AI该接手什么工作?这张图告诉你四种象限的自动化优先级
作者：微信文章2025年1月到5月间，斯坦福大学的研究团队完成了一项研究任务，这项研究名为 “Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce”，由 Erik Brynjolfsson 和 Yijia Shao 领衔，调查了 1,500 位美国家庭员工和 52 位 AI 专家，涵盖 104 个职业中的 844 项任务。
下图是研究团队构建的“需求-能力“矩阵（Desire–Capability Landscape），团队把每一项任务画在一个“坐标图”上，这个图是由两条轴组成的：
• 横轴（X轴）：是AI专家评估的“技术可行性”（Ae），分数越高代表越容易被AI完成。
• 纵轴（Y轴）：是员工自己对“希望AI来做这项任务”的意愿（Aw），分数越高代表越希望AI帮忙完成。
当你把844项任务都放到这个图上，就能清楚看出哪些任务最适合优先自动化、哪些还需要技术突破、又有哪些员工不太愿意让AI来做。
先说结论
• 用户意愿强 + 技术能力强 = 最快商用突破口（绿灯区）
• 用户意愿强 + 技术能力弱 = 研发前沿热点（机会区）
• 技术能力强 + 用户抗拒 = 推广风险高（红灯区）
• 用户意愿低 + 技术能力弱 = 当前不考虑（低优先区）
这个图被分成了四个区域：
1. 自动化“绿灯区”Automation “Green Light” Zone
定义： 员工想自动化，且AI技术已经足够成熟，适合马上部署。
代表任务：
• 税务准备员（Tax Preparers）：安排客户预约。
动机： 安排会议是重复性流程，员工希望节省时间。
技术： 已可用的日程规划AI工具，如日历整合、自动应答Bot。
• 系统质量控制经理（Quality Control System Managers）：定期检查质量控制数据。
动机： 数据冗长、人工检阅负担大，员工希望交由系统处理。
技术： BI工具+LLM分析（如Power BI + GPT），自动摘要与异常提示。
• 机械工程师（Mechanical Engineers）：阅读和解读工程报告。
动机： 信息量大，需理解多页技术文档，工作重复。
技术： GPT-4、Claude等多模态文档分析模型已能准确提炼报告要点。
• 市政书记员（Court, Municipal Clerks）：准备会议议程。
动机： 属于模板式的文书任务。
技术： 自动文档撰写与摘要生成，如Notion AI、Jasper等。
2. 自动化“红灯区”Automation “Red Light” Zone
定义： 虽然AI技术可实现，但员工抗拒自动化，多因担忧被取代或任务涉及专业判断。
代表任务：
• 计算机网络支持专家（Computer Network Support Specialists）：研究硬件或软件产品。
抵触原因： 属于高度专业化技术领域，专家不愿失去技术主动性。
技术： 可使用增强搜索生成（RAG）和Copilot for IT实现半自动支持。
• 物流分析师（Logistics Analysts）：联系供应商确定材料可用性。
抵触原因： 含大量非结构化沟通与临场判断，不易完全信任AI。
技术： 多轮对话Agent可代为处理初步沟通和资料收集，但人类需把关。
3. 研发机会区 R&D Opportunity Zone
定义： 员工强烈希望自动化，但现阶段AI技术尚未成熟或无法通用化。
代表任务：
• 视频游戏设计师（Video Game Designers）：创建制作排程、原型目标、协调生产事项。
动机： 繁琐协调非创意核心，渴望把精力留给设计本身。
挑战： 任任务碎片化、跨部门沟通复杂，难以标准化。
研发方向： 可研发整合任务管理+生成式原型工具（结合Unity与LLM）。
• 技术文案撰写者（Technical Writers）：安排资料的分发。
动机： 分发任务重复繁琐，无创意需求。
挑战： 文档格式、平台分发差异大，流程不统一。
研发方向： 多格式文档识别与一键发布的AI中控平台。
• 计算机科学家（Computer Scientists）：批准、准备、监控并调整营运预算。
动机： 不想花大量时间在行政琐事上。
挑战： 涉及多变量数据与策略判断，暂难完全自动。
研发方向： 财务决策辅助系统、Agent型数据分析助手。
4. 低优先区 Low Priority Zone
定义： 员工没有特别希望自动化，而AI目前也难以胜任。
代表任务：
• 美术指导（Art Directors）：向客户展示最终版面。
动机低： 呈现过程强调创意沟通与情绪反馈。
技术挑战： AI难以感知客户情绪与现场互动细节。
• 媒体技术经理（Media Technical Managers）：透过萤幕监控画面。
动机低： 虽然任务琐碎，但多数人为保障质量仍亲自监看。
技术挑战： 画面种类多样，AI尚不稳定识别所有异常。
• 票务代理（Ticket Agents）：追踪遗失、延误或误投行李。
动机低： 案件多元、需临机处理顾客情绪。
技术挑战： 系统接口不统一，跨机构数据同步仍为难点。
将表格里的职业转化为工作特征
每个象限的定义特征、任务类型、AI商机潜力如下：
1. 自动化绿灯区（Green Light Zone）
• 位置：高意愿（Aw↑）、高能力（Ae↑）
• 任务特征：
• 明确、重复、结构化
• 员工觉得麻烦、希望摆脱
• AI已有现成工具能胜任
• 用户心理： “这工作太烦了，AI快来帮我做！”
• AI商机：★★★★★（最高）
• 技术准备好了，用户也热烈欢迎
• 属于立刻可以部署、产品化最容易的领域
• 是当前SaaS AI工具、Copilot类产品布局的热点
2. 自动化红灯区（Red Light Zone）
• 位置：低意愿（Aw↓）、高能力（Ae↑）
• 任务特征：
• 技术上可实现，但牵涉专业判断、人际互动
• 员工担心“AI抢饭碗”或不信任AI
• 用户心理： “AI虽然能做，但我不想让它来碰。”
• AI商机：★★☆☆☆（低）
• 推广难度大，用户抗拒高
• 需透过设计“AI助手”而非“AI替代者”的使用体验，降低抵触
• 更多属于“人机协作”方向的机会
3. 研发机会区（R&D Opportunity Zone）
• 位置：高意愿（Aw↑）、低能力（Ae↓）
• 任务特征：
• 多是复杂、需要创造性或跨部门沟通的任务
• 员工迫切希望AI协助减轻非核心负担
• 目前AI尚未成熟或尚未有通用解决方案
• 用户心理： “我很希望AI帮我做，但现在的AI还不行。”
• AI商机：★★★★☆（高）
• 是未来AI技术发展的方向
• 适合做深度研发或垂直领域AI产品（如创意工作流协助、企业级AI Agent）
4. 低优先区（Low Priority Zone）
• 位置：低意愿（Aw↓）、低能力（Ae↓）
• 任务特征：
• 高度依赖人际关系、审美、判断力
• 员工乐意自己完成，认为这是工作价值所在
• AI也缺乏处理该类任务的能力
• 用户心理： “我喜欢做这件事，AI做不好，也别来管。”
• AI商机：★☆☆☆☆（最低）
• 短期内无发展必要，不值得投入资源
• 商业化价值和可用性都偏低
⸻
引用：郝博阳 （腾讯科技）《斯坦福最新研究：硅谷的AI创业潮，其实是一场大型的资源错配》 2025-6-18 https://mp.weixin.qq.com/s/ZOAZ3JqBHYPQrRQr97wRjA
斯坦福研究报告可通过以下链接访问预印本（PDF）：Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce (arXiv)https://arxiv.org/abs/2506.06576
页:
[1]