人工智能焦慮演變為“FOBO”（害怕被淘汰），經濟各領域悄然滋生抵制情緒 | 《財富》雜誌

一個新的縮寫詞正在重塑員工對職業生涯的看法：FOBO——害怕被淘汰。與傳統的就業不安全感不同，FOBO並非指被解僱，而是指被時代淘汰。據畢馬威（KPMG）的數據顯示，十分之四的員工將人工智能驅動的失業列為他們最主要的擔憂之一，這一比例在一年內幾乎翻了一番。63%的員工認為人工智能會讓工作場所缺乏人情味。人工智能相關崗位的技能需求變化速度比一年前快了66%。到2026年，FOBO將成為美國職場中最具代表性的心理狀態。 去年，Anthropic首席執行官達里奧·阿莫迪(Dario Amodei)聲稱，人工智能可能在五年內取代50%的入門級白領職位。幾個月後，微軟人工智能首席執行官穆斯塔法·蘇萊曼(Mustafa Suleyman)也表達了類似的觀點。最近，弗吉尼亞州民主黨參議員馬克·沃納(Mark Warner)表示，人工智能領域的領導者們也對這種顛覆性變革的速度感到驚訝和擔憂，他們“實際上是出於對短期經濟衝擊的考慮，而有意地調整了他們的預測”。沃納預測，兩年內，應屆大學畢業生的失業率將達到35%。 這些預測正是FOBO（錯失恐懼症）的根源——而且它們正在一一應驗。麻省理工學院一項規模龐大的新研究試圖給這種趨勢踩下剎車。並非是要遏制恐懼本身——事實證明，FOBO的預測大致方向正確——而是要調整時間線。而時間線，最終會改變一切。 麻省理工學院未來科技研究所的研究人員本週公佈的研究結果表明，人工智能在勞動力市場的崛起與其說是一場突如其來的災難，不如說更像是一場緩慢上漲的洪水——雖然嚴重且正在加速，但並非過去兩年來佔據新聞頭條和令高管焦慮不安的一夜之間世界末日。 研究人員寫道：“與其說是像巨浪一樣一次改變一系列任務，不如說是像漲潮一樣，在許多任務中同時取得廣泛的進步。” 這項名為《巨浪翻湧 vs. 潮汐漲落》的研究，是迄今為止對人工智能在現實世界任務中的表現進行的最全面的實證檢驗之一。由馬蒂亞斯·默滕斯和尼爾·湯普森領導的九人研究團隊，收集了來自3000多個勞動力市場任務的領域專家對LLM（勞動力市場模型）輸出結果的17000多份評估，這些任務均來自美國勞工部O*NET分類系統。這些任務涵蓋了從法律分析到食品製備、從管理到計算機科學等各個領域。研究測試了40多個人工智能模型，包括GPT-3.5 Turbo、GPT-5、Claude Opus 4.1、 Gemini 2.5 Pro和DeepSeek R1等。 對於任何受“錯失恐懼症”（FOBO）困擾的人來說，研究人員提出的核心問題也是最令人不安的問題：人工智能能否出色地完成這些任務，以至於管理者無需任何修改就能接受其輸出結果？答案是肯定的——而且這種情況經常發生。 在所有測試的模型和工作類別中，人工智能成功完成了大約 50% 到 75% 的基於文本的勞動力市場任務，且質量達到最低可接受水平。這並非未來預測，而是現狀。更具體地說，該研究發現，到 2024 年第三季度，前沿人工智能模型在人類需要花費大約一整天才能完成的任務上，成功率已經達到 50%。 改進速度非常快。從2024年第二季度到2025年第三季度，前沿模型在3到4小時任務上的成功率從50%躍升至人類需要一週才能完成的任務的50%成功Threshold。總體而言，失敗率大約每兩到三年就減半，這意味著成功率每年提高15到16個百分點。 根據這些趨勢推斷——研究人員謹慎地指出，這代表了一種樂觀的上限情景——到2029年，人工智能系統在達到最低合格質量水平的前提下，完成大多數基於文本的任務的成功率可以達到80%到95%。對於大多數需要人工花費數小時才能完成的調查任務，預計到2029年，人工智能系統的成功率將接近90%。 麻省理工學院雖然沒有使用“FOBO”這個詞，但這正是經過校準的FOBO（錯失恐懼症）。這種恐懼並非毫無道理——只是為時尚早。水位確實在上漲。但麻省理工學院的數據表明，到下週二，地板還不會被淹沒。研究人員對焦慮的上班族來說最重要的結論是：“員工們很可能對這些變化有所瞭解，而不是面臨人工智能驅動的自動化帶來的突如其來的變革。” 漲潮給了你行動的時間。問題是，你是否真的在行動。 諷刺的是，儘管麻省理工學院記錄了人工智能能力的飛速提升，但大多數公司仍未部署這些工具。因此，FOBO（害怕失敗）不僅僅是個人問題，也是組織問題。高盛經濟學家Sarah Dong和Joseph Briggs在其2026年3月發佈的《人工智能應用追蹤報告》中援引美國人口普查局的數據指出，美國只有不到19%的企業採用了人工智能。高盛預測，未來六個月內，這一比例也僅會達到22.3%。 雪上加霜的是：據勞動力非營利組織JFF的研究顯示，只有約三分之一的員工表示他們的僱主提供了足夠的AI培訓、指導或技能提升機會——比2024年下降了近10個百分點。大多數公司放任員工獨自應對“外呼後備”（FOBO）問題，而沒有提供真正能夠解決該問題的基礎設施。 這種差距會造成可衡量的成本。根據 OpenAI 2025 年 12 月的企業數據，使用人工智能的企業員工每天可以節省 40 到 60 分鐘的時間，75% 的員工表示他們現在可以完成以前根本無法完成的任務。 高盛的經濟學家寫道：“我們持續觀察到，在生成式人工智能已部署的有限領域，其對勞動生產率產生了巨大影響。學術研究表明，生產率平均提升了23%，而企業反饋則顯示效率提升幅度略高，約為33%。” 簡而言之：使用人工智能的公司正在遙遙領先。而且，數據不容忽視。對於一個50人的團隊來說，每天節省40到60分鐘的時間，就相當於每天恢復33到50小時的生產力。這場競賽已經打響，但許多公司仍然摩拳擦掌，等待著比賽的開始。 麻省理工學院的數據發佈之際，正值企業領導者們爭相掌握一項新技術之時。正如一位高管所說，這項技術“發展速度已經超過了人類和企業接受它的能力”。安永全球首席創新官JOE·德帕在最近接受《財富》雜誌採訪時表示，“這項技術在很多方面已經成熟，但我們還需要一些時間才能……充分利用它。” 德帕負責全球最大專業服務公司之一的人工智能戰略，他形容各行各業都面臨著持續不斷的壓力。“每天都有新的新聞頭條，每天都有新的、我們必須做好準備的事情。每天，我的老闆都會發郵件詢問世界各地發生的新事件，這些事件加劇了人工智能領域發展速度的加快。” 許多公司面臨的嚴峻內部現實加劇了這種壓力：一項針對 500 位商業領袖的調查顯示，83% 的高管表示，他們缺乏充分利用人工智能所需的數據基礎設施。 根據安永4500份調查問卷，其客戶表示他們仍然缺乏充分利用人工智能所需的數據基礎設施。換句話說，技術發展迅猛，而實際應用該技術所需的組織架構卻遠遠滯後。 正是“水漲船高”的框架為許多正在努力應對這一動態的公司提供了一些安慰。麻省理工學院的研究結果直接挑戰了知名人工智能安全組織METR的研究。METR認為，人工智能在特定任務方面的能力會突然激增——這種“海嘯”模型意味著工人可能會在幾乎沒有任何預警的情況下突然發現自己被淘汰。“我們幾乎沒有發現海嘯的證據，”他們寫道，“但有大量證據表明，水漲船高才是人工智能自動化的主要形式。” 麻省理工學院的數據來自真實且具有代表性的工作任務，而非程式化的基準測試，這些數據始終顯示出更為平緩的性能曲線。人工智能並非突然精通少數幾項任務而對其他任務置之不理。相反，它在幾乎所有任務類型和時長上都得到了廣泛的、漸進式的提升。 研究人員寫道：“員工們很可能對這些變化有所瞭解，而不是面臨人工智能驅動的自動化帶來的突飛猛進。” 更廣泛地說，人工智能在未來三年內（而非像某些人所預言的末日情景那樣，未來18個月內）將改進到接近完美的自動化水平，這為員工提供了一個調整的窗口期，尤其是在那些對錯誤容忍度極低的任務中。此外，他們的預測假設人工智能的發展速度將與過去兩年保持一致，這意味著這是一個上限情景，或者說是一個特別快速的情景。人工智能的發展速度可能不會像最近那樣持續如此之快。 這對於企業的規劃和員工的準備至關重要。“海嘯”模式需要緊急應對；“漲潮”模式則需要戰略性調整。麻省理工學院的研究人員認為，後者更為準確——儘管他們強調“漸進主義本身並不具有保護作用”。 不同職業之間存在顯著差異。在所有測試領域中，法律行業的AI成功率最低，僅為47%。安裝、維護和維修工作（特別是基於文本的任務）的成功率最高，達到73%。管理任務的成功率約為53%；醫療保健從業人員為66%；商業和金融運營為57%。換句話說，沒有哪個白領行業能夠倖免，但有些行業比其他行業更接近人工智能的轉折點。 德帕表示，他親眼目睹了安永內部員工隊伍中這種分化現象的實時發生，面對這個陌生的新工作夥伴，人們的反應難以預測，甚至有些怪異。他透露，安永是全球第三大微軟Copilot用戶，而採用率數據則呈現出明顯的代際差異：基層員工積極採用，而高層領導則相對滯後。“當我分析數據時，”他說道，“我的兩個基層員工——一開始就高度採用……但到了高層，採用率就開始下降了。” 他特別提到一個令人擔憂的群體：一些技術嫻熟、經驗豐富的員工，卻拒絕使用人工智能工具。“我們有些軟件工程師在使用人工智能後，工作效率比去年提高了10倍、20倍，簡直太棒了。” 他說，他親眼目睹一些員工一旦掌握了這些新工具，就能從“平庸”躍升至“頂尖水平”。與此同時，他還提到，也有一些“曾經非常優秀的軟件開發人員，現在卻對使用人工智能抱有牴觸情緒”。他們認為自己可以做得更好，所以不需要這些工具。“結果，他們從同齡人中的佼佼者變成了同齡人中的墊底者。這些人才是我最擔心的。” 換句話說，害怕被淘汰的恐懼正在加速員工最害怕的結果。如果不加以干預，嚴重的“害怕被淘汰”心理就會自我實現。 這些人工智能抵制者擁有極其重要的專業技能和經驗，但他們的生產力卻比同齡人落後10倍甚至20倍。“在某種程度上，這些人必須找到其他崗位，”德帕說。“我認為我們正在努力尋找的就是這些人。” 麻省理工學院的研究團隊謹慎地避免過分誇大他們的研究成果。他們指出，高任務成功率並不一定意味著工作崗位會被取代。將人工智能融入實際工作流程的“最後一公里成本”——組織摩擦、責任問題、小型企業部署的經濟效益——仍然是重大障礙，任何基準都難以充分反映這些成本。 即使到了 2029 年以後，人工智能在大多數任務上實現近乎完美的性能仍然遙遙無期。平坦的邏輯曲線使得人工智能的進步是漸進的，這也意味著最終達到 99% 以上的可靠性是一個漫長的過程，這對法律、醫學和工程等容錯率極低的行業來說是一個重要的緩衝期。 研究人員寫道：“雖然取得了顯著進展，但廣泛的自動化，尤其是在對錯誤容忍度較低的領域，可能還有很長的路要走。” 事情的真相遠比悲觀主義者或否定者願意承認的要複雜得多。人工智能已經具備相當的能力，並且發展迅速，未來三到五年內，它將出現在你大部分的收件箱中。但這種變革很可能以持續、可察覺的浪潮形式到來，而非突如其來的衝擊，這意味著適應的窗口期是真實存在的，甚至可以說是無限的。前提是你願意適應。 FOBO（害怕失敗）是理性的。麻省理工學院的數據證實了這一點。但解決之道並非否認或麻木——而是安永那些成功人士正在做的：將人工智能視為工具，而非最終結果。機會之窗已經敞開。問題在於，你是否願意走進去。