為員工服務的人工智能調查結果1——人們對職場中的人工智能究竟有何感受？需要注意的是，這篇文章很可能在你的郵箱裡被截斷了。
這是一份由讀者支持的出版物。想要接收新文章並支持我的工作，請考慮成為付費訂閱者。
人工智能與工人
人工智能佔據著各大媒體的頭條，其極端性可想而知。有時，市場對薩姆·奧特曼將一切稱為“泡沫” 2感到恐慌。有時，則是以死亡告終的恐怖病態故事。報道在烏托邦和反烏托邦的框架之間搖擺不定——人工智能要麼徹底改變一切，要麼毀滅一切。
人工智能至少正在同時帶來四大變革——改變我們的工作方式、投資方式、驅動世界的方式以及各國競爭的方式。我們正試圖將一項不可預測的技術融入那些並非為其設計的系統。在這片混亂的中間地帶，究竟發生了什麼？
我想知道大家對人工智能的感受。員工們對於與這些新系統一起工作有什麼看法？所以我直接問了他們。
勞動力市場
有研究（ 特別是麻省理工學院的一項研究）指出，95% 的人工智能試驗實際上並不起作用……但這關乎選擇，而非技術。現在還處於早期階段。
市場敘事
市場認為這會奏效。股市最關注的兩件事是：(1) 降息和 (2) 英偉達。英偉達預計，在經歷了兩年的輝煌之後，其增長將出現放緩。這可能預示著整個人工智能行業未來的發展方向——放緩。
薩姆·奧特曼本人曾將當前的人工智能市場描述為一個泡沫（這種誠實令人耳目一新），他承認儘管自己的公司推動了這一泡沫，但他仍然承認這一泡沫。
他還聲稱，OpenAI 需要在數據中心上投入“數萬億美元”才能維持 ChatGPT 的增長。
泡沫估值 + 萬億美元的資本需求 = 波動性，因此投資者在將人工智能視為通用實用程序（特別是因為 OpenAI 的備用計劃似乎是出售基礎設施服務）和將其視為炒作（該公司仍然沒有賺錢）之間搖擺不定。
股票市場和勞動力市場這兩個市場都反映出人們對人工智能是一場真正的生產力革命還是純粹的投機狂熱存在深深的不確定性。
基礎設施
但這次或許有所不同？部分原因在於基礎設施建設。數據中心就是經濟。這不像互聯網泡沫時期，Pets.com 一夜之間化為烏有，化為泡影——這次涉及的是水泥和土地。
正如麥肯錫的《計算成本》所指出的，當人工智能公司陷入困境時，他們會留下價值 7 萬億美元的數據中心，這些數據中心仍然需要電力和維護。
高盛的“人工智能動力瓶頸” 強調了另一個瓶頸：電力。到2030年，人工智能數據中心可能推動全球新增100吉瓦的電力需求，相當於7500萬個美國家庭的用電量！這需要巨大的實體投入。
那些斥資數萬億美元建設數據中心的公司，根本無法等待深思熟慮的AI集成戰略。他們需要能夠證明資本支出合理性的利用率，這意味著在人們真正理解其影響之前，就將AI工具推向工作流程。我調查中的員工們一直在抱怨“倉促實施”和“過於熱心的公司員工”將AI強行推向尚未準備好的領域。具體情況自有其邏輯。
此外，中國正在迅速採取行動。
地緣政治
薩姆·奧特曼警告稱， 美國對半導體的出口管制可能無法有效限制中國人工智能的進步，因為中國目前幾乎可以解決任何問題。DeepSeek 的最新模型證明了他的觀點。中國實驗室通過優化算法，而不是投入更多計算資源，在硬件水平較低的情況下實現了具有競爭力的性能。
這造成了一個加速陷阱。外部威脅為國內快速採用人工智能提供了理由，但這種加速恰恰轉化為工人所擔心的那種混亂的職場整合。正是競爭壓力使人工智能成為國家優先事項，而同樣的壓力也使其在職場上的部署顯得雜亂無章，對工人不利。
為什麼這對工人很重要
這些領域中的每一個都帶來了壓力，最終落到個體勞動者身上，他們試圖弄清楚自己與人工智能系統的關係。勞動力市場研究表明，顛覆已經發生。市場或許需要繁榮發展。基礎設施投資帶來了快速部署的壓力。地緣政治競爭加劇了緊迫性，使得謹慎實施成為一種我們無法承受的奢侈。
但所有這些宏觀分析都忽略了一點：普通人是如何應對這些壓力的？他們想要什麼？他們擔心什麼？他們如何理解與強大卻難以預測的情報機構合作的意義？
那麼……人們對此有何感想？
關於讓人工智能為工人服務的調查
我問了 11 個問題4 ，其中有多次填空的機會：
您對您所在行業的 AI 工具有多熟悉？
過去 6 個月您在工作中使用過 AI 嗎？
您希望人工智能給您的工作帶來的最大好處是什麼？
您對工作中的人工智能最大的擔憂是什麼？
在有關如何實施人工智能的決策中，工人應該扮演什麼角色？
您在多大程度上相信您的僱主或組織會以有利於員工的方式使用人工智能？
您的僱主是否提供過如何使用人工智能工具的培訓？
如果您可以制定一項政策來確保人工智能使工人受益併為其提供補充，您會制定什麼政策？
您從事什麼行業或工作類型？
您是工會或工人協會的成員嗎？
任何其他想法
他們的回應很大程度上表明，員工既不完全熱情，也不完全抵制——但他們正在積極思考與不完全是人類但也不是真正可預測的智能（例如幻覺5 ）一起工作意味著什麼。
需要明確的是，這一切都有其個人層面——很多人利用這項技術來建立一種擬人化的聯繫，以及與聊天機器人的相互依賴6。OpenAI不得不放棄這種諂媚——這個模型太討人喜歡了。正如《紐約時報》報道的那樣，人們對他們感到憤怒：
奧特曼週四表示，ChatGPT 的“每日用戶數量每天都創下新高”，物理學家和生物學家都對 GPT-5 7幫助他們開展工作表示讚賞。“然後有人會說：‘你奪走了我的朋友。這是邪惡的。你是邪惡的。我要你找回來。’”
我們與人工智能的關係錯綜複雜。本文我不會著重探討人工智能更個人化的一面。實驗室希望它成為一種龐大、智能、數學冠軍般的存在，掌控生活和工作，但大多數人只是想要一個可以隨時詢問的夥伴，比如“我應該在哪裡給小狗買新的狗糧”或“請幫我分析一下這個數據集”。
在這個緊張的過渡時期，我們必須知道人們對此有何想法。
執行摘要
熟悉度與使用度： 85% 的人熟悉，但即使非常熟悉的人中，也有超過四分之一的人根本不使用人工智能。
希望：員工希望人工智能能夠接管他們工作中那些枯燥乏味的部分。他們最希望的益處是減少重複性工作並提高效率。
擔憂：工人們不太擔心工作被完全取代，而是更擔心工作中好的部分被侵蝕。
行業差異：擔憂反映了職業身份：醫療保健工作者擔心準確性錯誤，教師擔心失去聯繫，技術工作者擔心創造力下降。
決策： 62% 的受訪者希望在工作中應用人工智能時擁有共同決策權，15% 的受訪者希望擁有完全自主權。只有不到 2% 的受訪者表示願意不參與決策。
信任悖論：大多數人對僱主在人工智能方面“多少有些信任”。但在許多行業，大多數人表示不信任。沒有一個行業達到大多數人“完全信任”。
培訓差距：只有約60%的受訪者接受過培訓，創意產業（20%）和娛樂業（5%）的比例尤其低。
政策要求：最常見的要求是：培訓/技能提升資金、算法透明度和失業工人的安全網。
問題 1 和 2：熟悉度和使用情況
大多數使用人工智能的受訪者表示，他們至少“熟悉”人工智能工具（排名3或以上）。熟悉程度顯然在一定程度上影響了採用率：在表示“不太熟悉”的員工中，只有9%的人在工作中使用人工智能，而在表示“非常熟悉”的員工中，這一比例則達到三分之二。
但這種關係並不完美。有一群有趣的人——26%的人“非常熟悉”人工智能工具，但卻不使用它。這些人清楚地知道這些系統的功能，並且或許是故意決定不將它們集成到自己的工作流程中。
問題 3 和 4：好處和顧慮
但這些員工也擔心職業發展機會減少和工作質量下降。換句話說：即使他們希望人工智能接管繁重的工作，他們也擔心人工智能可能會奪走他們工作中與晉升和身份認同相關的部分。
問題9：行業分析
按行業細分擔憂和益處，可以揭示更多信息。大多數行業，例如科技、金融和諮詢行業，最熱衷於減少重複性工作、提高效率，同時也最擔心失業。
但人們的擔憂各不相同——學術界和醫療界最擔心的是準確性下降。設計/創意行業擔心的是創造力的喪失。政府工作人員最擔心的是偏見。
醫護人員尤其關注效率的提高，但他們非常擔心準確性、責任和患者安全：
“我們可以選擇使用一款可以錄入訂單的AI抄寫軟件。一些醫護人員非常喜歡它，並表示這樣可以接診更多患者。” ——心臟病學工作者
醫療編碼中的人工智能可以節省大量時間，但除了簡單的病例外，我不會信任它。讓人工智能在無人監督的情況下進行醫療編碼，風險太大，不值得冒著被拒的風險。—— 醫護人員
“為了更好地支持人工智能，其他方面也必須做出改變，例如建立處理醫療事故的法律框架。擁有高質量的人工智能工具是醫生的責任，還是醫院的責任？” ——醫護人員
“我學校裡有人說，老師們被迫使用人工智能給學生反饋，因為多年來，我們一直抱怨沒有足夠的時間完成工作。現在，我們不僅沒有承認這種情況的合理性，反而被要求不能隨心所欲地使用我們的技能……” ——教育工作者
技術工作者存在矛盾——人工智能提高了效率（這確實是主要賣點），但它也引發了對技能相關性和創造力的生存擔憂。
問題 5、6 和 7：決策、信任和培訓
當被問及工人在人工智能實施方式決策中應扮演的角色時，約 62% 的受訪者希望對人工智能實施進行共同決策，15% 的受訪者希望擁有完全的決策權，而不到 2% 的受訪者願意不參與決策。
這反映了大多數關於人工智能的討論。大多數嘗試過人工智能的人瞭解其能力，感到興奮，但並不一定信任它（也並不真正信任他們的僱主）。我們相信它能完成我們可以驗證的具體、有限的任務。我們不相信它能替我們思考。
如果人工智能的好處能與員工共享，那肯定會很有幫助，但我不太相信科技公司的CEO會讓員工參與到如何使用人工智能的決策中。工會是確保這一點的必要條件。——科技工作者
信任是一個因素——誰能相信億萬富翁？人工智能或許擅長制定計劃清單或執行Excel函數，但當涉及到實際工作時，你還是需要人類。——交通運輸工人
“人們過於信任人工智能，他們似乎認為人工智能無所不知，在我看來，這是一個比其他任何問題都更嚴重的問題，因為管理階層將其視為人類的替代品，而實際上，它充其量只是一個有缺陷的助手。”——金融科技
我從事技術工作，很難真正信任人工智能。我擔心的是，那些急於裁員的企業員工會強迫人工智能進入它目前還不夠擅長的領域，從而引發重大問題。——汽車工程師
因此，建立信任的關鍵或許在於共同決策和培訓的結合。儘管大多數人熟悉人工智能，也大多數人在使用人工智能，但大多數人並沒有接受過人工智能方面的培訓。
保護工人的方法是培訓和提升技能。你不能強迫公司不創新——政府應該促進技能提升，併為完成課程和項目的公司提供獎勵。——科技工作者
“我們必須在職培訓員工——如果他們一直依賴人工智能，我擔心他們的學習水平會下降。錯誤難免發生，大多數人都會精疲力竭。” ——製造業工人
問題 8：政策
當問及工人們真正想要什麼政策時，差距進一步擴大。在開放式文本的回覆中，主要有三個主題：
隨著事態的不斷加速，這些要求也合情合理。Kimi（另一家表現相當出色的人工智能實驗室）最近在一次採訪中提到，他們正在將方向盤交給人工智能進行訓練和處理。不再需要人工干預。這將創造一個無需人工輸入的環境，人工智能將自行構建。其含義顯而易見。這些政策建議將在之後的文章中進一步探討。
問題 10：工會
本次調查中，只有約8%的受訪者是工會成員，這或許提醒我們，工會在當今經濟領域的影響範圍之廣，微乎其微。從如此小的樣本中很難得出任何有意義的結論。以下是他們的一些看法：
作為巴爾的摩一家致力於重建紅線社區的建築工人合作社，我們實際上認為我們正處於一個罕見的機遇之中，可以利用人工智能來增強邊緣化工人和社區的能力。——建築工人
看到人工智能在公立高中發揮作用，感覺非常不可思議。——教育工作者
雖然我的僱主正在培訓我們使用人工智能，但他們也設定了不切實際的任務目標，隨後每週都會發布一份報告，據說這是為了提供透明度，但收集到的關於我們任務/產出的數據並不能說明全部情況，而只是部門負責人想要報告的情況。——政府工作人員
自人工智能興起以來，我對初級工程崗位的匱乏深感擔憂。我認為一個鮮少被討論的問題是，當技術工人離開職場時，可供借鑑的經驗豐富的人才庫將越來越少。我還覺得，所有類型的工人都被期望用更少的資源完成更多的工作，在某些情況下，人工智能並不能解決問題，但人們期望個人能夠更快地完成工作。——運輸和物流
問題 11：還有其他想法嗎
調查中最重要的部分是最後的開放式評論框，我在整篇文章中都從這個評論框中提取內容，在這裡我要求人們分享正式問題沒有涵蓋的有關他們的人工智能體驗的任何其他內容。
我收到了成百上千篇短文（謝謝大家！），它們讀起來就像來自文化轉型前線的快訊。人們顯然渴望以比公共話語（或他們的工作場所）通常允許的更細緻入微的方式討論這些話題。
人工智能迫使每個人清晰地表達自己為何工作，工作的意義何在，以及人類最希望保留和發展的能力有哪些。人工智能正以一種我們大多數人從未有過的方式，讓我們思考身為人類的意義。
下一步做什麼？
關於人工智能與工作的傳統敘事側重於替代和效率：哪些工作將被自動化，生產力將提升多少，人類是否會被淘汰。但我認為，真正的故事在於人們如何保持自身的目標感和自主性。
太多組織將人工智能的實施視為純粹的技術挑戰，而非文化轉型。太多員工只能獨自摸索如何融入人工智能，缺乏機構支持或集體智慧。我們的公共討論中，太多人仍然停留在將人工智能視為救星或威脅的二元思維模式，忽略了人們如何與這些技術共存的更復雜的現實。
當人們擁有足夠的空間時，他們會對這些挑戰進行深入思考。他們正在開發創造性的解決方案和協作方法，以期實現更可持續的人機融合。但政府、企業以及人工智能公司本身必須發揮領導作用。他們必須（應該？）傾聽產品用戶的需求。
全國各地的辦公室、學校、醫院和設計工作室正在發生的事情，並非像新聞標題所描述的那樣。這不僅僅是革命或毀滅。這是一個混亂的中間地帶，人們正在實時構建新的工作規則。這關乎人們如何在與強大、實用且不同於我們自身的智能形式共事的同時，保持完整的人性。
這是一份由讀者支持的出版物。想要接收新文章並支持我的工作，請考慮成為付費訂閱者。
謝謝閱讀。
我將花更多時間完善調查結果，並與一個政策小組合作，幫助向政府提出一些相關政策建議。這並不是這項調查的結束，因為調查結果值得在 Substack 之外進行分析！
GDP 正在區塊鏈上發展，這對人工智能來說可能也是一種好兆頭
一個重要的發現是，人們對於被問到人工智能的問題感到非常興奮。很多回復都表示感謝有人在傾聽。
埃隆·馬斯克一直在推特上談論Grok的AI夥伴之一Ani。MetaAI 允許用戶創建一系列像“繼母”和“俄羅斯女孩”這樣的機器人，這很奇怪。Danielle Fong稱之為“懶惰”。
