AI替代潮被高估？巴克萊：僅20%職場核心技能可被高度複製，但放大效應已悄然蔓延

AI對勞動力市場的衝擊或許遠比市場敘事更為溫和，但也更為深遠。巴克萊最新研究顯示，真正能被AI高度複製的職場核心技能僅佔約20%，大規模「替代潮」的擔憂存在高估；然而AI對生產力的「放大效應」卻呈現出截然不同的圖景——其覆蓋面遠比自動化替代寬廣，幾乎滲透至勞動力市場的每個角落。

巴克萊於9月22日發布報告，推出「AI自動化與放大框架」（Barclays 3A Framework），以技能而非職業為核心分析單元，系統評估認知型AI與物理型AI對逾830個職業的影響。研究發現，自動化風險高度集中於少數職業群體，認知型AI的高度暴露職業主要集中在電腦、工程和科學類崗位，物理型AI的高度暴露職業則集中在建築、生產、安裝、維護與維修領域。與此同時，美國招聘數據已出現與AI相符的結構性變化——自2022年以來，自動化暴露度最高職業的招聘職位佔比已從約30%回落至25%左右。

AI技能需求的急速擴張則揭示出另一重邏輯：在美國、英國、法國和德國，要求具備AI技能的職位佔比已從2019年的約2%攀升至2026年8月的6%至10%。值得注意的是，AI技能需求的重心正在發生漂移——2019年逾70%的AI相關職位集中於科技與數據崗位，至2026年這一比例已降至約50%，而管理類職位的佔比則從約10%升至25%，顯示AI正從專業技術領域向更廣泛的職場生態擴散。

傳統的AI勞動力衝擊分析多以「職業」為單位，而巴克萊認為，職業是任務的集合，任務又是技能的集合，技能才是理解AI影響的「原子單元」。AI更有可能自動化或放大的是具體技能——如資訊收集、寫作或數據分析——而非整個職業本身。

3A框架基於美國勞工部資料庫，該資料庫涵蓋104項跨職業所需技能，並將其映射至逾800個職業。框架創新體現在三個維度：其一，同時納入認知型AI和物理型AI，涵蓋數位智慧與實體智慧兩類形態；其二，以技能取代任務或職業作為基本分析單元；其三，同時捕捉「自動化」與「放大」兩種效應——前者衡量AI對人類勞動的替代程度，後者衡量AI提升人類技能生產力的潛力。

研究結果顯示，僅約20%的職場技能被評定為AI高度可複製，40%的技能對認知型AI呈現較強抗性，對物理型AI抗性更強的技能比例則高達70%，表明物理型AI目前的自動化影響範圍仍遠窄於認知型AI。

在自動化暴露分布上，巴克萊的關鍵發現是：極高暴露程度僅集中於極少數職業，大多數職業主要偏向於對認知型AI或物理型AI的一種暴露，而非兩者兼具。

認知型AI自動化暴露最高的職業包括數據科學家、統計學家和精算師，其核心技能——信息檢索、模式識別、文件處理與程式化決策——與AI能力高度重合。物理型AI暴露最高的則是農業工人、紡織機器操作員、結構鋼鐵工人等依賴重複性體力勞動的職業。

相比之下，約120個職業對兩類AI自動化的綜合暴露均相對較低，覆蓋約20%的美國勞動力，主要包括教師、兒童看護人員、教練及部分酒店與娛樂從業者——這些職業高度依賴人際互動、現場監督或娛樂表演，難以被AI複製。

與自動化的集中分布不同，AI的放大效應呈現出更加廣泛和均勻的特徵。在巴克萊的模型中，放大效應在可複製技能、部分可複製技能與不可複製技能比例最為均衡的職業中最為顯著——AI承接其中的可複製部分，同時提升剩餘人類技能的價值與產出效率。

認知型AI放大效應最高的職業包括空中交通管制員、醫療健康服務經理及培訓與發展經理等管理類職位，AI可接管行政文件與資訊處理工作，同時放大領導、輔導和人員管理等人類核心能力。物理型AI放大效應則在多類機械與技術人員職業中最為突出，例如公共汽車和卡車機械師、工業機械師等，部分例行體力作業可被自動化，而診斷、決策和應變能力仍需人類主導。

巴克萊指出，放大效應分布的核心信息在於：AI的自動化能力集中於特定職業，而其提升生產力的能力則覆蓋極為廣泛的職業群體，醫生、教師和工程師等迥異職業均可從AI工具中實質性獲益。這一特徵意味著，AI的整體生產力增益在長期可能超過其直接替代效應。

勞動力市場數據已開始與上述框架形成印證。據巴克萊對LinkUp招聘數據的分析，自2022年以來，自動化暴露度最高職業的職位空缺佔比從接近30%降至約25%，其中軟體工程崗位的下滑貢獻最為突出；自動化暴露度最低職業的職位佔比則從約20%小幅上升至21%至23%。

與此同時，專項AI技能需求正在加速擴張。據Indeed Hiring Lab等基於更廣泛關鍵詞搜尋的數據，美國、英國、法國和德國的AI相關職位佔比，已從2019年的約2%分別升至2026年的6%至10%不等，英國升幅最為顯著。

更具結構性意義的是需求主體的轉變。2019年，科技與數據崗位主導逾70%的AI相關職位發布；至2026年，這一佔比已降至約50%，而管理類職位佔比則從約10%升至約25%。這一趨勢在美國、英國、法國和德國均有體現，表明AI正以普適工作技能而非專屬技術的形態向整個職場滲透。

報告進一步前瞻了物理型AI普及所催生的新型經濟模式，並將其劃分為兩個階段。

在第一階段，人類充當「機器人訓練師」——由於物理型AI缺乏等同於大型語言模型訓練語料的現實世界數據集，行業正通過遠端操控、第一視角影片採集等方式，依賴人類示範為機器人生成訓練數據。Figure's Index、Scale AI等公司已在構建這一眾包生態。

在第二階段，價值重心將向「操作規程」本身轉移。隨著物理型AI成熟，焦點將從硬體轉向內嵌其中的技能與工作流程——焊接、手術、烹飪等人類專業知識，有望被編碼為可規模化授權的「機器人操作手冊」，形成一種全新的知識產權形態。Unitree的UniStore及NEURA Robotics的NeuraGym/NeuraVerse已被視為此類技能市場化的早期案例，儘管目前仍依託於人形機器人硬體廠商平台之中。

巴克萊認為，這一趨勢的極端情形下，硬體將逐步商品化，真正的競爭制高點將歸屬於能夠捕獲、編碼並控制高價值技能的一方——建造最多機器人的企業未必是最終贏家，而掌握「指令層」的企業或將主導這場新的技能爭奪戰。