2025年1月至5月，斯坦福大学研究团队完成了一项关于AI应用需求的调查。他们采访了1500名美国员工和52名AI专家，评估了104个职业中的844项具体任务，探讨人们希望AI实现的功能。

研究发现，在844项任务中，仅有7.11%的任务得分大于等于4分，表明员工希望这些任务由AI接管；6.16%的任务得分低于2分，显示员工强烈抵触自动化。总体上，46.1%的任务获得3分以上正面评价，但行业差异显著。

在计算机和数学领域，超过半数任务受欢迎；而在艺术、设计和媒体领域，这一比例仅为17.1%。更关键的是，当研究者将这些需求与硅谷的投资流向对比时，发现了严重的资源错配。

研究团队构建了一个“需求-能力”矩阵，基于员工的自动化意愿（Aw(t)）和技术可行性（Ae(t)），将任务分为四个象限：自动化绿灯区、红灯区、研发机会区和低优先区。数据显示，41.0%的Y Combinator孵化的AI公司投向了“低优先区”和“红灯区”，即员工既不需要也不想要的方向。

以税务准备为例，“安排客户会见”任务得分为5.0分，技术实现难度较低，但专注于此任务的创业公司极少。相反，客户服务聊天机器人——一个超过40%员工明确表示不需要的任务——却吸引了大量投资。

Anthropic提供的Claude.ai使用数据显示，员工需求最高的前10个职业仅占总使用量的1.26%，表明当前AI工具未触及真正需要帮助的人群。

学术研究与产业界关注点存在差异。分析arXiv上的论文发现，学术界更多关注“研发机会区”，但同样存在领域集中问题，如计算机相关任务占据最多论文覆盖。

斯坦福团队引入“人类参与度量表”（HAS），量化从“AI完全自主”到“人类完全主导”的协作模式。数据显示，45.2%的职业偏好H3级人机平等伙伴关系，而员工期望与专家评估之间存在系统性偏差。

艺术、设计和媒体领域的员工对AI自动化表现出较强抵触。主题建模分析显示，28.0%的受访者表达担忧或负面情绪，主要涉及AI可靠性、工作替代风险及缺乏人类特质等问题。

统计分析揭示了深层模式。员工对自动化的诉求与其对失业的担忧呈负相关，与工作享受度正相关。教育水平和工作经验较高的员工对自动化需求更高。

研究通过O*NET数据库分析技能价值变化，发现传统低估的技能正在崛起。“培训和教授他人”“组织、规划和优先安排工作”等技能需求显著增加。

这项研究表明，真正的AI革命应基于实际需求，而非单纯追求技术可能。WORKBank数据库的建立为持续追踪这种错配提供了支持，有助于更好地理解并引导AI与人类工作的共同演化。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。