AI对就业的影响已经进入具体工作环节。查资料、敲代码、写材料、生成方案、辅助分析、处理客户沟通，正在成为不少岗位的日常操作。然而真正拉开差距的，不是谁更早接触AI工具，而是谁能在真实任务中判断哪些工作适合交给AI、哪些结果需要核验、哪些责任仍要由人承担。

2026年4月，腾讯调研面向境内31个省、自治区、直辖市的手机网民开展网络问卷调研，共回收有效样本12602份，其中包含在校学生有效样本1371份，并基于“AI就业影响公众认知指数”（AI Employment Perception Index，AIEPI），围绕职业、行业等人群维度展开分析，发现如下：

• 管理者更明显感到重复劳动减少和工作价值变化。

• 学生用AI不少，但职场AI判断能力和适应信心相对不足。

• 不同行业感受到的AI影响并不相同，服务业需要更贴近工作应用的AI培训。

一、管理者更明显感到重复劳动减少，普通职员更多承担AI校验成本

（一）管理者和普通职员均担心被AI替代

企业管理者和普通职员均较为深刻地感知到AI对就业的宏观冲击，同时个人焦虑水平都不低。管理者的冲击认知指数（IPI）为63.3，普通职员为63.2，分别高出整体0.7和0.6分；个人焦虑指数（PAI）分别为66.7和65.8，分别高出整体1.2和0.3分。分题项看，管理者和普通职员对“工作或求职受AI直接冲击”的同意率分别为64.6%和63.2%，对“被更会使用AI的人替代”的同意率分别为63.0%和61.7%，均略高于总体水平。两类人群对AI就业冲击和个人焦虑的判断与整体受访者基本一致。

（二）管理者更明显感到AI提效，普通职员的效率收益更易被核查返工抵消

管理者和普通职员的价值重构指数（VRI）总分几乎一致，但单题差异显示，管理者对AI介入工作的正负两面都更敏感。管理者一方面更明显感到AI减少了重复工作，自己可以把更多时间放到判断、协调、创造等任务上；另一方面，也更明显感到借助AI完成的成果“不完全像自己的劳动成果”，并且感到自身专业判断的重要性受到影响。

外部研究也呈现类似结果。盖洛普的美国职场调查显示，在使用AI的员工中，领导岗位更容易报告AI带来的强生产率收益；报告认为，这可能与领导岗位更常涉及分析、沟通和规划等任务有关。这或许可以解释为什么管理者更容易感到AI减少重复劳动，并推动工作向判断和创造性任务转移。

普通职员的效率收益更容易被核查、修正和返工抵消。IT智库CIO在研究中指出，企业使用AI节省的时间中，约四成会被修正AI输出的返工抵消；只看“生成更快”，容易高估AI带来的净收益。普通职员较少在全部工作环节中使用AI、对重复劳动减少的感受低于管理者，可能与其承担更多执行、核对、修改类任务有关。相应地，普通职员对“成果不像自己的劳动成果”和“专业判断变得不重要”的认同也较低，AI对其工作价值感的触动相对较弱。

二、学生用AI不少，但职场AI判断能力不足

（一）学生对AI改变工作价值的感受相对较弱

在校学生已经感受到AI就业影响，但压力感和价值变化感受低于在职人群。从就业压力感受看，在校学生的冲击认知指数（IPI，61.8）和个人焦虑指数（PAI，64.3）均略低于整体受访者（62.6、65.5）。从价值感受看，51.3%的学生同意“借助AI完成的成果不像自己的劳动成果”，低于普通职员的57.2%和企业管理者的63.9%；41.1%同意“AI的介入让我觉得自己的专业判断变得不重要”，也低于普通职员的50.5%和管理者的55.8%。学生由于还没有真正踏入职场，对工作场景下的“AI帮我完成了什么”“我还需要判断什么”“哪些结果需要我负责”的体验相对不足。

（二）“AI原生一代”并不天然更有职场AI适应信心

在校学生接触AI工具更早，似乎应当比其他人群更容易适应AI时代的工作变化。但调研数据呈现出一个反常识现象：学生的AI素养和适应信心反而偏低。然而这并不代表学生的AI使用不足，数据显示无论是使用人数还是使用频率，学生群体均高于整体，学生并没有离AI更远，AI原生一代仍然具有工具接触和使用习惯的优势。

反常识的差距是来自工作场景中的判断能力。在校学生对于“哪些工作适合用AI完成”（70.2%）“AI完成的工作是否可靠”（63.0%）的判断能力，以及“快速将新的AI工具或功能学习运用到工作中”（63.0%）的能力掌握都有所欠缺，明显低于整体水平（79.6%、73.7%、75.2%）。会用AI工具，不等于已经具备在真实工作任务中使用AI的判断能力。

这一点也解释了学生的适应信心为何相对偏弱。在校学生的适应信心指数（ACI）为69.8，低于普通职员的76.4、专业人员的77.3和企业管理者的79.3。缺乏职场实战经验，也就没有获得充足的职场正反馈来支撑适应信心。

这一判断可以与近期海外舆论中第一批“AI原生毕业生”找工作遇冷的现象相互印证。Futurism关注到一些美国企业反而开始回避“AI原生毕业生”，他们虽然会用AI写论文、补代码、改简历，但一到面试和真实业务场景，就暴露出不会独立分析、不会核验信息、讲不清判断依据的问题。AWS与Pearson的一项研究进一步提出，企业理想中的AI原生毕业生，并不只是熟练使用工具的人，而是同时具备应用判断、伦理意识和协作能力的人。

（三）学生内部已出现分层，熟练组更早开始行动

学生群体不是整体脆弱，更不是不愿适应。在校学生AI技能学习率为73.7%，并不低；真正值得关注的是内部差异。熟练组学生AI技能学习率达到84.2%，完全不行动率只有6.6%；入门组学生AI技能学习率为46.0%，完全不行动率达到32.4%。熟练组中，85.8%认同“学会使用AI工具会让我在职场中更有竞争力”，86.4%表示更愿意主动适应而不是回避。学生适应AI就业变化的关键，不是简单增加工具接触，而是把工具使用转化为任务能力。AI能力不能停留在“会问AI”“会生成答案”，还需要通过真实任务训练，转化为核查能力、判断能力、表达能力和复盘能力。

近期外部讨论也指向这一点。世界经济论坛2026年3月文章指出，AI正在改变入门岗位的性质，许多基础任务正在由AI完成，但入门岗位并不会因此失去意义，而是需要重新设计。文章提出，早期职业者未来可能更早承担审核AI输出、识别复杂问题、把AI洞察转化给团队等任务。KPMG 2026年实习生调查也显示，81%的实习生担心AI代理会显著改变或替代入门工作，但他们的主导情绪并不是恐惧，而是好奇和兴奋；78%认为自己至少在一定程度上准备好与AI协作。

三、AI先改变具体工作环节，不同行业从业者感受不同

AI对就业的影响不是一个单一行业故事。金融业从业者、贸易零售从业者、IT/互联网从业者和服务业从业者面对的变化，差异首先体现在AI进入了哪些工作环节。

（一）金融业从业者更早把AI变化转化为职业调整

金融业从业者是较明显的“主动调整型”样本。金融业从业者AI技能学习率为82.7%，已经调整职业方向的比例为23.7%，在主要行业中最高。金融业从业者的冲击认知指数（IPI）为63.5，个人焦虑指数（PAI）为67.7，说明从业者既能感知行业用人需求变化，也更容易把这种变化和个人职业发展联系起来。

AI已经进入金融客服、风控、运营、投研辅助、数据处理等多个环节，从业者较早开始行动起来并不意外，2025年10月调研已经出现趋势苗头。金融业单位已规模化使用AI的占比（23.4%）、工作中经常使用AI的占比（52.9%），以及因AI影响发生企业内部转岗的比例（38.8%）均高于总体（14.9%、46.8%、25.8%），说明金融从业者对于AI渗透进组织流程和岗位分工变化的感知更靠前也更突出。

（二）贸易零售的个人压力感更突出

贸易/批发/零售业从业者的AI压力更直接落到个人层面。从业者个人焦虑指数（PAI）为68.4，在主要行业中最高；冲击认知指数（IPI）为63.2，也高于总体的62.6。这意味着，贸易零售从业者并不只是从宏观层面知道AI会影响就业，而是更容易感到变化“和自己有关”。 英伟达研究报告显示，人工智能在零售和消费品行业中日趋成熟，九成零售商在 2026年增加人工智能预算。销售、客服、选品、供应链管理、门店运营等环节都可能被AI工具触达，个人层面的压力感因此更强。

（三）IT/互联网行业更倾向于把AI视为能力更新

IT/通信/互联网行业从业者对AI的适应行动更早且行动力更强，但焦虑水平并非最高。从业者AI技能学习率为83.7%，已调整职业方向比例为18.7%，但个人焦虑指数（PAI）为64.2，甚至低于整体的65.5。工人日报发文称，“AI+业务”复合岗成为今年互联网大厂招聘主流，对人才的要求从“懂AI技术”转向“用AI改造业务”。虽然IT互联网行业对于人才的AI学习、应用能力要求更高，但身处其中的从业者更可能把AI视为工作环境和能力要求的变化，而不是单纯的就业威胁。

（四）服务业需要更贴近工作应用的AI培训

相比之下，服务业从业者更需要把AI学习和具体任务的应用结合起来。从业者AI技能学习率（70.2%）较整体（77.8%）低了7.6个百分点，完全不行动率（17.2%）较整体（11.7%）高了5.5个百分点。这两组数字提示AI培训不能只停留在工具介绍层面。对服务业而言，更有效的学习内容可能是客服答复、销售话术、客户记录整理等更贴近日常服务流程。

本文作者：于濛濛 腾讯调研分析师

• 首期AIEPI研究之行动篇：AI就业“焦虑”正在转化为适应行动
• 首期AIEPI研究之核心发现篇：与被AI替代相比，更怕被懂AI的人替代