生成式AI会抢走你的饭碗吗？
3月的一个工作日，在广告公司做营销策划的唐希第一次使用ChatGPT，彼时她正为给客户的方案发愁。在对话框里，她尝试性地输入了指令：请写一个关于某某客户的广告营销竞标方案。不到两秒钟，对话的另一端就给出了一个非常详细的方案架构。
“完了，我要失业了。”这是唐希的第一感受。ChatGPT的方案写得非常完善，跟唐希平时思考的几个切入点十分相似，甚至还有补充，那一刻，她觉得自己要被取代了。
和唐希的感受类似，自从2022年11月30日ChatGPT发布以来，许多人对生成式AI所带来的冲击感到焦虑，担心自己的工作被取代。的确，与人类相比，生成式AI可以更高效地处理和分析大量数据，能更快速准确地回答复杂问题，同时，具备很强的自学能力。
从传媒到游戏，从教育到咨询，从广告到建筑，从金融到法律……生成式AI似乎正在重塑职场。
然而，随着人类对生成式AI的了解越深，探索越积极，大家渐渐发现，过了最初的惊艳期，生成式AI离替代人类的工作仍然有很大一段距离。
唐希在和ChatGPT交手过几次之后发现，它列举的方案要点从大方向来讲没有问题，但缺少侧重点和针对性，如果想要获得更细致的方案，唐希需要不断根据自己对客户的理解调试输入的关键词或关键句（prompt），这并不比让她直接做方案来得轻松。
目前使用ChatGPT的公司都在用它做什么？
用ChatGPT自己的话来说：“作为AI语言模型，我旨在协助完成设计自然语言处理的任务，比如回答问题、生成文本和分析语言数据。从这个意义上来说，我可能会取代涉及这些任务的工作的某些方面。然而，工作的其他方面仍然需要人类技能，比如创造力、同理心和批判性思维，我无法复制。因此，我更多地将自己视为协助人类工作者的工具，而非取代他们。”
可以看到的是，随着ChatGPT、Notion AI、Copilot、Midjourney这些生成式AI产品逐渐融入职场，它们成了一种选择、一项工具。
如何更好地利用生成式AI提升工作效率，在未来一段时间内是多数职场人不得不思考的议题。《未来简史》的作者尤瓦尔·赫拉利说过，“人工智能固然很好，但人类必须控制它。也正因为我们面临着使用新技术的不同选项，就更应该理解现在的状况，主动作出决定，而不要等着被决定。”
被冲击的职场
过去，我们认为只有体力劳动或是一些重复性事务会被机器替代，但如今生成式AI的出现，已经能在一定程度上胜任人类的某些创造性工作—那些我们一度认为只有人类才能完成的。
具体来讲，Midjourney已经能根据提示词生成完成度较高的画作；ChatGPT可以写出与真人写作相似的文章，并在诸多知识领域给出清晰且详尽的回答……3月17日OpenAI发布的一项与宾夕法尼亚大学合作的调研结果显示，ChatGPT以及基于其底层技术构建的未来软件工具可能影响美国约19%的工作岗位中至少50%的任务。
插画师西乔在加拿大从事数字图像创作，她是AI艺术样式参考库lib.KALOS.art的创始人。作为较早一批体验生成式AI的人，她觉得生成式AI给她所在的领域带来了颠覆性的改变，重新定义了她的整个创作流程和方式。
过去，西乔的创作过程可以分为三大部分：草图绘制、完稿和交付前修改，其中，完稿的部分要占掉她60%到70%的时间。而现在，在生成式AI的辅助下，她只需把开源模型部署到电脑上，将草图“喂”给它，就可以大大缩短完稿时间。
生成式AI的进步是惊人的。“以前大家认为在四格漫画中，想保持每一格人物的长相、衣着一致，AI是做不到的，但现在针对这些人物我先画上几批，然后给模型‘喂’个几张到几十张图，输出的结果就有可能保持一致性，当然‘喂’的图越多效果越好。”西乔说。
不过，在享受AI给工作带来的便捷性的同时，西乔也感受到了危机，“有时候我会有种虚无感，AI生成领域的技术迭代太快，一个月不看就会落后很多。尽管我在努力学习和拥抱新技术，未来依然充满变数。”
如果说最早生成式AI的影响还停留在设计领域，那么，凭借强大的语义理解能力，ChatGPT带来的改变辐射到了几乎所有与文本创作相关的工作，成为生产力工具。
近一年与ChatGPT相关的三大领域的热招职位及薪资
对于经常要输出策划方案的营销人而言，ChatGPT的产出效率无人能敌，它的全面性也常常给唐希这样的营销人带来新的思路。过去，唐希在策划一个方案时容易陷入习惯性思维，但使用ChatGPT辅助方案写作时，她发现ChatGPT经常能给她一些预想之外的点子，所以现在她在构思方案时，常会“听听ChatGPT的意见”。
生成式AI使得一些岗位的技能门槛降低了，过去的必备技能不再那么重要，有了人工智能的帮助，半技术或无技术人员也可以完成相应工作。
以金融行业为例，3月15日，OpenAI发布多模态预训练模型GPT-4，摩根士丹利率先接入，称其财富管理部门将使用GPT-4获取、处理和整合内容。
此前，摩根士丹利维护着一个包含数十万页涵盖投资策略、市场研究和评论以及分析师洞见的信息库，顾问需要浏览大量信息才能找到特定问题的答案。接入GPT-4意味着，哪怕是一个新手顾问，都可以在短时间内找到想要的答案，“这就像当你和客户打电话时我们的首席战略官就坐在你旁边。”摩根士丹利数据与创新主管McMillan表示。
ChatGPT对教育领域的从业者同样有意义。王珂是加拿大某高校的一名课程助教，日常工作是每周给学生出题。王珂是个科技迷，很早之前，他就玩过Siri、小冰这些AI聊天机器人，11月ChatGPT刚一发布，他立刻注册了。
ChatGPT带给王珂完全不同的体验，“以前的AI更多像是关键词检索，如果你输入‘为什么某件事不会这样发展’，它往往会回答这件事这样发展的原因，但ChatGPT能很好地理解否定或更深的语义。”
没有ChatGPT以前，王珂出一次作业题要花一个小时，但现在只需要十几分钟，这包括他为了防止学生使用ChatGPT写作业而将题目人为调整到ChatGPT无法回答的程度所花的额外时间，否则出题时间还可以再缩短。
“做助教和做科研不同，本质上这份工作就是为了赚生活费，只要教授觉得题目OK就行，机器出题是很好的方式，既保证了题目的随机性，也提高了效率，效果还很好。”ChatGPT成了王珂日常工作的重要工具。不过这是否也意味着，未来某一天，再也不需要人类助教来给学生出题？
要取代人类，还早
人工智能稀释人类工作的现状的确令人焦虑，但这并不等于“宣判死刑”。
对于“会不会被替代”这个问题，在传媒行业工作的王安琪并不担心。她与ChatGPT的协作经历更像是场失败的华尔兹：本想努力靠近，却发现配合艰难。
为了看看ChatGP T能在多大程度上辅助自己的工作，王安琪让它帮自己写一个采访提纲。很快，它交出了答卷。
乍一看王安琪有些震惊—不管完成度还是提问的角度，这些内容与她在实际操作中会思考的方向基本一致。不过再仔细一看，就能发现ChatGPT列出的每个问题之间并没有紧密的逻辑联系，她需要花很多时间修改。“我觉得ChatGPT可能更适合新手记者，比如当他完全不知道怎么写一份采访提纲，或是对某个领域很陌生，借助ChatGPT可以获得一些灵感。但如果你是个老手，或是时间比较紧迫，向它寻求帮助反而有点浪费时间。”
预训练模型和人工智能生成内容领域对硕博学历的需求更高
即使多模态预训练大模型的推出使自然语言处理等技术得到飞速发展，现在的模型仍然没有判断力。由于ChatGPT的语料主要来自互联网，它无法判断这些语料的质量，因此互联网上绝大部分人是什么想法，它生成的可能就是类似的想法，对于专业人士来说，这些内容没有太大价值。
万兴科技的招聘负责人孟德明发现，当自己使用ChatGPT做一些涉及组织心理学、个体心理学的检索时，很难判定ChatGP T提供的内容是否有严谨的学术依据，“用它做一些通用事务没有问题，但在专业细分领域里，它会受到数据库和算法的限制。”
王珂也感叹，ChatGPT出题很快，形式多样，但提问的内容有些空泛，对特定领域的问题不够敏感，需要很细节的关键词调教。
高频次使用生成式A I 辅助创作的西乔承认，如果想让A I生成的内容都符合自己的要求，是一件耗费精力的事。Midjourney、ChatGPT这些闭源的商业服务用起来方便省事，但可控性以及生成结果的多样性较弱，使用者能定制化生产的内容较少。
另一方面，数据安全问题也是不少职场人担心的，毕竟，OpenAI官网公布的隐私政策没有提及欧盟《一般数据保护条例》这类法规，在“使用数据”条款里，OpenAI承认会收集用户使用服务时输入的数据，但未对数据的用途作进一步说明。微软CTO办公室的一名高级工程师曾提醒员工，不要将敏感数据发送给OpenAI终端，因为OpenAI可能会将其用于未来模型的训练。
5年来AI人才需求持续走高
林锦是一位交通数据分析师，坐标华盛顿，主要工作是分析高速交通流量并撰写报告。她每天都会打开ChatGPT，但只是用它改一改报告中的语法错误。“GPT3.5时代的ChatGPT无法实时更新，没法得到最新的交通路况数据；此外，公司要处理的数据需保密，只能给公司内部使用，不可以上传，所以我们没有用ChatGPT做分析的可能。公司也从来没有提过这件事。”
在北京一所研究院工作的吕天逸也表达了相似的顾虑。自2月注册账号以来，吕天逸几乎每周都会打开ChatGP T和它玩梗闲聊，甚至用它写了自己的党支书述职报告。但涉及到工作中的政策类报告写作，尽管公司没有明文规定，但她不敢将可能涉密的信息上传—即便她知道ChatGPT能帮自己节省近一半的写作时间。
根据《一般数据保护条例》第17条，个人有权要求删除其个人数据，即“被遗忘权”或“删除权”，“被遗忘权”在信息不准确或具有误导性的情况下尤为重要，但深度神经网络是否可以“忘记”用于训练自己的数据？个人又是否有权利要求公司从模型中完全删除数据？删除某些敏感数据是否意味着公司需要重新训练花费高昂的模型？目前，对于此类模型调用服务是否适用“合理使用”条款，这些问题仍存在争议。