内容摘要
本视频是"人人皆可用的生成式 AI"课程第三周第六讲，从微观的企业应用视角拉升至宏观的社会经济视角，通过引用两项重要学术和产业研究，系统分析了 GenAI 对不同职业薪资水平、企业职能部门和行业板块的自动化影响分布。核心发现反直觉：与过去的自动化浪潮不同，GenAI 对高薪岗位的影响更大，而非低薪岗位；最受影响的不是蓝领体力劳动者，而是知识工作者。
核心观点
-
OpenAI+宾夕法尼亚大学研究：高薪工作更易受 GenAI 影响——与历史规律相反
Aland 等人（OpenAI 与宾夕法尼亚大学合作）的研究发现：在工资水平（约 3 万美元至约 16 万美元，对数刻度）与 AI 自动化/增强暴露程度的关系图中，高薪岗位比低薪岗位更容易受到 AI 的影响。这与以往的自动化浪潮（如监督学习时代）截然相反——早期的自动化主要针对的是低薪、程序化、重复性的工作（如流水线操作）；而大型语言模型和生成式 AI 在这一轮，则主要冲击的是高薪知识岗位。 -
麦肯锡研究：按职能分析，客户运营受影响最大（绝对值与相对比例双高）
麦肯锡对不同企业职能（销售、营销、客户运营/客服、软件工程、法律等）的 GenAI 影响进行了估算：- 纵轴：绝对影响（十亿美元）
- 横轴：占职能总支出的比例
- 客户运营/客服：绝对影响约 4000 亿美元，占职能总支出比例接近 40%——无论绝对还是相对都位列前茅。
- 销售：绝对影响也达数千亿美元，但占销售总支出的比例相对较小。
- 研究还估计，图中几个最高影响的职能加起来代表了 GenAI 全年总影响的约 75%。
- 法律职能：约 15-20% 的法律支出受到影响——对法律行业而言这仍是重大变化，即使其总体规模不及销售或营销。
-
麦肯锡行业分析：GenAI 使原本"安全"的行业也面临自动化威胁
麦肯锡还按行业板块分析了 GenAI（仅 GenAI，不含监督学习等其他 AI 形式）的自动化潜力。一个关键发现是：某些在以前的自动化浪潮中没有被高度影响的行业（如教育与人才培训、商业和法律专业），现在因为 GenAI 的兴起而面临远大于以往的自动化潜力——GenAI 改变了行业影响版图，不只是加深了原有的影响。 -
跨研究共同结论：GenAI 冲击的核心是"知识工作者"
综合多项研究，图中影响最大的职业有一个共同特征：它们是知识工作者——主要通过知识（包括专业能力、批判性思维和人际沟通技能）来创造价值的群体，而非主要靠体力劳动创造价值的群体。这一结论对于理解 GenAI 与就业的关系至关重要。 -
这些宏观分析对具体企业的直接指导意义有限，但有助于把握大势
吴恩达明确指出，这些宏观研究对某一具体企业的直接操作价值不如前几讲的分析框架，但有助于预见行业和社会层面可能发生的宏观变化，帮助个人和企业提前布局。
关键收获
💡 收获 1："高薪=更安全"的直觉在 GenAI 时代彻底失效——这是最重要的认知颠覆
以往的自动化主要威胁低薪、重复性岗位，所以很多高薪知识工作者认为自己是"安全的"。但 OpenAI+宾大的研究清晰表明，GenAI 这一轮冲击的恰恰是高薪知识岗位。律师、财务分析师、研究员等职业面临的影响，可能比工厂工人更大。这需要高薪知识工作者重新评估自己的职业风险。
💡 收获 2：客户服务/客户运营是 GenAI 影响最深的企业职能——无论绝对值还是相对占比
麦肯锡的数据（~4000 亿美元，~40% 的功能支出比例）给出了强有力的量化支撑。结合前几讲中"回复客户聊天"和"记录客户互动"等任务的高 GenAI 潜力分析，这并不令人意外。对任何拥有大规模客服团队的企业而言，这是一个迫切需要制定 AI 战略的领域。
💡 收获 3：GenAI 改变了行业影响版图，部分原本"安全"的行业开始面临全新风险
这个洞见意味着：即使一个行业在过去十年的 AI 发展中几乎未受影响，也不能以此为据推断未来同样安全。GenAI 的能力类型（自然语言理解、知识推理、文档生成）与过去的自动化能力（规则执行、模式识别）截然不同，因此影响的行业版图也截然不同。
💡 收获 4："知识工作者"是 GenAI 时代最需要主动适应的群体
反面理解：体力劳动岗位在这一轮受到的影响可能小于预期，而依赖知识、文档处理、沟通和分析能力的岗位则面临更大的变革压力。这对教育、培训、职业规划都有深远影响。
重要引述
"Earlier waves of automation tended to have lower wage jobs more exposed because AI could do more of the routine repetitive work... but large language models and generative AI more broadly are exposing in this wave the higher wage occupations."
（早期的自动化浪潮倾向于使低薪工作更容易受到影响，因为 AI 可以完成更多程序化、重复性的工作……但大型语言模型和更广泛意义上的生成式 AI，在这一轮使高薪职业更容易受到影响。）
"Customer operations, according to this study, will have a very large absolute dollar value impact — maybe around $400 billion — and as a percentage of all the spending on customer operations, generative AI's impact will be pretty large as well, maybe approaching 40%."
（根据这项研究，客户运营将受到非常大的绝对美元价值影响——也许约 4000 亿美元——而作为客户运营总支出的百分比，生成式 AI 的影响也将相当大，也许接近 40%。）
"One theme that pervades both this as well as other studies is that it looks like a lot of the impact of generative AI will be on knowledge workers — meaning workers who generate value primarily through their knowledge, including their expertise, their critical thinking, and their interpersonal skills."
（贯穿这项以及其他研究的一个主题是，生成式 AI 的很大一部分影响将落在知识工作者身上——即主要通过知识创造价值的工作者，包括他们的专业能力、批判性思维和人际沟通技能。）
总体结论
本讲通过两项重要研究（OpenAI+宾大、麦肯锡）构建了 GenAI 宏观影响的量化图景，得出了三个关键结论：高薪知识岗位比低薪岗位更易受影响（颠覆历史规律）；客户运营/客服是受影响最深的企业职能（兼顾绝对值和相对比例）；GenAI 改变了行业影响版图，部分原本安全的行业开始面临新威胁（教育、法律等）。而贯穿所有研究的核心结论是：这一轮 AI 革命的主要冲击对象是知识工作者，而非体力劳动者——这与过去所有自动化浪潮的规律相反，也正是 GenAI 最深刻的社会意义所在。本讲是课程从"商业应用"转向"社会影响"主题的重要桥梁。
逐字稿（中文翻译）
我们已经看过了生成式 AI 如何对你的工作有用，也讨论了分析它对某个业务影响的方法。现在让我们放大视野，来看看它对不同公司的工作岗位，以及对不同行业板块的影响。这个视频中的结论对某一特定业务来说可能直接操作性较弱，但也许这能帮助你思考和尝试预测随时间推移可能发生的重大宏观变化。让我们深入看看。
Aland 等人在 OpenAI 和宾夕法尼亚大学的研究检验了不同职业受 AI 辅助或自动化的暴露程度。这项研究产生了这张图，显示高薪工作比低薪工作更容易受到 AI 辅助或自动化的影响。这张图的横轴比较特别，因为它是对数刻度，我们绘制的薪资范围从大约 3 万美元到约 16.3 万美元；纵轴衡量的是这些工作受自动化影响的程度。早期的自动化浪潮往往使低薪工作更容易受影响，因为 AI 可以完成更多程序化、重复性的工作——例如，监督学习倾向于自动化更多低薪工作。但大型语言模型和更广泛意义上的生成式 AI，在这一轮使高薪职业更容易受到影响。关于生成式 AI 对就业的影响，我们本周稍后还会进一步讨论。
让我们来看第二项研究，这是麦肯锡的分析，按职能角色进行了分析。这张图绘制了不同职能，尝试估算销售将受多大影响、营销将受多大影响、客户运营（包括客户服务）将受多大影响。纵轴显示的是影响总量（十亿美元），因此图中较高位置的点对应的是总影响价值（美元数量）将很大的职能角色。横轴衡量的是占职能总支出的影响比例——根据这项研究，客户运营将有非常大的绝对美元价值影响，也许约 4000 亿美元——我不会把这些精确数字看得太认真，因为这些坦率地说是比较粗略的估算；但总美元价值似乎确实会很大，因为生成式 AI 正在自动化或增强大量客户服务工作。此外，作为客户运营总支出的百分比，生成式 AI 的影响也将相当大，也许接近客户运营总支出的 40%。相比之下，它对销售也会产生数千亿美元的影响，但作为销售总支出的百分比则要小得多。麦肯锡研究还估计，图上显示的这些黄点加在一起，可能代表生成式 AI 年度总影响的约 75%，这将是一个显著的影响。
这并不是说，如果你在其他一些职能部门工作，就不需要关注生成式 AI——例如，如果你在法律职能工作，生成式 AI 将影响法律职能支出的 15% 到 20%，这对行业来说仍然是一个重大转变，即使律师和法律服务的总支出远不及销售、营销或软件工程等的总支出。但如果麦肯锡研究是正确的，那么这些职能角色将在许多不同公司中通过生成式 AI 产生巨大影响。
最后，让我们来看看它按行业板块估算的影响。麦肯锡对 AI 自动化潜力（包括和不包括生成式 AI）进行了研究，我们重新绘制了麦肯锡的数据，以仅显示生成式 AI 对自动化的影响，不包括监督学习等其他 AI 形式。受影响的行业板块包括教育与人才培训、商业和法律专业人士等。这些数据中值得注意的一点是，有些行业板块在生成式 AI 兴起之前并没有高度暴露于自动化，但随着生成式 AI 的崛起，现在正在看到远大于以往的自动化或增强潜力。因此，根据你工作的或所接触的行业板块，也许这种分析能让你感受到你所涉及的行业可能会发生什么。
如果你看这张图最上面几行，一个贯穿这项研究以及其他研究的主题是，生成式 AI 的很大一部分影响将落在知识工作者身上——即主要通过知识创造价值的工作者，包括他们的专业能力、批判性思维和人际沟通技能。这与主要通过执行体力任务（而非知识任务）来创造价值的工作者形成对比。
这就结束了我们关于生成式 AI 与商业的部分。对于个人、企业和社会而言，存在着大量机会。生成式 AI 的巨大影响也引发了关于它将如何影响社会的问题，这也让一些人对这些惊人的 AI 能力将给未来带来什么感到焦虑。让我们进入下一个视频，来审视 AI 如何影响社会，以及我们如何能够降低风险、构建有益且负责任的 AI。下个视频见！
本文档根据视频字幕整理翻译，内容为 DeepLearning.AI "Generative AI for Everyone" 课程第三周第六讲。
各行业的自动化潜力
下载 MP3