AI 能干的活，79% 至今还没让它干——挡住它的其实不是技术
🤖 AI 趋势我在软件行业待了很多年。这几年 AI 在我这一行的变化，是肉眼可见的。
写代码、改 bug、跑测试、做代码审查——这些活现在有相当一部分是真的交出去了。不是“辅助一下”，是真的交出去了。
但每次跟其他行业的朋友吃饭，聊到这个话题，画风立刻就不一样。
他们公司也买了 AI。用来干什么呢？写周报、润色邮件、把领导那段话翻译成 PPT。
同一个模型，同一个年份。在我这行它在干活，在他们那儿它在打杂。
这很容易被解释成时间差——软件行业跑得快一点，别的行业慢慢会跟上。
但如果真是时间差，讲了三年，也该跟上了。
斯坦福最近的一份评估，把这件事第一次量了出来。
他们没有再给模型出考卷，而是把上千个职业拆开，拆成一项一项具体的活——分析需求、整理文书、核对数据、写测试用例——然后逐项去问一个笨问题：
这一项，模型现在到底干不干得了？
算出来两个数字。
第一个：47% 的职业，模型已经能替人干掉其中一半以上的活。
第二个，也是更要命的那个：这些“AI 干得了”的活里，有 79% 现实中几乎没人真让它做。
能力早就到位了，只是没被用上。
一个已经练好的选手，一直没被换上场。
而这份评估同时指出：拦住它的，不是模型不够聪明。
卡住它的不是智商，是两道门
那到底是什么拦着它？
答案比想象中土得多。
第一道门是数据。
真正值钱的活，用的都是公司内部的东西：客户名单、财务明细、生产日志、内部知识库。
这些东西要么合规上出不了内网，要么锁在一套十几年前的系统里，连个像样的接口都没有。
模型再聪明，够不着数据也是白搭。
第二道门是责任。
就算数据能给它，一份 AI 出的东西要不要人再看一遍？出了事谁签字？
在大多数公司，这两个问题没有现成答案。
于是 AI 只能待在“辅助工具”的位置上——干完了还得有人从头核一遍。而只要全量复核还在，省下来的时间又被吃回去了。
这两道门后面，还站着一个更朴素的原因：改流程意味着重新划责任，谁牵头谁担风险。
很多技术上早就可行的事，最后卡在没人想当第一个签字的人。
那八成的活，就散落在这两道门后面。
现在回到开头那个问题：为什么我这行不一样
最常见的解释是，程序员的活最容易被 AI 接手。
但更准确的解释可能是：这一行的两道门，本来就是开着的。
代码就在自己公司的仓库里，工程师本来就有权限，不需要向谁申请数据——第一道门不存在。
改得对不对，跑一遍测试就知道，不需要谁签字背书——第二道门是现成的。
于是模型能力一到位，替代立刻就发生了。
这才是那八成的真正含义：卡住它的从来不是活的难度，是门。
反过来也一样。同样是写代码，放在强监管行业里，代码不许出内网、工具要走安全评审，一样用不上。
工种没变，门变了，结果就完全不同。
最讽刺的一层：我们一直在用一个特例，预测所有人
这里有件事，我自己是写代码的，越想越觉得荒唐。
过去几年判断 AI 强不强，靠的都是各种基准测试——本质上就是给模型出考卷，题目越难越好，分数越高越轰动。
而这些考卷，绝大部分题目集中在数学和编程上。
跟数学、编程强相关的职业，只占整个就业市场的 3.5%。
也就是说：我们一直在拿一门专业课的分数，预测一整个社会。
更巧的是，这 3.5% 恰恰就是那两道门本来开着的一小撮人。
所以过去三年那种撕裂感就有了解释——我这行的体验是真的，朋友们的体验也是真的。只是全世界都在盯着一个门开着的特例，然后用它去推断所有门关着的地方会发生什么。
分数确实一直在涨。它只是压根没在量我们真正关心的那件事。
焦虑喊得最响的地方，和真正在发生变化的地方，压根不重合
顺着这个逻辑往下推，有个结论有点反直觉。
那些天天被说“要完蛋”的岗位——需要拍板的、需要跨部门协调的、需要动手的——AI 其实压根还够不着。
它们在社交媒体上被讨论得最凶，实际上最安全。
而真正在被改写的，是那些门早就开着、又恰好落在模型能力范围内的活。它们大多不上热搜。
所以你的工作还在，但原因和你以为的不一样
如果你这三年一直在担心“我会不会被 AI 替代”，看到这里大概能松一口气。
但松的方式，和你想的不太一样。
你的活还在你手上，多半不是因为 AI 干不了，而是因为你公司还没让它上场。
这句话听着像好消息，往下想一层就不是了。
它意味着，你和 AI 之间隔着的不是能力差距——能力差距你还能靠学习、靠经验去守——而是一道行政上的门。
而这道门什么时候开，不取决于你。
但在它开之前，你确实有一段时间。这段时间是有限的，可它是真实存在的。
这段时间该拿来干什么
如果你在公司里推 AI，这份评估提示的动作顺序，可能和直觉正好相反：先别急着换更强的模型，先去查那两道门。
哪些真正值钱的任务，数据现在根本出不了内网？
哪些老系统连接口都没有，AI 压根够不着？
哪些流程里的人工复核，是真的必要，还是只是没人敢改？
在这三个问题上花时间，回报率远高于对比模型评测分数。
因为能力那层是花钱买来的，两道门后面的路，只能自己修。
如果你是普通职场人，与其焦虑，不如趁这段时间差问自己两个更实际的问题：
我每天的工作里，哪些是“AI 已经能做，只是公司还没让它做”的？
等公司终于让它上场的那天，我在这条流程里干的，是被替代的那一段，还是设计、审核、为结果负责的那一段？
第一个问题决定你现在还剩多少时间。
第二个问题决定那段时间用完之后，你站在哪儿。
回到开头那两个世界
我这行和朋友那行的差别，从来不是谁更聪明，也不是谁的活更难。
是门。
AI 替代工作这件事，是时候从“能不能”翻篇到“卡在哪”了。
而卡住它的那些东西——数据在谁手里、流程谁来改、责任谁来担——恰恰全是人的问题，不是技术问题。
这也意味着，它们是能被推动的。
评论区聊聊：你手上有没有那么一件活，AI 明明干得了，但你公司就是不让它碰？卡在哪一道门上？