在那些会被 AI 变得更抢手的岗位上，有百分之五十一的员工担心 AI 会减少其岗位对人的需求。而真正面临更高短期自动化风险岗位上的员工，其担忧并不比普通员工更多。这种倒挂——最安全的人最焦虑，最受冲击的人却很淡定——正是击碎大多数中型市场企业抽屉里那份 2026 年标准 AI 落地沟通计划的唯一事实。OpenAI 的经济学家刚刚在一项 5,060 名员工的调查中测得了它（OpenAI Global Affairs, 2026），而 Anthropic 基于一套完全不同的数据集，也得出了相同的形态（Anthropic, 2026）。
对于一家 50–500 名全职员工的公司中正在敲定 AI 落地讯息和第三季度留任计划的运营负责人而言，这并非学术上的猎奇。它意味着你正在安抚的群体并不是焦虑的那个群体——而焦虑的那个群体，正是你指望用来兑现 AI 投资回报的那一个。如今,两支独立研究团队都指向了同一份瞄错了对象的沟通模板。以下是数据真正在说什么,以及在下一次落地之前该如何应对。
倒挂，被测量了两次
先从最容易被斥为利益相关的来源说起，然后看着它被佐证。OpenAI 的经济研究团队——首席经济学家 Aaron "Ronnie" Chatterji 与劳动经济学家 Alex Martin Richmond——于 2026 年 4 月发布了 AI Jobs Transition Framework，覆盖 921 种职业，代表美国 99.7% 的就业（OpenAI, 2026）。它将 18% 的岗位归类为短期自动化风险相对更高，将 12% 归类为很可能因 AI 而增长，因为有效成本下降会抬高对这类工作的需求。
框架是铺垫。包袱是 OpenAI 通过 TrueDot 调查组开展的那项配套的 5,060 人调查，它测量了不同风险类别的员工实际作何感受。两项发现与直觉直接相悖。第一：处于短期自动化风险最高岗位上的员工，对失业的担忧并不比大多数其他员工更多。第二：在那些将因 AI 而看到更多需求的岗位员工中，有 51% 担心 AI 会减少其岗位对人的需求（OpenAI Global Affairs, 2026）。受冲击者很淡定；占优者却警觉。
再看佐证，来自一支毫无动机为 OpenAI 附和的团队。Anthropic 调查了 81,000 名 Claude 用户，发现工作岗位更受 AI 冲击的人对 AI 驱动的岗位替代表达出更多担忧，其中观测到的冲击度——一种结合 AI 能力与真实使用情况的度量——与这种担忧直接相关（Anthropic, 2026）。两种方法、两家供应商、一条曲线：焦虑跟随的是采用，而非脆弱性。
为何占优者反而最焦虑
这种倒挂并非不理性，而理解其缘由对于如何应对至关重要。需求增长群体之所以焦虑，正是因为他们娴熟。他们是劳动力中使用 AI 最频繁的人：72% 是每周 AI 用户，42% 每天多次使用（OpenAI Global Affairs, 2026）。他们手按键盘，亲眼看着工具改进得多快。他们的担忧不是天真——而是公司里最知情的判断。
这重塑了整个问题。传统模型把 AI 焦虑当作一种对未知的恐惧，靠安抚与科普来平息。数据却恰恰相反：最焦虑的群体是对 AI 最了解的群体。你无法用一场关于 AI 是什么的全员大会讲解来消除他们的担忧，因为他们用 AI 已经比主持那场大会的人还多。Anthropic 的平行发现——预测担忧的是冲击度本身，而非岗位类别——印证了其机制是熟悉，而非无知。
他们的焦虑还表现为一种诉求，而不只是一种情绪。同一个娴熟群体明显更想分一杯羹：在需求增长的员工中，有 25% 希望若 AI 让其工作场所更高效，员工能分享收益的一部分，而普通人群中这一比例为 16%（OpenAI Global Affairs, 2026）。为你兑现生产力收益的人，恰恰不成比例地正是那些要求参与分享的人。这是一个带着价签的留任信号，而它并非来自你的计划本要应对的那个群体。
你现行的沟通计划究竟在做什么
把 2026 年标准 AI 落地沟通放到这面镜子前，瞄准的偏差便一目了然。那套模板——"AI 是来帮你的，不是来取代你的"——几乎总是瞄准所谓最受冲击的一线群体：那些被能力图谱标记为可自动化岗位上的人。意图是人性化的。靶子却反了。
你把安抚预算花在了根据数据并不特别担忧的员工身上——却对那个娴熟、高采用、既最焦虑又对你的 AI 投资回报最关键的群体只字未提其专属内容。这条通用讯息对淡定群体而言是噪音，对焦虑群体而言是居高临下，因为对一个每天的重度用户说"AI 只是个有用的工具"，在一个亲眼看着该工具吞掉自己原有任务的人听来，要么显得无知，要么显得回避。
应当聚焦决策的反差在于：你正在发讯息的那个群体，若它安静地无动于衷，对你几乎没有代价；而你正在忽视的那个群体，才是真正的流失风险与真正的收益分享诉求所在。一个把自身受众弄反的沟通计划，不是小小的校准误差。它是把全部安抚预算花在了错误的房间里。
反方论点："一线安抚仍然重要"
一位经验丰富的运营领导者最有力的反对值得一个直接的回答。一线和受冲击的员工是真实的，18% 自动化风险这个数字是真实的，为了去追逐高薪重度用户的焦虑而放弃安抚那个群体，听起来像是在抚慰本已安逸的人。你难道不是在叫我忽视真正最受冲击的人吗？
不——两点更正。第一，调查并未说受冲击员工没有担忧；它说他们对失业的担忧并不比平均水平更多，而他们的担忧以不同方式显现——表现为对 AI 如何在其工作场所部署的控制权与话语权的诉求，而非对替代的恐惧（OpenAI Global Affairs, 2026）。你仍然欠那个群体一份计划——但正确的计划是参与和流程话语权，而非他们并未索求的替代安抚。
第二，这并非抚慰安逸者。需求增长群体在薪酬上安逸、在信心上岌岌可危，他们是你 AI 项目的运营核心。如果他们脱离投入或离开，支撑你整个 AI 投资的回报论点也会随之而去。处理他们的焦虑不是慷慨；而是保护你押注落地的那项资产。错误不在于关心受冲击群体——而在于用一条不加区分的讯息去面对两个担忧方向相反的群体。
第三季度的动作：把沟通分群，给上行收益定价
更正不是更大规模的沟通投入。而是一次分群投入，外加一项结构性决策，两者本季度均可落地。
第一，按群体拆分落地讯息，而不是广播一套模板。受冲击的一线群体需要能动性与流程话语权——在 AI 如何融入其工作上拥有可信的发言权，这正是他们真正表达的担忧。需求增长、高娴熟度的群体则需要标准话术从不提供的东西：诚实承认他们的角色正在改变，给出他们的工作将变成什么样而非是否还存在的具体图景，以及关于上行收益参与的直接答复。安抚作为陈词滥调，恰恰是对焦虑群体最错的工具，因为他们懂得太多，无法被它安抚。
第二，在娴熟群体迫使这个问题摊牌之前，确定你在收益分享上的立场。其中四分之一的人已经在要求参与 AI 的生产力收益。你不必对利润分享说"是"，但你必须有一个答案——无论是上行收益参与、职责扩展、与 AI 杠杆挂钩的晋升，还是一句明确的"原因如此，我们改为提供这些"。沉默会被读作他们所恐惧的那个答案。诉求现在就可衡量；忽视它对留任的后果会迟一些到来，且代价更高。
第三，甄别哪些高价值采用者真正承载着流失风险与公平敏感性，因为 51% 是一个平均值，而非一份点名册。对变化的焦虑、对角色稳定的需要、对上行收益分配公平性的敏感，都是个体特质，而非职位头衔的属性——按组织架构格子来划分留任计划，会错过那些真正会离开的具体的人。这是一个测量问题，而测量问题用心理测量数据来回答，胜过凭直觉。Scovai 的评估底座正是为刻画这些特质而建——对变化的焦虑、角色稳定性、公平敏感性——使你能在下一次落地之前识别出哪些 AI 采用者需要重新锚定的角色契约与明确的上行收益对话，而不是在离职面谈中才发现流失风险。
OpenAI 与 Anthropic 从相反的方向测量了同一件事，并交给运营领导者一张令人不安地清晰的收据：你劳动力中的焦虑，落在那个为你兑现 AI 回报的娴熟、高采用群体身上，而非你的沟通计划本要安抚的一线群体。这在本季度留在你案头的唯一决策，狭窄而有解。拿出你现行的 AI 落地沟通，问问它是为谁而写。如果答案是"为我们认为最受冲击的人"，你就找到了瞄准的偏差——而把讯息重新对准那个真正焦虑的群体，将是你在 AI 娴熟度及其随之而来的诉求蔓延到其余劳动力之前，所能做的最廉价的留任之举。
