人工智能无法就哪些工作可能会被人工智能取代达成一致
一句话看懂：《华尔街日报》的一篇最新报道揭示了一个看似矛盾的现象：尽管人工智能（AI）广泛部署已成为共识，但连AI系统本身对人类工作受到AI颠覆的预测也无法形成统一看法。不同模型给出的“高危职业”清单南辕北辙，反映出当前AI在预测复杂社会经济影响时的根本性局限性。
事件核心：发生了什么
《华尔街日报》（Wall Street Journal）于近期发布分析文章，通过询问多个主流AI模型“哪些工作最有可能被AI取代”来测试其预测能力。结果显示，来自不同公司（如OpenAI、Google、Anthropic等）的模型给出了截然不同的答案。有的模型认为会计师、程序员等高度依赖规则和数据处理的职业首当其冲，而另一些模型则更侧重创意工种或客服等重复性工作。这种分歧并非因技术故障，而是源于模型训练数据、训练目标和推理逻辑的差异——它们各自基于不同的历史文献、经济学报告或公司偏好做出了判断。
文章指出，这种“内部不一致”并非个别现象。例如，当同一模型被用不同措辞提问时，答案也可能改变。这一发现动摇了“AI可以可靠进行劳动力市场预测”这一隐含假设。
为什么重要
这则新闻的价值超越了某个具体行业的利空或多空判读。它直接指向AI应用的现实瓶颈：当前的大语言模型（LLM）擅长于语言生成和模式匹配，但在进行复杂系统性推断，例如预测“技术如何重塑就业结构”这种涉及经济规律、企业决策、政策干预和人类心理的动态问题时，其回答质量参差不齐。如果连AI本身都无法就“AI影响”达成一致，那么企业决策者、政策制定者和投资者过度依赖单一AI建议来制定裁员或培训计划，就可能存在严重风险。
对AI行业而言，这意味着需要更严格的评估框架。模型在“识别猫的图片”和“预测十年后的职业结构”上的可靠性完全不同。此次报道为行业敲响了警钟：不能仅因AI在某个任务上表现优异，就自动假设其在其他任务上也具备同等可靠性。
对用户/开发者/创作者的影响
对于普通用户，这意味着不应盲从AI给出的“职业危机”或“职业安全”建议。当AI告诉你某岗位“会被取代”时，应将其视为一种基于有限数据集的AI观点，而非预言。对于开发者，这提示了构建AI应用时需明确功能边界：将LLM用于内容生成、代码辅助或信息整理是合理的，但若将其置于“提供劳动力市场战略建议”的角色，则需要额外的验证机制和人为判断。对于内容创作者，本新闻本身就是一个警示：在撰写或传播“AI将取代X类型工作”这一主题时，应意识到消息来源（包括AI模型本身）的不可靠性，避免制造误导性恐慌或虚幻的安全感。
值得关注的后续
值得关注的一个后续是：大型AI公司将如何回应这种“内部不一致”的批评。它们是否会推出更透明的预测模型，允许用户查看推理依据（例如权重和训练数据来源）？另一个观察点是，咨询公司（如麦肯锡、BCG）是否会调整其基于LLM的劳动力预测工具，在报告中增加更多不确定性标尺和免责声明。最后，学术研究可能需要跟进，尝试创建统一的评估基准，用以衡量不同AI模型在“经济预测类任务”上的真实表现，从而推动模型改进。
来源：on.wsj.com
