哪些职业最容易被AI替代？

本页只回答一个问题：哪些职业对生成式AI的暴露度最高，以及为什么。排名来自四个公开数据集——研究人员和ILO的任务分析，加上Microsoft Copilot与Anthropic Claude的实际使用情况——合并为一个由我们计算并连同出处一起公布的指数。

受影响大，并不等于会消失。排名靠前意味着这份工作的日常任务中，有很大一部分正是当前AI系统擅长处理的：输入格式统一、输出可以预期、结果能被人很快核对。它并不意味着这个职业即将终结。

排在前列的职业，共同点是工作的形态，而不是所属行业。文书与支持类工作、常规内容生产、一线客户接待和按固定流程进行的分析会一同出现，是因为它们都建立在对文件和数据的重复处理之上，而不是因为它们属于同一个行业。

先看暴露度，再看就业前景。一些暴露度很高的职业在美国仍预计增长，另一些则预计萎缩。每个职业都有独立页面，列出这两项数字及其出处。

最容易被AI替代的前25个职业

排名	职业	生成式AI暴露度	美国就业 2025–35
1	呼叫中心代理	99	-5.3%
2	客户支持	99	-5.3%
3	口译员	98	+2.0%
4	笔译员	98	+2.0%
5	Web开发者	97	+3.8%
6	技术撰稿人	96	+0.8%
7	程序员	96	-7.3%
8	内容编辑	95	-0.3%
9	撰稿人	95	-0.3%
10	数据分析师	95	+34.6%
11	数据科学家	95	+34.6%
12	软件测试员	95	+5.7%
13	广告专家	94	+7.0%
14	市场研究分析师	94	+7.0%
15	营销专员	94	+7.0%
16	SEO专家	94	+7.0%
17	社交媒体经理	94	+7.0%
18	IT支持专家	94	-3.5%
19	编辑	94	-1.1%
20	销售代表	93	-0.9%
21	电话推销员	93	-21.4%
22	数据录入员	93	-25.5%
23	记者	93	-5.9%
24	数据库管理员	92	-0.1%
25	经济学家	92	+4.7%

暴露度范围为0到100，基于公开数据集（见出处）在职业之间进行比较。它不是该职业消失的概率。评估方法

出处

暴露度指数由ai-job-risk.net根据以下数据集计算（数据截至2026年10月15日）。美国劳动力数字来自BLS，未作改动。

各发布机构均未参与制作、审核或认可本网站。完整引用、许可与方法

主要有四个条件在起作用。一个职业很少只因为其中一条就上升，通常是几条同时成立时才会上升。

当同一种表单、工单、发票或需求单以相同格式出现成千上万次时，工具只需要做一次。这份榜单上排名靠前的岗位，大多把一天中很大一部分时间用在把可预期的文件从一个地方搬到另一个地方。

自动化推进最快的地方，是出错代价小且显而易见的地方。读错的字段或质量不佳的初稿会被立刻发现，因此机构愿意先让软件试一遍，再由人来修改。

一项任务必须发生得足够频繁，才值得为它开发工具。这也解释了为什么几乎相同的工作，在大型呼叫中心会被自动化，在小办公室却保持原样：任务是一样的，账算下来却不一样。

完全在数字环境中完成的工作，可以直接搬进软件，不必碰到任何建筑、车辆或人。一旦工作中出现到场、身体风险或动手维修，能被自动化的上限就会明显下降。

它不是失业预测。排名靠前的职业可能在人数不变的情况下，工作内容从下面被悄悄替换；也有一些职业在常规部分缩减的同时，反而增加了人手。

它不是对你个人工作的判断。头衔相同的两个人，受影响的程度可能相差很远，取决于一周里有多少时间用于常规处理，又有多少用于判断、关系维护或动手的工作。

它是当前数据版本的一张快照，而不是定论。研究和使用数据集更新时，数字就会变化，尤其是使用数据会随着AI的普及而变动。

排名靠前的职业集中在客户接待、笔译与口译、写作与编辑、编程与测试，以及文书工作。它们的共同点不是行业，而是任务特征：输入和输出都是文字与数据，结果能被很快核对。完整排名见排行页面，每个职业也都有附出处的独立页面。

不是。这个指数衡量的是当前AI系统能承担这份工作中多大的部分，而不是这个职业能否存续。实际情况通常是：常规的核心部分先缩小，剩下的工作向例外处理、判断和协调转移。榜单上一些排名靠前的职业，在工作内容被悄然替换的同时，人数并未减少，甚至有所增加。

比技术发布所暗示的要慢。真正的限制因素很少是模型能否完成某项任务，而是采购、系统对接、责任归属和既有习惯。暴露度不是时间表：BLS仍预计几个暴露度很高的职业到2035年会增长，另一些则会下降。

被整体取消的职业极少。已经发生的事情要具体得多：岗位内部的某些任务转移到了软件上，一些雇主停止为特定岗位补员。对于有据可查的案例，我们放在单独的页面上，而不是把它们混进这份面向未来的榜单。