打开任何一个社交平台，关于失业的焦虑几乎扑面而来：大模型又迭代了，程序员首当其冲，翻译与插画从业者纷纷考虑转行，连投行分析师也开始感到不安。人们紧握计算器，反复盘点眼前那些似乎随时会消失的岗位。
但假如一开始，我们所用的计算方法本身就有问题呢？
OpenAI首席经济学家罗尼·查特吉（Ronnie Chatterji）与应用科学家哈里森·萨切尔（Harrison Satcher）近日联合发布文章，把矛头指向当前全球就业讨论中的认知盲区。这篇文章的标题本身就带有讽刺意味——《我们还没有那些名词》（We don't have the nouns yet）。
其核心论点可凝练为一句话：所有人都在盯着旧菜单预测饥荒，却没意识到厨房里正在培育全新的物种。如果未来大部分新职业连名称都还未出现，凭什么去统计它们？
回到1976年：你能向祖父解释清楚你靠什么吃饭吗
为揭示这种认知障碍，Satcher在文中设计了一个巧妙的时空穿越思想实验。
设想你乘坐时光机回到1976年。家庭聚餐时，祖父和蔼地问你：“孩子，在未来你靠什么谋生？”你坦率回答：“我在替托管于云端的视频流移动应用做搜索引擎广告优化。”
在那个个人电脑尚未普及的年代，这句话几乎等同天方夜谭。你祖父脑中大概会冒出一连串疑问：“搜索”？查资料难道不是去图书馆翻卡片目录？
“云端”？你是在天上哪朵积雨云里上班？“应用（App）”与“移动设备”？那是五角大楼的军用对讲机吧？你根本没法说清楚自己的工作，因为在解释这份年薪数十万美元的职业之前，你得先教会他晶体管革命、商用互联网、智能手机、4G基站、分布式流媒体乃至整个现代数字广告体系。
身处1976年，任何一个头脑清醒者都能轻易预言：印刷排字工将被机器替换，报纸分类广告撰稿人会明显减少。这种“毁灭”清晰可辨、具体可感，甚至带着血腥气息。但当时没有人能预料到“流媒体算法优化师”这个行当会诞生。
如今，同样的历史脚本正在被一模一样地重演。我们能无比清晰地察觉到“初级代码被Copilot瞬间写完”、“客服系统被智能体替代”；可对于大模型即将催生的成千上万种新产品、商业形态与协作网络，人类词库里的名词储备已经彻底断供。
MIT八十年证据：六成现代人在做当年不存在的“外星职业”
该判断有严谨的经济学实证研究作为支撑。
麻省理工学院（MIT）知名劳动经济学家戴维·奥特（David Autor）团队完成过一项在学界引起轰动的分析。他们覆盖了1940年至2018年近80年的时间跨度，深入梳理了美国人口普查中记录的超3.5万个职业细分分类。得出的结论让人震惊：2018年全美所有就业岗位中，超过60%的具体工种在1940年的官方职业分类字典里根本无处可寻。
技术演进遵循着生物学家考夫曼提出的“相邻可能”（Adjacent Possible）原理：火箭的诞生，让人造卫星发射成为可能；卫星的部署，让全球GPS导航网络成为可能；GPS与移动通信的交织，让网约车和外卖平台成为可能；而网约车平台的爆发，最终凭空催生了数以千万计的“调度算法工程师”、“路径规划优化师”以及全职网约车司机。当第一枚火箭点火升空时，有哪位顶级经济学家能顺着这条因果链推算出今天穿行于大街小巷的骑手和后台调度系统？
OpenAI文章中还举出一个经典例子：如今美国约有125万人从事网络安全（Cybersecurity）工作，平均每130名劳动者中就有一人以此为生。然而回到1970年代，翻遍所有英美出版物，“Cybersecurity”一词出现的频率几乎精确等于零。
从核磁共振（MRI）催生的近4.4万名专业医学影像技师，到光伏产业创造的数十万分布式电网安装与维护专家，技术永远是先打碎旧模具、造出新机器，而职业的正式“命名”往往要等十几年甚至几十年才迟迟到来。
招聘市场骤变：51%的AI需求出现在非IT领域
如果宏观历史看上去仍然遥远，那么来自招聘市场一线的数据已记录下这股不可逆转的变化。
全球权威劳动力市场数据机构Lightcast（前身为Burning Glass与Emsi）在深挖数亿条真实企业招聘广告后，给出几个彻底打破直觉的发现。
第一，非IT岗位占比突破51%。很多人习惯把AI浪潮看成科技精英内部的零和博弈，但劳动力市场数据表明，自2022年底生成式AI爆发以来，非科技行业对生成式AI技能的岗位需求激增了800%（即翻了9倍）。到2024年，在所有明确要求掌握大模型工具的招聘岗位中，超过51%来自传统IT与计算机科学之外的领域，法务合规、建筑工程、市场策划、客户维系、医疗随访均已全面卷入。企业不需要人人都会亲手训练千亿参数大模型，企业争抢的是“懂本行业真实痛点、并能把大模型当作外骨骼”的业务尖兵。
第二，AI技能带来平均28%的薪资溢价。在排除工作地点、学历年限与行业背景等干扰因素后，Lightcast的全样本比对显示：明确要求具备AI协同技能的岗位，平均薪酬比同类传统岗位高出28%，折合年薪净增约1.8万美元（接近13万元人民币）。在法律审计、建筑咨询等传统知识密集型行业，这种溢价尤其显著。一位既懂复杂民商法典、又能熟练运用检索增强生成（RAG）搭建企业级案例库的资深法务，其人均产出是普通同行的数倍。
世界经济论坛（WEF）在《未来就业报告》中也给出了宏观账本：虽然预计有8500万至9200万个传统例行文本处理岗位会被逐步淘汰，但派生出的新型人机协作岗位将达到9700万至1.7亿个。总量并未坍塌，但工种的基因正在发生突变。
OpenAI内测报告：“任务越界”正在瓦解旧工种
这种基因突变在日常办公场景中是什么模样？OpenAI追踪了超过150万条真实的ChatGPT生产力交互记录，并在其《Work at the Frontier》报告中提出一个颇具穿透力的新概念——“任务越界”（Task Crossover）。
数据显示，在职场人与AI的协同过程中，高达43.5%的任务并不属于其本职岗位的传统范围：程序员开始频繁借助大模型撰写营销文案与客户提案；行政专员用自然语言写出自动化Python脚本，打通各部门表格；初创团队的财务负责人借助模型完成原本需外包给律所的合规初审。
更进一步追踪显示，从2026年4月到7月，这类跨职业任务在日常工作中的沉淀率从13.1%翻倍攀升至25.9%。岗位头衔没有改变，名片上的称呼仍是旧的，但每个人每天在工位上处理的事务，其内在本质已经被彻底重组。
正如科技博主ADL在社交平台上的论断：“技术变革的演进机制在于，当底层API逐步稳定之后，第三方开发者开始大量编写‘胶水代码’，从而定义全新的工作形态。”
看得见与看不见：过渡期的冷酷阵痛
在看清宏观蓝图的同时，也需要保持冷静，客观审视技术狂欢背后的现实代价。
创新经济学学者杰森·波茨（Jason Potts）在一则评论中引用了19世纪法国经济学家巴斯夏的名篇《看得见的与看不见的》：“在经济学思维中，看得见的与看不见的这一概念极其重要。它不仅适用于成本端（机会成本、破窗谬误），同样适用于收益端，当新工作和新产品尚不存在时，它们是‘看不见、不可想象’的，因此我们很难把这笔账算对。”
正因为新机会是“看不见的”，所以人的本能反应必然是恐惧。更残酷的现实是，MIT戴维·奥特的研究同时指出：自1980年代微电子革命以来，技术对任务的“自动化替代速度”实际上已经开始超过“增强创造速度”。历史从不承诺每一个失去旧饭碗的人，都能在相同时刻、相同地点无缝对接到刚出现的新岗位上。
一位在印刷厂工作了二十年的熟练排字工，无法一晚之间变成光纤网络铺设工程师；今天一个被智能客服系统优化的坐席人员，也很难立刻转型为企业专属知识库的“流程编排专家”。正如推特上一位普通读者最朴素的质问：“在词汇追上现实之前，人们总得吃饭。”
新旧时代的更替往往伴随剧烈的撕裂与阵痛。OpenAI的研究团队强调，提出“我们还没有那些名词”这一说法，意在提醒政策制定者、企业管理者与千千万万普通劳动者正视当下的转型挑战：千万不要拿今天的工种边界，作为明天生存可能的牢笼。
别等词典收录，先成为擅长“技能重组”的人
人类对未来的认知，常被语言所紧紧束缚。蒸汽机车最早开上轨道时被叫作“不用马的铁车”，汽车刚问世时常被报纸称为“无马马车”（Horseless Carriage），而第一台通用电子计算机在宾大通电时，人们能想到的类比也只是“巨型算盘”。我们总习惯拿后视镜里的东西，去命名挡风玻璃前奔涌而来的全新时代。
如今，大模型引发的巨浪正在冲垮工业时代用流水线逻辑焊死的一道道职业隔墙。不必再纠结名片上那个名词是否会在五年后消失。在这个名词尚未诞生的莽荒前夜，最具生命力的生存策略，是主动打破既有工种的边界，拿起最新工具去连接那些看似不相干的技能。当你在原有工作的边缘用AI组装出前所未有的业务效率时，那个定义你全新价值的名词，迟早会由你亲手写下。
小结：OpenAI研究团队的核心提示是，未来绝大多数新职业尚无名字，用旧工种口径去统计就业必然失准。Lightcast与WEF的数据已表明AI岗位需求正从IT外溢至非IT领域，技能重组而非固守头衔，才是个人与企业应对变局的可行路径。