三年前OpenAI那篇暴露度论文刚出时，我还在带团队做NLP落地，当时就觉得‘数学家’排第一有点反直觉——后来发现他们指的是高频符号计算，而非真正的数学推理。三年过去，从实际工程经验看，暴露度接近100%的编程和写作岗位确实被冲击得最狠：GitHub Copilot和GPT-4让初级CRUD工程师和文案写手大量失业，但真正写核心算法或复杂Prompt工程的反而更吃香。个人经验是，暴露度模型低估了‘隐性技能’：比如报税员，工具能处理80%的表格，但涉及税务筹划和客户沟通的部分，AI连门都没摸到。关键问题在于：暴露度只衡量‘可被自动化’的暴露，而非‘可被替代’的暴露。高认知重复岗（如数据标注、基础翻译）确实被清洗了，但创意和复杂决策岗（如架构设计、医疗诊断）反而因为AI辅助而效率提升。技术圈别被‘暴露度’数字带偏，真正的分水岭是‘是否涉及真实世界物理交互或价值判断’。想问两个问题：1. 你们的团队里，用AI提效最明显的岗位是哪个？2. 有没有发现暴露度低的岗位（比如心理咨询师）反而更难招？行业趋势很清晰：未来三年，AI会进一步挤压‘纯脑力流水线’，而‘人机协作’将从口号变成考核指标——不学会用AI工具的工程师，可能比被AI替代的工程师更早被淘汰。