文章指出，尽管2025年被预测为AI"加入职场"的转折点，但实际进展未达预期。OpenAI高管曾预言AI代理将能处理复杂任务如填写文件、预订酒店等，但现实中的AI仍停留在简单问答和文本处理阶段，未能实现自主完成多步骤工作的愿景。这揭示了AI技术发展与企业应用之间的现实差距。

标题：为何AI未能在2025年"加入职场"？——卡尔·纽波特

一年前，山姆·奥特曼曾大胆预言："我们相信到2025年，首批AI代理将'加入职场'，实质性改变企业产出。"随后OpenAI产品总监凯文·韦尔进一步阐述，称2025年将是"ChatGPT从超级智能工具转变为能为你处理现实事务"的转折年，比如填写文书、预订酒店等。《Axios》对此的报道标题更为直白："2025是AI代理元年"。

这类承诺意义重大。与仅能总结文本的聊天机器人不同，AI代理理论上能处理需要多步骤决策的复杂任务。奥特曼设想的场景是：人们可以像分配任务给人类员工那样，将项目委托给AI代理。要实现AI主导的未来，代理技术是关键。

行业对2025年抱持乐观确有依据。此前Claude Code和OpenAI Codex等AI代理已展现出处理多步骤编程问题的能力，这种能力似乎可延伸至其他领域。Salesforce CEO马克·贝尼奥夫甚至在2025年初预言AI代理将引发价值"数万亿美元的数字劳工革命"。

但现实是：这些预言全部落空。

正如我在《纽约客》最新文章中指出，AI代理完全未能达到预期。我们并未获得适用于其他工作场景的Claude Code级产品，已发布的ChatGPT代理等产品也远未达到接管主要工作的水平（文中举例：该代理花费14分钟仍无法成功选择房产网站的下拉菜单值）。

科技评论家加里·马库斯指出，支撑这些代理的大语言模型技术本质上无法兑现承诺："他们只是在笨拙的工具上堆砌更多笨拙工具。"OpenAI联合创始人安德烈·卡帕西也承认行业存在"过度预测"，认为更准确的说法应是"代理的十年"。

这揭示了一个事实：我们其实并不具备建造"数字员工"的能力。

关于2025年为何未能成为AI代理元年，详见我在《纽约客》的完整分析。但更关键的是：希望2026年我们能停止关注AI的潜在可能，转而聚焦其真实能力。

例如，萨尔·可汗近期在《纽约时报》声称"AI将取代的岗位规模远超人们想象"。但细究其论据——某企业主称AI代理"可能"取代80%客服，或Waymo耗时费力的自动驾驶测绘——这些个案远不能证明普遍性就业危机。

这就是我对2026年AI的思考立场：停止臆测。我们不应再为情绪驱动的假设买单，现有技术带来的实际影响已足够我们应对。

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

对AI现状的谨慎态度

1. 质疑AI取代工作的预测

   • 有评论指出Frey & Osborne关于AI导致失业的研究方法存在争议，需谨慎看待相关数据。
     "After posting that, I came across numerous papers which critique Frey & Osborne’s approach..." (dandelionv1bes)
   • 远程工作市场仍活跃，若AI真能替代人力，企业不会突然接受远程办公。
     "If AI could do it or even reduced head count I don’t think that would be the case." (matt3210)

2. 反对夸大AI能力

   • 批评Gary Marcus等对AI的悲观预测，认为其长期错误但仍被引用。
     "Marcus has been wrong about nearly everything related to AI for years..." (senordevnyc)
   • 当前AI工具（如ChatGPT Agent）在基础任务（如下拉菜单选择）中表现笨拙。
     "ChatGPT Agent spends fourteen minutes futilely trying to select a value..." (jcastro)

AI的实际影响与争议

1. 支持关注当下能力

   • 呼吁停止空谈未来预测，聚焦AI现有技术的影响。
     "Enough of the predictions. I’m done reacting to hypotheticals propped up by vibes." (edfletcher_t137)
   • 类比环保问题：未来核电站无法解决当前污染导致的儿童哮喘。
     "Your prediction might be correct...but their kid still has asthma." (evil-olive)

2. AI已悄然改变工作方式

   • 学生用ChatGPT作弊加剧，Chegg股价崩溃是证据。
     "The collapse of Chegg should tell you...they are now doing super-powerful cheating." (doctorpangloss)
   • 企业员工通过AI自动化流程，隐性提升效率，未来可能裁员。
     "300 of 500 people could effectively be replaced by AI...jobs will go quietly away." (observationist)

技术局限性与行业分歧

1. LLM的局限性

   • LLM仅擅长文本处理，无法胜任需视觉/听觉的通用任务。
     "LLMs are a flawed technology for general, true agents...we have only created a self-writing paper yet." (bpavuk)
   • 编程领域提升显著（如Claude Code），但其他行业应用有限。
     "It’s useful for way more than just writing code...Clicking links is still pretty hard." (simonw)

2. 经济与实用性争议

   • AI代理公司已盈利，但复杂任务普及仍需时间。
     "Agentic AI companies are doing millions in revenue...not useful for the entire economy yet." (ahussain)
   • 缺乏物理交互能力（如机器人）限制AI对实体经济的影响。
     "Without a breakthrough in general-purpose robotics...digital abundance is uninspiring." (wcfrobert)

开发者视角与未来预期

1. 开发者工具的高效性

   • AI工具（如Codex）可自动化代码提交、测试等全流程。
     "Codex was able to read the ticket, generate code, test it...and update Jira." (fragmede)
   • 但多团队协作中AI的实用性存疑，尤其受监管行业。
     "How exactly do they use these agents in regulated industries?" (moezd)

2. 职业危机感

   • 开发者认为AI工具比同事更有价值，担忧自身被取代。
     "Gemini/Claude is way more useful to me than any coworker...that coworker will be me." (thw09j9m)
   • 部分人认为AI已通过提升GDP间接“加入劳动力”。
     "The unexpected overperformance of GDP is in the 'how did that happen?' conversation." (ineedasername)

总结

评论呈现两极分化：
- 乐观派强调AI已提升效率（尤其编程领域），并逐步渗透各行业；
- 怀疑派指出技术局限性（如多模态缺陷）、预测夸大及隐性失业风险。
共同点是呼吁更务实讨论，减少对未来假设的依赖。