AI 浪潮冲击职场:打工人心态各异,新趋势凸显机遇与挑战

AI 浪潮冲击职场:打工人心态各异,新趋势凸显机遇与挑战

AI 技术应用正深刻影响着各行各业,大众对其态度愈发两极分化。近日,OpenAI CEO 奥特曼的家先后遭遇燃烧瓶和枪击袭击,公众对以 ChatGPT 为代表的 AI 助手应用的“声讨”,已从对生活、工作、职业发展和生存挑战的担忧,升级为现实社会中的暴力事件。

美国并非个例。今年 2 月,数百名反人工智能抗议者在伦敦国王十字举行抗议活动,这里是 OpenAI、Meta 和谷歌 DeepMind 英国总部所在地。此次活动由“暂停人工智能”(Pause AI)和“停止人工智能”(Pull the Plug)两个维权组织发起,抗议者们高呼口号、挥舞标语,这也是迄今为止规模最大的同类抗议活动。

在中国,“人工智能 + 教育”行动计划已启动,人工智能被纳入教师资格考试和认证内容,中小学人工智能教育将加快普及,高校也将把人工智能设为公共基础课。

那么,对于职场人士来说,AI 技术应用的冲击和影响究竟到了什么程度呢?雷科技(ID:leitech)采访了多个领域的职场人,并结合大规模问卷调查结果,试图呈现不同行业打工人在当下的职业心态变化,以及他们对 AI 影响的立场、态度和行动。

打工人直面首波冲击,未过度恐慌

今年 3 月,Anthropic 发布的报告显示,商业与金融、计算机与数学、办公室与行政、管理、法律、艺术与媒体是“理论 AI 覆盖率”最高的六类职业;而“实际 AI 覆盖率最高”的七类职业依次为计算机与数学、办公室与行政、商业与金融、销售、法律、艺术与媒体、教育与图书馆。

林晖是某金融集团全资科技子公司的互联网前端开发人员。“网页设计制作”是当下 AI 智能体最热门的技能之一,前端开发人员按理应该会有明显的“AI 焦虑”,但林晖却很淡定。他表示,他们项目组目前有两个前端、十个后端,前端工作都忙不过来,根本没时间担心被 AI 取代。不过,他也承认,由于项目特殊,前后端人员配置比例“更极端”,后端开发人员也不愿涉足前端领域。目前公司计划让老前端转为全栈开发,但实际情况是前端开发工作越来越少,项目仍需有人兜底。现在公司不再招聘单独的前端开发岗位,只招全栈开发人员,还对老员工进行前后端技术融合培训。

雷科技了解到,即便在融入 AI 协作系统的新创企业中,相关岗位技术人员仍需承担“把关者”角色,比如 AI 生成的代码,仍需程序员在最终交付或上线前进行人工审核。

陈素是传统家居出海企业的互联网后端技术人员,他表示公司的前后端开发已转为全栈开发,他自己开发了公司的 Vue 前端框架。现在公司鼓励多用 AI 助手,原本需要多个程序员完成的工作,如今压缩到一两个人。例如,前端的后台管理系统页面已由后端接管,前端页面交互先由 AI 写基础代码,再人工修改优化;后端逻辑仍以人工开发为主,遇到问题再借助 AI 解决。他所在的项目组原本有两位 UI 设计师,去年下半年一位离职后一直未补人,上级要求另一位设计师用 AI 提高效率。

陆可在外企从事会计工作,他并未感受到明显的 AI 焦虑,反而体会到了 AI 对工作的帮助。他并非英语专业出身,但在 AI 翻译润色工具的辅助下,能较好地处理英文邮件。

自媒体人对 AI 心态复杂

除了码农群体,自媒体人也是受 AI 冲击较大的群体。方遥运营着当地一家较大的房产自媒体号,以图文内容为主,楼盘航拍视频是特色。近年来楼市下行,他心态着急,对 AI 也有着复杂的态度。一方面,他希望借助 AI 提高工作效率,实现以前无法完成的工作,如更快写稿、制作更多视频,甚至涉足“资讯视频”制作领域;另一方面,公众号平台对 AI 写稿、发稿管控严格,系统能识别 AI 文章,此类内容基本不会被推荐,所以他还是选择自己创作。此外,他关注文字转视频技术,但字节跳动旗下的 AI 视频生成模型 Seedance 2.0 转视频成本为 1 秒 1 元,还存在“抽卡”损耗,他觉得太贵。不过,对于商业变现能力强的 AI 漫剧赛道来说,这个成本可能不算高,这也是 Seedance 2.0 生成作品仍需排队的原因。方遥表示,他会先尝试用 AI 做个小程序,等地产行情好转再进行大的转型。

转向低 AI 覆盖率岗位成趋势

近期,深度求索(DeepSeek)发布新一批岗位招聘信息,除杭州和北京外,首次出现内蒙古乌兰察布的岗位,分别是数据中心高级交付经理和数据中心高级运维工程师,月薪最高 3 万元。BOSS 直聘报告显示,2025 年雇佣量增长最高的职业是电工。随着全球数据中心大规模建设,电力基础设施相关岗位需求大增,而电工的物理操作和复杂环境适应能力,AI 和具身智能机器人短期内难以企及。

周牧是基层街道编制人员,他很早就用 AI 辅助材料撰写和 PPT 制作。他认为 AI 目前只是工具,能提高基层工作效率,但基层岗位性质决定了 AI 只能是助手,最大影响可能是减少编外聘用人员。

苏雨负责写汇报材料,他尝试过 AI 写作,但还不熟练。他喜欢“搞数据”,整理数据和编制图表花费时间不多,所以未用 AI 辅助。

江沅是新媒体公司行政人员,新媒体公司采用“扁平化”管理和小规模团队运作,他的工作缺乏技术含量和职业壁垒。他和前任一样,规划从行政岗位转向商务岗位。在 AI 时代,与人打交道、收入更高的岗位更受青睐。

AI 浪潮下职场新趋势

雷科技此前采访过一家创业公司,去年底就给技术开发团队下达每日“Token 消耗”KPI。目前来看,该公司开发团队工作效率显著提升,工作方法和技能更 AI Native 化。不过,公司负责人表示,目前只对技术研发团队有“Token 消耗”KPI,非技术部门则考量任务自动化率、SOP 技能化程度和新业务价值创造。

现阶段,AI 能胜任的主要是确定性高、数字化程度高的低端和基础技能工作,“工具人”岗位更容易被 AI 取代。雷科技通过大规模问卷调查,发现了 AI 介入职场的新趋势:

1. AI 使用普及:所有参与问卷的职场人都在工作中使用 AI,其中两成是每天必用的“深度依赖者”,近五成是每周多次使用的“高频使用者”。

2. 主要协作环节:职场人利用 AI 协作的主要环节依次是资料搜集与信息摘要(34%)、撰写初稿和文稿润色(23%)、数据分析和代码辅助(16%)。

3. 渗透率提升:半数以上职场人认为,相比一年前,AI 对自身业务的渗透率明显提高。

4. 企业态度:近六成职场人所在企业默许员工使用 AI,但不正式支持,靠员工自行摸索;25%的企业积极鼓励员工使用,提供付费账号、Token 配额和培训。

5. 积极情绪为主:七成职场人对 AI 技术应用在工作中的普及持积极态度,一半人好奇探索,两成人兴奋期待,两成人平静无感。

6. 核心价值难替代:绝大多数职场人认为 AI 难以替代自身岗位的“核心价值”,只有 13%的人认为 AI 能完全胜任甚至做得更好;近四成认为 AI 可替代部分简单重复工作,但决策、人情世故等方面无法替代;另一半认为 AI 只能打下手,岗位主要依赖个人技能、经验和判断。

7. 岗位稳定性:七成职场人认为岗位“稳中有忧”,需不断学习新 AI 技能;不到两成认为岗位非常稳固。

8. 工作变“卷”看法不一:两成职场人“非常认同”AI 让工作更“卷”,四成“比较认同”,四成“不太认同”。

9. 核心素养需求:职场人认为适应 AI 时代需具备的核心素养依次是深度提问与指令下达能力、极度专业领域的纵深知识和经验、人际连接与情感服务能力、跨领域的审美与评判力。

10. 企业支持期望:职场人希望企业提供明确的 AI 辅助工作流程指引,划定可利用 AI 协作的环节,还希望得到系统性、针对性的 AI 应用操作培训,以及合理评估工作量、减轻压力,而非增加负担。

(文中受访者林晖、陈素、陆可、方遥、周牧、苏雨、江沅均为化名)

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性全局寻优能力,适用于现代智能电网中的需求侧管理能源优化场景。; 适合群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研员、高校研究生及工程技术员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性不确定性,提升系统运行的稳定性电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性可靠性目标,并通过仿真平台验证了所提方法的有效性优越性。; 适合群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研员及工程技术员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发教学实践;②为实现微电网功率稳定控制经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证方案优化。; 阅读建议:建议结合提供的Simulink模型相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建参数调优方法,并通过传统PID或MPC控制策略的对比实验,深入理解其在动态响应鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环电流环)的设计仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制电力电子技术相结合的典型研究案例。; 适合群:具备自动控制原理、电机拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSODSO之间的信息交互协同决策,通过引入割平面迭代机制保障求解的收敛性全局最优性。研究充分考虑新能源出力负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合群:具备电力系统分析、运筹学优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研员及工程技术员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测非线性系统建模任务中的精度稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWOElman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研员及工程技术员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径技术细节;②深入理解Elman递归神经网络群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 JMeter的录制方法及过滤策略、线程组构成要素是什么? JMeter能够借助第三方录制工具(如BadBoy)或其自带的录制功能来完成录制工作,JMeter的录制机制:是借助HTTP代理服务器来捕获用户在操作网站时产生的链接信息。JMeter允许在配置HTTP代理服务器时,排除掉非必要的CSS、GIF等资源,以此减轻不必要的负担。 线程组涵盖:线程组的名称标识、附加注释说明、线程组内的用户数量、线程组完成请求的时间分配、循环执行次数、时间调度机制 【JMeter性能测试详解】 JMeter是一款功能强大的性能测试软件,常用于模拟大规模用户同时访问Web应用,用以衡量系统的性能表现和稳定性。接下来将具体说明JMeter的操作方法、线程组的设置以及性能测试的重要环节。 **JMeter录制过滤** JMeter可以通过BadBoy等外部工具或其自带的HTTP代理服务器来记录用户的行为。其录制原理是JMeter作为HTTP代理,拦截用户浏览器发出的所有网络请求。在配置代理服务器时,能够过滤掉不必要的CSS、GIF等静态资源,以减少无效的负载。 **线程组配置** 线程组是JMeter测试计划的核心部分,包含以下几个关键参数: 1. **线程组名**:用于区分测试计划中的不同测试区域。 2. **注释**:用于记录测试目标或注意事项。 3. **线程数**:用于模拟并发用户的数量。 4. **循环次数**:每个线程需要执行的循环次数,可以设置为无限循环。 5. **Ramp-up period**:规定所有线程启动的时间跨度,旨在平滑增加负载。 6. **定时器**:例如思考时间或...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值