涌现观点｜一份让科技圈沉默的报告：AI时代，历史学家的价值正在超过程序员

如果你也是一个在AI浪潮中感到焦虑的普通人，那么这份来自微软总部的内部报告，可能会彻底改变你的看法。

2025年夏天，当整个世界都在为AI如何赋能程序员写出更优雅的代码而欢呼时，一份来自微软研究院内部的报告，却像一颗投入平静湖面的石子，激起了意想不到的涟漪。

这份报告并非基于理论推演，而是对20万次真实世界里，普通人与AI助手Copilot的对话进行的深度分析。它像一部纪录片，捕捉了AI渗透进我们工作与生活的真实瞬间。而报告的核心数据，指向了一个惊人的、甚至可以说违背了我们所有人直觉的事实：

在AI的真实影响中，首当其冲的并非我们预想的技术精英，反而是那些常被我们调侃“务虚”的职业——历史学家、作家、政治学者。

这个强烈的反常识信号意味着什么？是数据的偶然，还是预示着一场深刻的价值尺度变革？这不仅仅关乎谁的工作更安全，更关乎在AI时代，我们到底应该学习什么、以及什么样的能力才是未来真正的“硬通货”。

第一部分：打翻的常识——AI的首要目标，竟不是程序员？

长久以来，我们对技术变革的想象，总是从最程序化、最可量化的领域开始。AI浪潮袭来，程序员、软件工程师这些与代码朝夕相处的职业，被理所当然地推上了“最先被颠覆”的风口浪尖。各大公司发布的报告也似乎在印证这一点，比如蚂蚁集团CodeFuse的实地实验[1]显示，AI让代码产出提升了55%；而麦肯锡的开发者实验室研究[2]更是发现，AI能将自动化文档、新代码开发的时间减少一半。

然而，微软这份名为《与AI共事：衡量生成式AI的职业影响》[3]的研究，却提供了一个更宏大、也更复杂的视角。研究者们创造性地提出了一个“AI适用性得分”（AI Applicability Score）体系，它不仅仅衡量AI能不能做某项工作，更综合了这项工作在真实世界中被AI执行的频率（Coverage）、任务完成率（Completion）和影响范围（Scope）。这是一个更接近现实的“AI渗透度”指标。

当我们放大这份榜单时，一个令人意外的图景浮现了。

图：AI适用性得分最高的TOP 15职业（数据来源：微软研究院）

令人惊讶的是，历史学家（Historians）以0.48的高分赫然在列，紧随其后的作家（Writers and Authors）得分0.45，政治学者（Political Scientists）得分0.39。这些分数甚至超过了许多人预想的技术岗位。当我们把目光投向榜首，口译员（Interpreters and Translators）以0.49的最高分雄踞榜首，而销售代表、客服、公关等沟通密集型职业也占据了大量席位。

这还不是全部。为了理解AI究竟是如何影响这些职业的，研究者们进一步解剖了人机协同的本质，区分了“用户目标”（User Goal，人类想让AI做什么）和“AI行动”（AI Action，AI实际在做什么）。他们发现了一个更为深刻的现象：在高达40%的对话中，AI的行动与用户的目标是完全不相交的。

这意味着AI并非在“取代”人的工作，而是在“服务”于人的目标，扮演着一个强大的辅助角色。一个绝佳的例子是：当一位历史学家（用户）的目标是“研究某个社会历史问题”（Research historical/social issues）时，AI最常见的行动是“从各种来源收集信息”（Gather info from various sources）。人类提出深刻的命题，AI则负责执行繁琐的信息处理。

这种“人机任务分离”的现象，清晰地揭示了当前AI影响工作的核心模式。那么，下一个问题自然而然地浮现了：为什么是人文社科？为什么是这些看似离技术最远的职业，反而成了AI渗透的“热土”？

第二部分：解剖AI——为什么它是一个“超级文科实习生”？

要回答这个问题，我们必须剥开AI华丽的外壳，直面它当下最真实的能力边界。

AI之所以高度赋能人文社科，根源在于当前大模型的技术本质——它是一个无与伦比的语言处理工具，而非一个全能的逻辑或物理引擎。这个“偏科”特性，决定了它的影响范式。

能力维度

AI的“长板” (High Applicability & Satisfaction)

AI的“短板” (Low Applicability & Satisfaction)

核心能力

语言处理、模式生成、信息整合

逻辑推理、因果判断、数学证明

典型任务

获取信息、写作、翻译、总结、起草

精确的数据分析、复杂系统建模、原创视觉设计

工作角色

研究助理、文案、翻译、信息检索员

科学家、数学家、战略分析师、高级设计师

背后原因

基于概率的“下一个词预测”，擅长模仿和重组

缺乏符号接地、系统性泛化和价值判断能力

AI的“长板”：对非结构化文本的“统治级”处理能力

微软的研究数据明确显示，AI在高频、高满意度、高完成率的任务上，几乎都围绕着“语言和文本”。比如，“获取信息”、“写作”、“解释”、“总结”等等。这恰恰是人文社科研究者们每天都要面对的核心工作。

但这并不是人类意义上的“思考”或“理解”。正如Quanta Magazine的一篇深度报道[4]所指出的，大语言模型的本质是一种基于海量数据训练出的、极其复杂的概率预测和模式生成。它并不真正理解文字的含义，只是学会了在特定上下文中，哪个词语出现的概率最高。它擅长回答“是什么（What）”和“怎么样（How）”，却不擅长回答“为什么（Why）”。

AI的“短板”：逻辑、物理与价值的“三重真空”

与“长板”同样鲜明的，是AI的“短板”。微软报告中一个值得玩味的数据是：在“分析数据”（Analyze Data）和“创作视觉设计”（Create Visual Designs）这两类任务上，用户的满意度是最低的。

这背后暴露了AI在三个领域的根本性缺陷：

1. 逻辑真空：AI的概率性本质，决定了它难以进行严格的因果推断和数理逻辑。来自 MIT的研究 [5] 发现，即使是顶尖模型，在面对一些简单的逻辑组合或数学变体题时，也常常一败涂地。尽管学术界正全力探索“神经符号AI”等前沿方向，但这 依然面临着基础理论上的巨大挑战 [6] 。

2. 物理真空：AI无法与真实世界直接交互。它可以帮你写一份商业计划书，但无法帮你与投资人握手；它可以为你生成菜谱，但无法真正为你烹饪一道菜。

3. 价值真空：AI没有主观意识和价值观，无法进行伦理权衡和审美判断。它能模仿一种写作风格，却无法拥有真正的创作意图和情感共鸣。正如哲学家Luciano Floridi在其 对AI伦理的深刻剖析中 [7] 所警告的那样，我们所感知的AI“同理心”，很可能只是一种“语义错觉”。

综合来看，AI当下的能力画像极其鲜明：它是一个精力无限、博闻强识、任劳任怨的“文科超级实习生”；但同时，它也是一个粗心大意、缺乏常识的“理科研究员”，和一个永远无法触碰真实世界的“车间观察员”。

理解这个本质，是看懂未来人机协作的关键。AI并不是要取代历史学家，而是要成为历史学家最强大的“研究助理”，将他们从浩如烟海的文献整理中解放出来。

第三部分：未来的牌桌如何重洗？

当一个“超级实习生”能够以近乎零的成本，完成过去需要一个博士团队花费数月才能完成的信息处理工作时，一场深刻的结构性变革已经无可避免。

图：AI对未来工作、组织和个人的三重影响

层面一：工作的重构——从“解决问题”到“定义问题”

普林斯顿大学的政治学者Kyuwon Lee一度陷入了困境。他面前是一份长达997页的二战时期种族关系档案，字迹模糊，格式混乱，充满了时代特有的“噪音”。按照传统方法，他和他的研究助理团队可能需要花费整个夏天，逐字逐句地进行手动清洗和数据提取。这不仅是体力的消耗，更是对创造性思维的磨损。

直到他尝试将这项任务“外包”给GPT-4。

在一项记录了该过程的研究中[8]，我们看到AI以惊人的效率完成了这项工作，准确率与人类助理高度一致，但时间成本几乎可以忽略不计。Lee教授的感慨是：“传统大规模社会科学项目往往依赖数十名助理，现在GPT让中小团队能实现以往只有大机构才能承担的实证研究。”

这个故事揭示了AI时代工作的核心变迁：既然AI极大地降低了“信息获取”和“内容生成”的成本，那么工作的价值链必然会向上游移动。最高价值的环节不再是执行，而是提出一个好问题，以及整合AI的输出形成独特洞见。

这种变革正在各个领域发生。正如Perplexity的CEO Aravind Srinivas所说[9]：“随着AI让所有人都能获得全世界的答案，我们真正的技能变成了持续提出新问题的能力。”未来的高价值工作，将是一个公式：深刻的提问 + AI的执行 + 人类的整合与验证。

层面二：组织的重构——“超级个体”与“思想中台”的崛起

当个体能借助AI完成过去需要一个团队才能完成的工作时，商业组织的基本形态也开始松动。

“超级个体”，或称“一人公司”（Solopreneur），正从一种小众的生存方式，变为知识经济领域一股不可忽视的力量。创新管理咨询师John Vetan就是一个绝佳的例子。他利用定制的GPT工具[10]，将一个原本需要2-3天才能完成的工作坊成果整理（包括录音转录、内容聚合、报告撰写），压缩到了3个小时。他评价道：“AI不是替代，而是超级加速器。它让个人咨询师也能逼近甚至超越团队级别的专业产出。”

从独立顾问到微型SaaS开发者，再到内容创作者，AI正在赋予个体前所未有的力量，让他们可以与大型机构同台竞技[11]。这预示着，未来组织的形态可能会更加灵活、敏捷，由一个个“超级个体”或“小型精英工作室”通过网络协同，共同完成大型项目。

层面三：个人的重构——人文素养，从“软技能”到“元技能”

如果说工作的价值在于“提问”，组织的形态趋向于“个体”，那么对我们每个人来说，应该投资什么样的能力？

微软的报告以及我们所有的补充材料，都共同指向了一个答案：那些过去被认为是“务虚”的、锦上添花的“软技能”，在AI时代，正升级为最核心、最不可被替代的“元技能”（Meta-Skill）。

权威的商业评论和研究机构正在反复强调这一点。无论是《哈佛商业评论》对“软技能”价值的重申[12]，还是麦肯锡对未来工作技能需求的预测[13]，都表明，对批判性思维、沟通、同理心等高阶认知能力的需求增长，将远超任何单一的技术工种。而MIT斯隆管理评论与波士顿咨询的联合研究[14]也发现，真正能用好AI的公司，其核心优势在于强大的组织学习能力，这本质上就是一种软技能的集合。

这些“元技能”，恰恰是优秀的人文社科教育所致力于培养的：

1. 历史感与系统观：理解事物并非孤立存在，而是在复杂的历史脉络和系统互动中演化。这种能力让你能看清趋势，做出更明智的长远判断。

2. 批判性思维与怀疑精神：AI会“一本正经地胡说八道”，而审视其输出、发现其谬误、不盲从权威的能力，源于长期的思辨训练。

3. 同理心与叙事能力：理解他人需求、建立信任、并将复杂的思想编织成一个引人入胜的故事，是连接人与人、人与思想的终极桥梁。

对所有职场人而言，真正的“AI焦虑解药”，或许不是去抢报一个Python课程，而是静下心来，重读一本好的历史或哲学著作，并刻意练习清晰的写作与表达。因为这不再是为了“陶冶情操”，而是为了“保持领先”。

结论：拥抱“不确定性”，是AI时代最高级的智慧

微软的这份报告，如同一面镜子，不仅照见了AI的能力边界，更照见了我们自身的价值所在。它最大的启示是：技术的发展充满了反常识的转折。试图预测和押注于某项具体的“术”（如某种编程语言）可能是徒劳的。

真正的远见，是投资于那些普适的、永恒的“道”——即面对复杂与不确定性时，依然能提出深刻问题、进行独立思考、并做出明智判断的智慧。这，恰恰是人文教育试图赋予我们的核心。

为了应对AI的挑战，斯坦福大学开设了《以人为本的人工智能》[15]，牛津大学则启动了全校范围的生成式AI素养项目[16]，MIT也推出了面向所有人的AI与社会影响课程[17]。这些顶尖学府的行动，都在宣告一个新时代的到来：技术素养和人文精神不再是两条平行线，而是交织在一起，共同构成未来人才的核心竞争力。

AI并非人文精神的掘墓人，恰恰相反，它可能是其价值的终极放大器。在一个机器负责解答的世界里，我们人类，终于可以重新专注于那个更古老、也更根本的使命——探索意义，并定义我们想去往的未来。

参考资料

蚂蚁集团CodeFuse的实地实验: https://www.bis.org/publ/work1208.htm

麦肯锡的开发者实验室研究: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai

《与AI共事：衡量生成式AI的职业影响》: https://arxiv.org/abs/2507.07935

Quanta Magazine的一篇深度报道: https://www.quantamagazine.org/chatbot-software-begins-to-face-fundamental-limitations-20250131/

[5]

MIT的研究: https://news.mit.edu/2024/reasoning-skills-large-language-models-often-overestimated-0711

[6]

依然面临着基础理论上的巨大挑战: https://aclanthology.org/2023.findings-emnlp.248.pdf

[7]

对AI伦理的深刻剖析中: https://www.psychologytoday.com/us/blog/the-digital-self/202506/ai-and-our-need-to-believe

[8]

一项记录了该过程的研究中: https://kyuwon-lee.github.io/research/gpt_polisci.pdf

[9]

Aravind Srinivas所说: https://www.youtube.com/watch?v=MD4W_e3dJPs

[10]

利用定制的GPT工具: https://www.linkedin.com/posts/johnvetan_ai-case-study-enhancing-consulting-with-activity-7229108659337805825-ZBX8

[11]

与大型机构同台竞技: https://parallellabs.app/white-label-ai-the-secret-weapon-helping-solopreneurs-compete-with-enterprise-agencies/

[12]

《哈佛商业评论》对“软技能”价值的重申: https://www.library.hbs.edu/working-knowledge/why-soft-skills-still-matter-in-the-age-of-ai

[13]

麦肯锡对未来工作技能需求的预测: https://nestorup.com/blog/the-future-of-work-an-overview-from-mckinsey-report/

[14]

MIT斯隆管理评论与波士顿咨询的联合研究: https://sloanreview.mit.edu/projects/learning-to-manage-uncertainty-with-ai/

[15]

斯坦福大学开设了《以人为本的人工智能》: https://hai-production.s3.amazonaws.com/files/2025-02/2024-hai-annual-report-02252025-digital.pdf

[16]

牛津大学则启动了全校范围的生成式AI素养项目: https://www.ox.ac.uk/gen-ai

[17]

MIT也推出了面向所有人的AI与社会影响课程: https://xpro.mit.edu/courses/course-v1:xPRO+GenAI/