2026年AI工作者调查报告

# AI劳动者调查报告 2026 | 科技劳动者调查 来源：https://techworkersinquiry.org/ai/ 英国工会联合会科技工人调查报告阐述了生成式AI如何改变科技行业的工作模式，该报告基于构建、部署、管理、评估和使用这项技术的劳动者视角与经验撰写。 本报告亦可下载PDF版本： 下载PDF (5.2 MB) (https://techworkersinquiry.org/ai/AI_Workers_Inquiry_2026.pdf) 联系我们：[[email protected]](mailto:[email protected]) --- ## 执行摘要 AI常被用来描述一系列在很多方面相互矛盾的技术。尽管该术语缺乏共识定义，但其影响的全貌正逐渐清晰。受访者将其描述为一股主要带来负面影响的力量，正在重塑他们的工作：提高产出期望、改变技能要求、加强监控、削弱专业能力、转移问责机制，并在同事间制造隔阂。AI应用很少真正减少工作量；它们只是重新分配并加剧了劳动强度。 劳动者强调，积极的效用取决于他们能否自主决定如何使用AI。核心问题不仅在于AI是否运行良好，更在于雇主如何引入、控制、衡量和使用它。简言之，只有当个人拥有选择是否使用以及如何使用的权利时，AI才具有实用价值。 当前发现的问题并非源于现有模型的技术局限。输出质量低劣、幻觉现象和脆弱代码确实会产生影响，但这仅是部分图景。因为雇主利用AI来加剧工作强度、合理化裁员、取消初级岗位招聘、加强监控、去技能化和降技能化、将风险转嫁给员工，并削弱他们的自主性。即使模型性能提升，如果劳动者不能获得可执行的权利来控制AI在工作及社会层面的使用方式，这些深层职场问题仍将存在。 科技工作者对AI在环境破坏、军事与国家监控场景、以及心理健康方面的有害影响深表关切。因此，本调查报告的建议更关注控制权和利益分配问题，而非技术功能性。 必须切实赋权劳动者以捍卫和扩展其权利。这包括对工作中AI的引入、使用、监控和评估方式拥有可执行的控制权。 劳动者必须对工作中是否使用AI工具及如何使用拥有最终决定权。选择不使用AI不应遭受任何处罚。 协商与透明度只有在导致切实问责和有效行动时才有意义。无后果的披露只会沦为表面文章。 当前形成的政策方向包括： - 单纯的透明度不够；劳动者需要对AI部署进行有意义的协商和谈判 - AI使用不应强制；劳动者需要法律保护免受拒绝使用AI的不利影响，且雇主在AI驱动的管理决策中应受限制 - 防范AI外部性；通过强力监管确保所构建的AI不危害人类与地球 - 阻止人才流失；为初级员工和应届毕业生建立并维护无AI学习路径 - 劳动者拥有最终决定权；将AI相关的集体谈判制度化 ## 政策提案 本提案基于英国工会联合会2026年大会上通过的复合动议《工作场所人工智能》，该动议由英国通讯工人工会提出，安全部门工会附议，并获得：英国工会联合会、国家教育工会、英国零售业工会等支持。 我们需要一个具有实权的监管框架来追究雇主和科技公司使用AI的责任，具体方向如下： 1. 设立新的法定AI工作监管机构，具备调查、执法和处罚雇主及技术提供商的权力 2. 该机构应覆盖所有AI系统，包括生成式AI工具、自动化决策系统、监控工具、招聘系统、生产力系统和绩效管理工具 3. 劳动者及其工会应能直接向该机构报告AI相关危害，包括不安全部署、歧视性结果、过度监控、误导性生产力声明、工作强度增加、去技能化和降技能化、岗位替代，以及伦理与环境问题 4. 该机构应有权要求雇主披露AI系统、暂停部署、开展影响评估、咨询劳动者及其工会、补救危害并撤回已部署系统 5. 该机构的治理委员会应包含平等数量的劳动者专家和工会代表，与雇主、公务员及学术界代表人数相当 ### 技能、培训与初级发展路径 在部署AI的领域，必须优先考虑技能与发展，以消除AI导致的去技能化和降技能化现象： 1. 通过确保AI不替代培训、指导、监督或基础技能发展来保护初级岗位和学习路径 2. 雇主不应将AI作为专业知识、合理人员配置或职业发展的替代品 3. 劳动者应有受保护的时间学习、实践、复核和发展技能，无需被迫依赖AI工具 4. 当AI改变工作性质时，雇主必须为技能重塑和提升提供资金与时间 5. 不应要求劳动者以损害其专业判断、技艺、信心或学习能力的方式使用AI ### 拒绝、质疑与挑战的权利 劳动者必须保留拒绝权利并受到保护免遭报复： 1. 将选择是否及如何使用生成式AI工具的权利编入法典，特别是当存在专业、伦理、环境、平等、可及性、安全、宗教、心理健康或质量方面的顾虑时 2. 劳动者应因拒绝、质疑、批评或报告对AI使用或发展的担忧而受到保护，免遭不利对待 3. 任何劳动者不应因提出AI相关担忧而被视为抗拒变革、表现不佳或不适合晋升 4. 当AI应用于影响其工作、薪酬、绩效、晋升、纪律、招聘或裁员的决策时，劳动者应有权要求人工复核 ### 环境与社会问责 必须全面评估并披露AI的负面外部性： 1. 要求雇主评估并披露工作场所AI的环境影响，包括能源消耗、水资源使用、数据中心依赖、基础设施需求和供应链影响 2. 环境报告不应局限于狭隘的碳核算，应涵盖AI扩张带来的更广泛社会与物质成本 3. AI公共政策必须包含劳动者声音、环境问责和民主控制，而不仅强调创新和生产力提升 4. 将生成式AI模型归类为军民两用技术，并加强军事出口许可证标准执行力度 ### 健康与安全 健康安全立法必须更新，以考虑AI给工作场所带来的新型心理危害： 1. 要求在部署前及AI系统发生重大变更时开展影响评估。影响评估必须考虑工作量、福祉、平等、可及性、工作保障、技能、培训、环境及伦理影响 2. 立法确立断联权 3. 当AI确实带来生产力提升时，要求雇主确保劳动者能按比例从中受益（例如：保持薪资水平减少工作时间、带薪培训假期、薪酬增长） ### 监控、绩效与监控 劳动者必须受到保护，免受基于其使用（或不使用）生成式AI工具完成工作的情况而实施的纪律处分或绩效管理流程影响： 1. AI使用数据不得用于纪律处分、晋升评估、裁员决策、绩效评分或生产力基准考核，除非已明确披露、集体协商并经独立评估。这包括迫使劳动者使用AI的排行榜、代币排名或使用仪表板 2. 要求雇主证明AI相关指标衡量的是有价值、安全且高质量的工作成果，而不仅是活动量、成本、数量或速度 3. 劳动者不应因使用AI不足而受罚 4. 禁止不透明的AI驱动或AI辅助绩效评估，确保劳动者能对数据、方法或结果提出质疑 ### 防范裁员与产业转移 必须加强裁员保护，防止雇主以AI采用为幌子实施产业转移和外包： 1. 不应允许雇主在没有独立证据、咨询协商和保障措施的情况下，利用AI采用、生产力提升或自动化预测作为裁员的捷径 2. 通过延长最低咨询期加强裁员保护，并在集体流程中将"业务单元"定义扩展至整个雇主主体 3. 对于以AI合理化裁员却随后重新雇佣、外包或重新分配相同工作的雇主，应引入更严厉的处罚 ### 协商、透明度与信息披露 雇主必须强制要求劳动者实质性参与实施决策： 1. 在AI工具于任何工作流程中被引入、扩展、强制执行或发生重大变更前，引入法定咨询义务 2. 在存在集体谈判的情况下，雇主有义务就AI部署及其对监控、生产力预期、人员配置水平和工作设计变革的影响进行谈判 3. 在无集体谈判机制的情况下，当有合理理由担心AI系统产生不利影响时，劳动者有权要求暂停、审查或撤回该系统，并建立向监管机构申诉的途径 4. 雇主必须在可供员工查阅的文件中披露工作场所使用的AI系统，包括其用途、采用原因、收集的数据类型、数据访问权限及保存期限 ## 引言 科技劳动者调查报告2026标识本报告从构建、部署、评估、管理和使用这些系统的科技工作者视角出发，调查AI的影响。这是一次由劳动者主导、基于科技行业广泛从业者直接经验、针对AI公共讨论的介入行动。 不幸的是，AI这个术语并非指代单一技术。它是一个包含多种技术的总称。正如我们的报告将展示的，其中一些技术具有有益用例，另一些则没有。有些技术甚至不存在，也可能永远不会存在，尽管它们构成了AI公共讨论的重要部分。 我们的调查基于一个基本前提：科技工作者不仅受到AI影响，他们还了解这些系统在实践中如何构建、引入、监控和使用。他们的经验对于任何关于AI、工作与监管的严肃讨论都至关重要。 ### 为何要进行科技工作者AI调查？ 是谁塑造了我们对AI的认知？几乎无一例外，是技术外行的媒体评论员和拥有AI公司的科技企业家。有时后者起初是软件工程师或科学家；但他们始终是坐拥AI传播红利的超级富豪商人。 据我们所知，本报告是首次系统性地综合科技行业广大从业者关于AI体验的成果。我们的调查涵盖英国科技行业供应链，包括客户支持专员、科研人员、软件开发者、网络安全分析师、技术教育工作者等各类岗位。 我们的劳动者调查利用了供应链各环节雇员的技术专长。方法注重实效，聚焦日常具体经验，交叉融合多元劳动者洞察，并深入探究底层机制。 作为一个群体，开发和部署AI的劳动者堪称该领域的终极权威。作为*已组建和正在组建工会*的劳动者群体，本报告中的声音关乎进步、公平和弱势群体保护。代表资本对生成式AI技术贪婪愿景的科技公司高管们始终明确：快速行动，打破常规。硅谷巨头们造成的"常规"破坏清单很长，从像莫莉·拉塞尔这样的青少年到刚果东部饱受战火摧残的民众。作为新技术背后的知识与体力劳动者，科技工作者担忧AI与人类及地球的可持续发展不相容。 ### 我们指的"AI"是什么？ AI曾被描述为"行李箱词汇"，内涵宽泛到可装入任何内容。这种不精确的语言无益于讨论，因为实践中AI涵盖了一系列差异巨大的技术，具有不同的风险、环境影响和效益。具体而言，当讨论AI对心理健康、网络安全或工作自动化构成危险时，实际指的是大语言模型及智能体（基于大语言模型的系统）。这些是能耗最高的技术。 当讨论AI突破和有益应用时，例如获得诺贝尔奖的AlphaFold或天气预测模型，则涉及完全不同的技术。这类技术针对特定任务（即狭窄、明确的任务），使用能耗可忽略的小型模型。 用同一术语指代这两种技术，模糊了对其各自风险与收益的讨论。生成式AI（genAI）是更准确的统称，涵盖大语言模型、视觉语言模型以及任何基于训练数据合成输出的机器学习技术（包括音视频）。本报告将尽可能精确地使用AI相关术语。 ### AI的哲学思潮 关于AI的辩论大多聚焦于人工通用智能（AGI）——一种定义模糊且尚不存在的理论技术。这场辩论涉及诸多问题（如AGI定义、AI末日论vs加速主义、是否应追求AGI），我们在此不予讨论，因为它们实质上分散了对生成式AI现实应用的关注。AGI缺乏明确定义，使其风险讨论被推向遥不可及的未来，忽略了生成式AI及其日益融入社会基础系统所带来的即时与近期风险。 或许AI乐观主义者与悲观主义者之争更具现实意义。前者认为生成式AI（及难以捉摸的AGI）能解决世界最重大问题，后者则持否定态度。尽管科技工作者在此问题上未形成统一观点，但他们对生成式AI最前沿实施的反应普遍偏向悲观。 生成式AI本质上是一种自动化技术，与所有过往的自动化技术一样，效率提升的主要受益者通常是超级富豪企业主。一方面，工作被生成式AI改造的员工报告了各种身心健康损害。另一方面，过去30年的科技热潮和近十年的AI泡沫仅使极少数亿万富翁获益，并极大地助长了他们（明显极右翼）的政治影响力。与此同时，大多数劳动者连续数年面临收入缩减，不平等状况数十年来急剧恶化。 因此可以公正地说，生成式AI是一项当前仅造福亿万富翁的技术。