散在进行但仍属少数2025-11-30美国受访劳动者工作中使用生成式AI的比例约为41%2025-12-31美国企业AI采用率约为18%，而联合经营数据缺失。三者共同支持一个有条件的传导——只要扩散继续而需求不扩张，压力会先落在岗位结构和新人晋升通道上，而不是总就业；一旦业务量随服务质量改善而放大，同样的效率收益就会被新增流量消化。事实之间没

持续问题 · 证据仍有缺口；数据日期逐项标注。

返回研究主题

现在能确认什么

美国受访劳动者工作中使用生成式AI的比例约：41%（2025-11-30） → 33%（2024-08-31）。判断维持

客服现场研究样本（正式论文报告）：5172人 · 2025-05-31 来源 · 历史记录或待核对新发布

客服每小时解决问题数的平均提升（正式论文报告）：15% · 2025-05-31 来源 · 历史记录或待核对新发布

美国企业AI采用率约：18% · 2025-12-31 来源 · 历史记录或待核对新发布

美国受访劳动者工作中使用生成式AI的比例约：33% · 2024-08-31 来源 · 历史记录或待核对新发布

美国受访劳动者工作中使用生成式AI的比例约：41% · 2025-11-30 来源 · 历史记录或待核对新发布

按各自来源时期展示；历史研究样本和已公告费率不代表今天的实际结果。

把职业风险判断从模型能力转向持续采用、合格产出、业务量和用工的共同变化。

这条问题的研究记录

任务变快之后，岗位去哪儿 · 2026-09-26

最值得继续观察的信号

同类任务采用AI后，合格产出、业务量、招聘和工时是否一起变化；需求相近而工时持续减少，才加强替代解释。