重點摘要AI 正在職場中推動快速變革，其影響比《工作新未來》報告前幾版所涵蓋的更為劇烈。AI 不僅讓工作者更快或遠端工作，更改變了人們的協作方式。將 AI 視為協作夥伴的組織，正獲得最大的效益。AI 的效益尚未均勻分佈，這凸顯了產業領袖需要建立能擴大機會的 AI。未來並非註定，它將由我們今天的選擇所塑造。在 AI 驅動的世界中，人類專業知識不減反增。人們正從單純執行工作，轉變為引導、評估和改進 AI 的工作。

過去五年來，《工作新未來》報告一直記錄著工作如何變化。今年，這種轉變感覺尤其劇烈。前幾版報告主要關注科技在自動化任務、加速溝通和擴大資訊獲取方面對提高生產力的作用，以及遠端工作的興起。如今，生成式 AI 加速了這場轉型。AI 不再只是加速現有的工作流程，而是越來越多地參與其中，塑造人們如何創造、決策、協作和學習。

數十年來，微軟的研究人員一直將這些變化視為真實體驗而非抽象趨勢來研究。在各行各業和不同職位中，人們正以不均、創新且有時出人意料的方式嘗試 AI。許多人節省了時間，擴展了能力，並承擔了更複雜的工作，但未來的真正機會是利用 AI 幫助我們更好地協作。

《工作新未來》報告匯集了微軟內外部的研究，以了解 AI 進入職場後正在發生什麼。透過數十位作者和編輯的努力，報告依據大規模數據分析、實地與實驗室研究以及理論證據，探討了誰在使用 AI、為何使用它，以及它如何重塑生產力、協作、學習和判斷。報告強調了變化特別迅速的行業，以及這些技術更廣泛的社會影響。

總體而言，這些發現指向一個核心洞察：工作的未來並非單純地降臨在我們身上。我們正透過個人選擇、團隊建立的規範、組織採用的系統以及研究人員的發現，積極地建構它。同時，AI 的角色仍在演變，它正在產生一系列影響，其中一些可能被視為正面或負面。以下是這段時間內有研究支持的現況快照，以及它能教導我們如何共同利用 AI 創造一個新的、更好的工作未來。

採用與使用

生成式 AI 正迅速進入職場，可能比大多數早期技術更快。但誰使用它以及如何使用，將決定誰能受益。早期採用報告似乎顯示出顯著的普及率：在一項德國調查中，38% 的受僱者表示在工作中使用 AI。但使用率和信心在不同行業之間差異很大，男性報告在工作中使用 AI 的頻率高於女性。

目前尚不清楚這種差異是由職業分佈、對新工具的相對舒適度還是其他因素驅動。這帶來了一個挑戰：不均勻的採用可能會導致採用者和非採用者之間在生產力提升、學習機會和後續職涯發展等方面產生不均勻的差距。

全球生成式 AI 採用情況進一步揭示了差異。高收入國家在整體使用方面仍處於領先地位，但增長最快的是中低收入地區。當當地語言服務不佳時，人們會為了獲得可靠結果而轉用英語。如果缺乏基礎設施和多語言模型開發的投資，AI 可能會強化現有鴻溝而非縮小差距。

在組織內部，是否使用 AI 的決定較少受策略簡報影響，更多地受文化塑造。當人們信任雇主並覺得可以安全嘗試時，他們會嘗試新工具。他們會堅持使用能改善工作的工具，但可能會拒絕那些似乎旨在取代他們的工具，這是員工普遍的擔憂。許多最有用的應用並非來自由上而下的倡議，而是來自員工的嘗試、發現實際有幫助之處，並與同事分享這些見解。研究表明，將員工的觀點納入職場技術設計中，能促進生產力與福祉的永續提升。

我們也開始看到人們實際如何使用 AI。在 Anthropic，對數百萬用戶對話的分析發現，37% 的 Claude 使用與軟體和數學職業相關。一項針對 Microsoft Copilot 對話的研究發現，它高度適用於銷售、媒體、科技和行政等資訊型工作者的活動。但更廣泛的重點更簡單：大多數職業都包含至少一些 AI 有用的任務。

這些轉變伴隨著社會副作用。幾項研究表明，使用 AI 的員工可能會被認為能力較差，即使他們的產出與未使用 AI 的人相同。這些觀感懲罰是否在不同群體之間不均勻地分佈，仍是一個懸而未決的問題。然而，使用過 AI 的經理傾向於更公平地評估 AI 輔助的工作。這表明 AI 可能需要廣泛接觸才能被公開且無偏見地使用。

聚焦：AI 驅動的體驗

微軟研究 Copilot 體驗

透過我們 AI 驅動的體驗，探索更多微軟的研究。

對工作和勞動市場的影響

了解誰使用 AI 以及為何使用它，有助於評估其價值，但更困難的問題是它如何影響生產力與勞動市場，這可能不那麼直接。生產力可以透過節省時間、提高工作品質或單純感覺更有能力來提升。AI 的企業用戶回報每天可節省 40-60 分鐘，而基於模型的評估顯示，前沿系統在越來越多的任務上可以達到專家級的品質水準。

但 AI 也可能降低生產力。在一項美國調查中，40% 的員工表示他們在過去一個月內收到了「劣質 AI 內容」（workslop），即 AI 生成的內容看起來很精美但並不準確或有用。當這種情況發生時，任何時間節省都可能迅速消失，品質實際上可能會受損。

我們仍然沒有全面了解這對就業和更廣泛的勞動市場意味著什麼。大規模實證研究發現，對失業率、工時或職缺沒有明確的總體影響。然而，AI 似乎確實正在減少年輕、缺乏經驗工作者的機會。入門級職位較少依賴經驗和知識，更容易自動化。實證證據表明，22-25 歲工作者在高度接觸 AI 的工作中的就業率相對於類似但較少接觸 AI 的職位下降了 16%，並且在公司採用 AI 後，初級職位的招聘似乎放緩。

這種模式引發了長期擔憂：自動化那些能讓工作者學習技能的職位，可能會破壞專業知識的長期養成。理論模型和實證證據的研究都強化了這一點。

同時，AI 也在改變哪些技能更重要。在職位發布中提及 AI 技能的職位，同時強調分析性思維、韌性與數位素養的可能性幾乎是兩倍。對更容易外包給 AI 模型的工作（包括數據相關任務或例行翻譯）的需求持續下降。即使整體就業保持穩定，AI 也已在重塑工作結構，這種趨勢將會持續。

隨著更多實證證據的出現，理論研究有助於構建未來可能發生的情況。一個反覆出現的主題是，隨著 AI 的改進，人類判斷力，發現機會、在模糊不清的情況下工作或從多個輸出中選擇，變得更有價值。而利用 AI 增強人類能力的組織，往往會創造出新型工作，而非單純地消除現有工作。如果 AI 旨在實現其支持廣泛繁榮增長的潛力，那麼前進的道路就不是取代任務，而是擴展人類的能力。

人機協作

隨著 AI 能力的提升，人機互動的本質正在改變。AI 系統在決策、創造力和溝通中扮演的角色越來越重要，AI 系統被定位為「協作者」。這引發了關於如何支持人與 AI 之間的「協作」、我們可以從人際互動中學到什麼，以及 AI 系統的能力在何處帶來不同機會並創造不同要求的問題。

有效協作的核心是共同理解：允許人們協調和溝通的共享理解。在人類對話中，我們不斷透過澄清、確認和後續問題來檢查一致性。然而，目前的 AI 系統經常跳過這些步驟，生成假設理解而非建立理解的回應。研究表明，這種對話基礎的缺乏可能導致人機互動的崩潰。令人鼓舞的是，像 CollabLLM 這樣的系統，它提示 AI 提出澄清問題並進行多輪回應，已顯示出任務性能的提高和更具互動性的交流。

信任是協作的另一個重要方面。儘管 AI 可以處理大量資訊，但其在決策中的實用性取決於它對人類目標的理解程度，以及人們對其能力的理解程度。使用不了解個人目標的 AI 可能會導致比不使用 AI 更糟糕的結果。然而，人們常常高估 AI 的能力，這扭曲了他們對何時以及如何使用 AI 的判斷。支持選擇性委派的系統可以改善這些決策，特別是當 AI 被編程為在其回應中考慮這種選擇性方法時。

AI 不斷進步的能力正在推動人們角色轉變。這包括軟體開發，開發人員過去從頭到尾編寫程式碼，現在越來越多地審查和完善 AI 生成的建議。作家和設計師更多地扮演策展人與編輯的角色，引導 AI 輸出而非從零開始創作一切。這種轉變需要新的技能，例如撰寫有效的提示詞、審核 AI 回應以及維持品質監督，以及支持這些技能的新工具。

目前的聊天式介面對於這些不斷演變的工作流程來說往往過於受限。除了對 AI 系統的能力、限制和運作方式的了解，以及領域專業知識和情境感知以實現干預外，監督還需要系統活動、決策和輸出的可觀察性。新的介面設計正在應運而生，以解決這個問題，包括