一句话看懂：Epoch AI 与 Ipsos 的联合调查显示，约 20% 的美国在职员工已将至少一项原本由同事或外包商完成的工作交给 AI，但大多数场景下 AI 仍只是“部分帮手”，并未实现整岗替代。
事件核心：发生了什么
这项代表性调查于 2026 年 7 月 10 日至 19 日进行，样本为 1106 名美国在职成年人。调查覆盖美国劳工部数据中的十类常见知识工作任务，结果发现：软件开发和系统设计领域的 AI 渗透率最高，达 57%；数据分析为 46%；阅读工作文档为 39%；记录维护最低，仅 25%。
关键变化在于“任务转移”——已有员工明确将原本由同事或外包商完成的工作交给 AI。其中数据分析领域有 7.1% 的受访者表示 AI 已接管原先由人处理的活计，阅读工作文档这一比例为 5.7%，记录维护为 5.3%。不过，AI 完全自主完成整项任务的比例并不高，仅在软件开发领域达到 10%，其余领域均低于 7%。
为什么重要
这份调查提供了少见的量化视角：AI 对职场的影响不是简单的“取代岗位”，而是任务颗粒度的重新分配。当 20% 的员工至少“外包”一项任务给 AI 时，企业与团队内部原有的协作边界——哪些工作找人、哪些工作找机器——正在被实质改写。
调查还揭示了一个值得警惕的效率悖论：当 AI 承担大部分或全部任务时，受访者仅在 53% 的情况下报告节省了时间；而有约六分之一的 AI 辅助任务耗时反而比过去更长。这意味着，AI 带来的效率增益不是自动发生的，模型越强大，使用者的操作成本、检查成本可能越高。
另一个数据点同样值得关注：66% 的 AI 输出被员工原样采用或仅做小幅修改，只有 6% 完全不加改动。低编辑率不能直接证明输出质量高，但至少说明企业尚未建立起针对 AI 产出的严格质检流程。
对用户/开发者/创作者的影响
普通用户和职场人：“把活交给 AI”正在成为常规操作，但不能默认 AI 一定更快。调查显示，部分任务因为人与模型之间的交互磨合反而拖慢进度，建议将 AI 用于“草稿生成—人工定稿”的协作流程，而非完全甩手。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者和企业决策者：软件开发是 AI 渗透率最高的领域，但全自动完成率仅 10%。这意味着当前阶段更务实的路线是构建“AI 辅助开发”的工具链，而不是追求端到端的全自动化。厂商在宣传节省时间时，也应留意真实场景中约六分之一任务“变慢”的落差。
外包服务商：当越来越多的内部任务被 AI 消化，传统的按人力外包模式可能面临压缩。提供“AI 交付 + 人工审核”的混合服务，或许是更稳的定位。
值得关注的后续
第一，调查中“AI 接管原有人力任务”的比例虽然尚低（多在 5%–7% 之间），但这一数字随模型能力提升而变化的斜率，值得后续追踪。第二，AI 输出高达 66% 的“少量编辑即采用”是否会导致企业内部内容质量下降，需要更多客观衡量。第三，此前 Gallup 在 2025 年 8 月的调查显示 45% 的美国员工在工作中使用 AI，而本次调查聚焦的是“任务替代”——两者口径的差距说明，AI 从“辅助工具”走向“协作主体”的速度，将成为未来就业统计的长期观察重点。
