报告概述
报告是Cognizant对2023年AI与就业研究的更新，聚焦过去三年AI技术的三大突破——多模态、高级推理和智能体AI——如何加速改变工作。研究对象涵盖18,000项任务和近1,000个职业，通过暴露分数和速度分数量化AI对各类职业的影响程度。报告将劳动力市场分为快变高暴露组和慢变低暴露组，并给出了对不同行业职业的影响分析，为企业领导者适应变化提供策略指导。
报告的核心结论
AI对工作的影响比预期更广泛、更迅速
报告指出，原本预测到2032年才可能发生的变化，现在已提前六年出现。当前93%的职业可能受到AI影响，平均暴露分数比原2032年预测高出30%。仅美国就有约4.5万亿美元的劳动力价值可能从人类转移到AI。
多模态、高级推理和智能体AI是三大驱动力
过去的AI模型仅限于文本和代码生成，如今的多模态AI能理解图像、视频，高级推理模型可处理复杂逻辑，智能体AI能自主执行工作流。这三项能力共同使AI从辅助工具升级为可协同工作的执行者，导致许多原先被认为安全的职业暴露度急剧上升。
管理、金融和行政支持类职业面临最快变化
商业与金融运营、管理和办公行政支持类职业的平均暴露分数从2023年的14%–21%跳升至目前的60%–68%，速度分数达11–14，远高于平均水平。智能体AI能够自主调度资源、协调项目、生成报告，使这些高度依赖协调和决策的岗位受到显著影响。
体能劳动类职业也开始被AI渗透
过去认为纯体力工作受AI影响较小，但如今因多模态和可穿戴设备的发展，建筑、运输、生产等领域的AI暴露分数显著上升。例如建筑工人借助AI增强眼镜解读蓝图，运输检查员可使用AI进行安全审查。这些变化三年前几乎不可想象。
组织需要构建适应性运营模式和实时学习机制
报告强调，企业必须从传统缓慢的规划周期转向模块化、灵活治理的运营弹性，并建立即时响应的技能培训体系。当新技术出现时，工人应能立即获得针对性微调培训，而非等待漫长的课程设计。
报告回答的关键问题
AI会取代哪些工作岗位？
报告未给出简单的取代清单，而是通过暴露分数和速度分数衡量影响。目前最受影响的是管理、金融、办公行政支持等知识密集型职业，暴露分数达60%以上。但影响形式多为“辅助”而非“完全取代”，例如智能体AI可自动生成财务报告、协调资源，但最终决策和问责仍需人类。
体力劳动者会受到AI影响吗？
是的，但程度不同。建筑、运输、生产等体力劳动职业的暴露分数从2023年的4%–6%上升至12%–25%，虽然仍低于平均水平。AI正通过多模态识别和可穿戴设备辅助蓝领工作，如检查缺陷、解读蓝图、规划路线。但诸如亲手修复、护理等需实时适应和同理心的任务仍难自动化。
企业如何应对AI带来的工作变化？
报告建议企业采取四大行动：将AI扩展到物理和运营层；转向更适应性运营模型（模块化系统、灵活资金流）；帮助员工同步适应系统变化；建立能吸收能力冲击的培训体系。关键是使学习和研发速度与AI迭代速度匹配，实现持续校准。
AI对特定行业（如医疗、法律）的影响有何不同？
医疗、法律、教育等专业服务领域正快速进入AI轨道。例如律师的暴露分数从9%飙升至63%，AI可分析案件结果、辅助合同谈判。但这类行业仍受法规、伦理、同理心等约束，实际采纳可能慢于理论暴露度。医生和教师的核心人文价值难以替代，但行政和诊断任务将大幅自动化。
报告中的代表性数据
可能受AI影响的职业比例
2026年，报告更新研究显示，当前93%的职业可能以某种方式受到AI影响，相比3年前预测的90%有所上升，且提前6年达到此水平。
美国劳动力向AI转移的经济价值
理论估算，基于2026年数据，基于美国劳工统计局就业人数和职业中位年薪，结合暴露分数计算的理论最大值，表示劳动力从人类转移到AI的总经济价值。
完全可自动化的任务比例
2026年，报告评估18,000项任务后发现，10%的任务可被AI完全自动化，三年前仅为1%，且接近2032年12%的预测。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 22个职业族群的详细暴露分数和速度分数散点图，直观展示各组受影响程度和变化速度。
- 对三大AI进步（多模态、高级推理、智能体AI）的技术解释及其对具体任务类别的赋能示例。
- 六大职业分组（如快变高暴露组、专科行业组、体力劳动组等）的深度案例分析，包括医生、教师、律师、CEO等典型岗位的分数变化。
- 暴露分数与速度分数的计算方法与说明，包括5级任务可自动化量表、理论最大值假设及不考虑的外部因素。
- 企业行动指南：四个关键思维转变（考虑AI进入物理运营层、适应型运营模型、同步人员适应、实时技能系统），附具体落地建议。
- 对政策制定者和教育机构的启示，指出监管框架与培训系统需加速适应技术变化。
- 研究方法论详细描述：基于O*NET数据库、18,000项任务重新评估，以及AI模型初判加人工复核的流程。
- 版权信息、研究人员名单及Cognizant全球联系方式。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
