你每天用 AI 写周报、改代码、整理会议纪要，用完的感觉是它离取代你还远。同一时间，我接触到的几家公司今年把初级招聘计划砍了一半（样本有限，不代表行业）。
这两件事不矛盾。它们来自同一个模型的两种用法，而这两种用法落在两组不同的数据上。
所以先别问「我会不会被取代」。这个问题的粒度太粗，答不出行动。先把你的工作拆成任务，看哪些任务是可以被批量调用的。
你的工作里，可批量的部分占多少
大部分时间在做可重复、有明确输入输出的事。 文书整理、基础客服、初级代码、素材套版、数据录入与初筛。这一段是本文的主线。
大部分时间在做判断和协调。 决定做不做、找谁做、出了事谁负责。短期内 AI 改变的是你的工具，不是你的位置。
正在选第一份工作。 你要判断的是这个岗位三年后还通不通向下一级。现在忙不忙是次要的。
在带团队，招不到合适的初级人手。 你会先感受到另一侧的症状：能用的人少了，而不是要的人少了。
如果你已经手握决策权，或者只想看行业趋势预测，下面这些拆解对你用处不大。
同一个工具，两组数据
Anthropic 用 Clio 对 Claude 的使用做匿名化统计，按美国劳工部 O*NET 的职业任务分类归档，每隔几个月发一次报告。它的 2026 年 1 月报告用的是 2025 年 11 月中旬一周的数据。
数据里有个分野值得停一下。
在 Claude.ai 上，增强类使用占 52%，自动化类占 45%。增强指的是任务迭代、学习和验证这类人在环里的用法；自动化指的是把任务整个交出去、人基本不介入。而在第一方 API 的流量里，自动化占主导。
同一份报告还给了另一个角度：Claude.ai 上排名前十的任务占抽样对话的 24%，API 流量里这个数字是 32%。API 的使用更集中。集中意味着可批量。
你用网页版的时候，你是那 52%。公司接 API 的时候，走的是另一条。 招聘决策看的是那批可以批量调用的任务能不能不再需要人，跟你用得爽不爽无关。
梯子的第一级
如果只是初级岗位少了一批，那是一次性的冲击，几年就消化完了。麻烦的是另一件事。
Anthropic 2026 年 3 月的报告叫「Learning curves」，它统计了一个容易被忽略的东西：使用 Claude 满六个月以上的人，对话成功率比新用户高出约 10%，而且在控制任务类型之后这个差距依然存在。同一份报告里，资历更长的用户把 AI 用在更复杂、要求教育年限更高的任务上；个人事务类查询在他们的对话里占 38%，最新用户是 44%。
翻译成一句话：用 AI 这件事本身有一条学习曲线，早上手的人在往上爬，晚上手的人在起点。
把这条曲线和上一节的分野放在一起，问题就出来了。爬这条曲线需要一个位置——一份能让你反复练手、试错、被纠正的工作。而这种工作，通常就是入门岗位。
六月的「Cadences」报告给了一个直接的观察：早期职业阶段的人报告 AI 能完成他们工作中最高的比例，同时也对失去工作表达了最多的担忧。这两件事出现在同一批人身上不是巧合：他们手上的活，恰好是最容易整段交出去的那种。
所以被抽走的不是一个岗位。是梯子的第一级。
受影响最大的不是今天在做初级工作的人，他们至少还站在梯子上。是三年后本该升上来的那批人——他们会发现下面没有梯级可踩，而上面的位置要求的经验，只能从那些已经不存在的岗位上攒。
这一层没有现成的对策。至少要先承认它不是「学个工具就能解决」的问题。
拆任务，别对着职位名字猜
「设计师会不会被取代」这种问题没法回答，因为设计师这个词底下装着二十种任务。换个做法：拿你上周的实际工作，逐项过下面四问。
- 这项任务的输入和输出，能不能都用文本或结构化数据表达？
- 做对做错能不能被快速验证，还是要等很久才知道结果？
- 出错的后果由谁承担，是否需要一个具名的人负责？
- 它是否需要现场、关系，或者组织内部没写下来的信息？
前两问答「是」的任务，是企业端最容易批量化的那一类：可描述、可验证、可以放进一个循环里跑。后两问答「是」的任务，短期内还需要人，因为出了事需要有人签字。
拆完之后你会得到一个比例。这个比例比任何行业预测都更接近你的处境。
如果想再往前一步，可以做一次抽样观察：在一个招聘平台上，对同一个岗位名称抽取有限数量的在招职位，记下抽样日期、平台、岗位名和样本量，看初级岗位的经验年限门槛写到了几年。记得写清抽样范围。 二十条 JD 说明的是这二十条，不是行业。
中文互联网那批数字，我一条也没找到出处
写这篇的时候我搜了一圈中文结果，几个数字反复出现：「2026 年上半年 AI 相关岗位招聘量同比增长 215%」「传统文职岗位招聘量下降 37%」「中国市场新增 AI 岗位约 85 万个，约 340 万个传统岗位受到实质冲击」。
这些数字被大量转载，但没有一条能追到发布机构、统计口径或原始报告。它们出现在自媒体号、培训机构博客和问答平台上，互相引用，形成一个闭环。
我没有用它们，也建议你在看到时先问一句谁统计的。一个连样本量和时间窗口都不给的比例，方向可能是对的，但它不能用来做决定。
这份数据不能证明什么
本文引用的三份报告来自 Claude 的真实使用记录，这是它的价值，也是它的边界。
样本是使用 Claude 的人，不是全体劳动者。会用、愿意用、付得起的人本身就是筛选过的一群。项目页也写明了几条局限：无法确认用户拿到回复后到底怎么用了（是直接交差、改了改，还是核对完扔掉）；编码类使用可能因为产品定位而被高估；分类工具在数千种任务之间可能出错。
这份数据能说明的是「AI 正在被用在哪些任务上、被谁用、用得顺不顺」。它不能说明某个岗位在中国会不会消失，更不能说明你会不会。
什么时候回来重看
给自己两个时间点。一个月后，回看你那张任务拆解表，标记哪些任务在这个月里真的被工具接走了；六个月后，重做一次同岗位的 JD 抽样，比较经验年限门槛有没有移动。
这两个记录比任何预测都更早告诉你风向。
Anthropic Economic Index 发布下一份季度报告、国家层面出现可追溯的岗位结构统计，或者你所在行业的初级岗位招聘出现可核实的变化时，本文需要重新核验。
你上一次把自己手头的工作拆成任务，是什么时候？评论区说说你的比例。 转给那个总说「AI 离取代我还远」的朋友——下次用四问拆一遍再下结论。