本文通过权威报告分析了AI对就业市场的影响，指出约40%的岗位受AI影响，但多数是岗位被改造而非消失。文员类岗位受冲击最大，而数据、AI相关岗位需求激增。文章强调打工人需掌握AI技能以应对变革，建议学习“提问力”、“AI流程化”和“鉴别力”三项技能，并通过实例和工具推荐帮助读者将AI应用于实际工作，提升效率。
先问你一个扎心的问题：
你今天上班干的活，有多少是“复制、粘贴、整理、汇总”？
如果超过一半，这篇文章你一定要看完。
不是贩卖焦虑。是因为数据已经摆在桌面上了——AI 取代工作这件事，不是“会不会”，而是“先轮到哪部分”。
好消息是：真正被拿走的，往往是你最烦的那部分活。
坏消息是：如果你只会那部分，你就危险了。
今天 就用几份权威报告，帮你看清三件事：哪些岗位正在被改写、为什么、以及打工人现在就该学的 3 项 AI 技能。
一、先看数据：AI 到底冲击了多少工作？
别听自媒体吓你，咱们直接看机构怎么说。
第一个数字：40%。
国际货币基金组织（IMF，2024）的分析显示，全球近 40% 的就业岗位暴露在 AI 影响之下；在发达经济体，这个比例约为 60%。注意，IMF 同时指出：这些受影响的岗位里，大约一半可能因 AI 提升效率而受益，另一半才面临需求下降甚至被替代。
第二个数字：四分之一。
国际劳工组织（ILO，2025）的最新指数认为，全球每 4 份工作中就有 1 份潜在暴露于生成式 AI。但它的结论很关键：最可能的结果是“岗位被改造”，而不是“岗位消失”。
第三个数字：60%—70%。
麦肯锡（McKinsey，2023）估算，生成式 AI 加上现有技术，理论上可以自动化员工目前 60%—70% 工作时间所做的活动。
翻译成人话：你的岗位未必会消失，但你每天的工作内容，大概率要重写一遍。
二、哪些岗位正在被改写？
世界经济论坛（WEF）《2025年未来就业报告》调查了全球 1000 多家雇主，给出了一张非常直观的“升降榜”：
下降最快的，几乎清一色是文员类岗位：
- 邮政服务文员：-34%
- 银行柜员及相关文员：-31%
- 数据录入员：-26%
- 收银员与售票员、行政助理与行政秘书：均为 -20%
- 会计、簿记与薪资文员：-18%
增长最快的，基本都和数据、AI 沾边：大数据专家 +113%、金融科技工程师 +93%、AI 与机器学习专家 +82%。
看出规律了吗？
被改写的不是“某个行业”，而是“某类任务”——重复、有固定规则、靠信息搬运的活。
ILO（2025）也印证了这一点：暴露度最高的仍是文员类职业，比如数据录入员、打字员、会计簿记员和普通办公室文员；同时，媒体、软件、金融等高度数字化的知识型岗位，暴露度也在上升。
所以别以为坐办公室就安全。写周报、做 PPT、整理会议纪要、回复标准化邮件……这些你每天在做的事，AI 已经都能干个七七八八了。
花 30 秒，给自己的岗位做个自测：
我的工作，是不是大部分都有固定模板、固定流程？
我的产出，是不是主要靠“查资料、整理、汇总”？
我的工作，是不是很少需要拍板、谈判、安抚别人情绪？
3 个都是“是”，说明你的岗位里有大量 AI 擅长的任务，要尽快升级；如果大多是“否”，恭喜你，你手里握着 AI 暂时拿不走的东西——但也别躺平，因为会用 AI 的同行，效率可能是你的好几倍。
再看同一份 WEF 报告里的另一组数字： 到 2030 年，全球预计新增 1.7 亿个岗位、减少 9200 万个，净增 7800 万（WEF，2025）。
岗位不是没了，是换了。 问题在于：新岗位要的技能，你有没有？
WEF（2025）的答案是：到 2030 年，劳动者现有技能中约 39% 将被改变或过时；而增长最快的技能，排第一的就是“AI 与大数据”。
三、国内打工人，其实已经在用了
你可能觉得这都是国外的事。并不是。
智联招聘《2025职场人AI工具使用体验报告》显示，约八成职场人已经在工作中使用 AI 工具。毕马威联合墨尔本大学的调查（KPMG，2025）更直接：中国职场 AI 工具使用率达 93%，远高于全球平均的 58%。
但智联的同一份报告里还有一个数字：57.4% 的职场人觉得 AI 生成的内容不够准确，需要反复修正。
这说明什么？大家都在用，但会用的人不多。
人人都有 AI 的时候，差距就出在“怎么用”上。下面这 3 项技能，就是拉开差距的地方。
四、打工人现在该学的 3 项 AI 技能
技能 1：把需求说清楚——“提问力”
很多人用 AI 的姿势是：“帮我写个方案。”
然后得到一坨正确的废话，再吐槽一句“AI 也就这样”。
问题不在 AI，在你的需求没说清楚。 这就像给新来的实习生派活，你只说一句“做个方案”，他也只能瞎猜。
怎么开始： 记住一个万能结构——角色 + 背景 + 任务 + 格式 + 示例。
举个例子，对比一下：
- ❌ “帮我写个活动方案。”
- ✅ “你是一名有 10 年经验的快消品市场经理。我们要在双十一前给 25—35 岁的白领做一场线上促销，预算 5 万元。请输出一份活动方案，包含目标、玩法、时间表、预算分配，用表格呈现，控制在 800 字以内。”
后者的输出质量，和前者完全不是一个级别。
练习方法： 每天挑一件真实工作，用上面的结构问一次 AI，把好用的提示词存进备忘录，一个月后你就有了自己的“提示词库”。
工具推荐： DeepSeek、豆包、Kimi、通义千问、腾讯元宝，国内都能直接用，选一两个用熟就够了。
技能 2：把重复的活交出去——“AI 流程化”
会提问只是第一步。真正的高手，是把每周都要重复做的事，变成一条 AI 流水线。
怎么开始：分三步。
第一步，盘点。 拿出一张纸，列出你这周所有工作，标出“重复的、有固定格式的、搬运信息的”。比如：每周汇总销售数据、整理会议纪要、写日报周报、回复客户常见问题。
第二步，拆解。 把一件事拆成“输入→处理→输出”。比如会议纪要：录音（输入）→ AI 转文字并提炼要点（处理）→ 按固定模板输出待办清单（输出）。
第三步，固化。 把这个流程用工具搭起来，下次一键复用。
工具推荐：
- 办公套件里的 AI：WPS AI、飞书、钉钉都内置了 AI 能力，写文档、做表格、整理会议都能用；
- 智能体平台：扣子（Coze）、Dify 这类工具，不写代码也能搭一个专属的“AI 小助手”。
目标很简单： 先把每周 2 小时的重复工作交给 AI。省下来的时间，去做更值钱的事。
技能 3：判断 AI 对不对——“鉴别力”
这是最容易被忽视、却最值钱的一项。
前面说了，超过一半的职场人觉得 AI 输出不够准确。AI 会一本正经地胡说八道——编数据、编出处、编案例，而且语气特别自信。
所以未来职场上，最稀缺的不是“会用 AI 的人”，而是“能为 AI 的结果负责的人”。
这也和 IMF（2024）的判断一致：与 AI “互补”的岗位更可能受益，而需要人来把关、判断、沟通的环节，恰恰是 AI 最难替代的部分。
怎么开始：养成三个习惯。
- 数字必查：
AI 给出的任何数据、政策、法条，都回到原始出处核对一遍。
- 交叉验证：
同一个问题，问两个不同的 AI，或者用带引用来源的 AI 搜索工具（比如秘塔 AI 搜索）对照看。
- 补上“人味”：
AI 给你的是初稿，你要加上它不知道的东西——公司的实际情况、老板的偏好、客户的脾气。
记住一句话：AI 负责“快”，你负责“对”。
五、最后说句掏心窝的话
AI 不会直接取代你。
但会用 AI 的同事，可能会。
一个人用 AI 一天干完三天的活，另一个人还在手动复制粘贴——老板会怎么选，不用我说。
好在现在还早。WEF（2025）的调查里，85% 的雇主表示会优先为员工提升技能。机会窗口还开着，就看你什么时候开始。
今天就做一件小事： 挑一项你最烦的重复工作，用上面的方法交给 AI 试一次。
大模型的知识又多又杂，到底怎么学？
做这行久了，被问最多的问题就一个：大模型的知识又多又杂，我到底先学啥？翻了一堆资料，看啥都像重点，结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍，零基础、应届生、转行的都适用。跟着走，至少方向不乱、不瞎忙，学完拿得出手。
第一阶段（10天）：初阶应用
这一阶段就一个目标：把大模型真正"玩明白"，不是只会聊天那种，而是能调教它、能用代码把大模型和业务接起来。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
这阶段正式进实战，目标很实在：做出两个能拿出手的东西——一个私有知识库，一个 agent 对话机器人。
为什么要做 RAG
搭建一个简单的 ChatPDF
检索的基础概念
什么是向量表示（Embeddings）
向量数据库与向量检索
基于向量检索的 RAG
搭建 RAG 系统的扩展知识
混合检索与 RAG-Fusion 简介
向量模型本地部署
…
走完这 30 天，Python 或 JavaScript 背景的基本能独立做一套 RAG 应用，简历上也敢写"大模型应用开发"了。
第三阶段（约20天）：动手微调
学到这，你已经开始 “造” 模型了 —— 通过微调，搞出垂直领域的专用小模型。
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗？
想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！
第四阶段（20天）：商业闭环，部署落地
技术学完，落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
想要入坑大模型的朋友，给大家准备了一份2026 年最新 AI 大模型全套学习资料：
1、大模型系统化学习路线
2、大模型学习视频教程
3、大模型学习书籍&电子文档
4、AI大模型最新行业报告
5、大模型项目实战&配套源码
6、2026大模型大厂面试真题
7、为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
8、适合谁学？
- 传统后端 / Java / 前端开发，想转型 AI 应用
- 大学生、应届生，想拿更好的 offer
- 产品经理、运营，想武装职业竞争力
- 技术负责人，想给团队落地提效
学习是反人性的，但回报是真金白银。技术会更新，赛道会切换，但只要你先动手，机会就永远站在你这边。
9、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！
好了，就写到这。路线是死的，人是活的，卡住了随时来问我。觉得有用就点个收藏，别让它进收藏夹吃灰——动起来比啥都强。
