这届大学生毕业后-可能得给AI当保姆

AI技术正推动企业组织重构，既带来岗位更迭，也催生新职业方向。一个名为botsitting的新兴角色，正逐步成为劳动力市场的重要补充。

根据人社部启动的互联网企业云端招聘月活动最新数据，今年暑假期间，超过5000家互联网企业集中释放了逾20万个就业岗位。京东、腾讯、字节跳动、美团等头部企业合计贡献超4.6万个岗位，这些岗位覆盖AI算法、大模型应用、高性能计算等前沿技术方向。

岗位数量增长的同时，新的工种也随之出现。例如算法工程师、提示词工程师等。而近期兴起的botsitting，极有可能成为新的劳动力蓄水池。

什么是botsitting？婴儿看护是babysitting，那么botsitting就是负责照顾机器人（AI）的专职人员。

微软的Copilot部门设有“AI培训师”、“数字化采纳专员”、“AI倡导者”等职位。从某个角度来看，他们从事的工作就是一种botsitting。

具体职责包括指导同事如何使用AI、检查AI输出的内容质量、以及将AI嵌入到具体业务流程中。

在实际工作场景里，从AI生成答案到将其真正应用于实际，两者之间通常存在差异。

AI可能会产生幻觉，也可能完全误解你的意思。简而言之，你需要花费时间对AI给出的答案进行修改和完善。

这个时间具体是多少呢？

根据Glean旗下Work AI Institute联合斯坦福、UC伯克利等高校发布的《Work AI Index 2026》报告，一名白领每周需要花费将近一天的工作时间用于botsitting。

此外，botsitting并非高难度工作，拥有少量AI使用经验即可胜任。因此，它非常适合那些刚毕业、希望了解行业的大学生。

如同当年的数据标注师一样，初期从事人数较少，但随着AI技术发展，该岗位的重要性逐渐凸显，岗位规模也随之扩大。

botsitting都是干啥？

那么，botsitting的具体工作内容是什么？举个例子便能清晰理解。

假设你让AI帮你撰写一份市场分析报告。AI起初不了解你公司的产品线，你需要先输入相关背景信息。结果生成后，你还需要逐一核实竞品数据。

最后，你还得对AI输出的内容进行排版。完成整个流程，大约需要一到两个小时。

《Work AI Index 2026》中提到，87%的白领已在工作中使用AI，平均每周自称能节省13个小时。

然而，他们每周平均要花费6.4个小时在botsitting上。这意味着，AI帮你节省的时间中，有一半最终又被你重新投入了回去。

此外，botsitting存在一种自我强化的倾向。69%的人未经审核，直接将AI生成的内容原封不动地提交。

报告进一步指出，员工每周花在AI上的时间中，37%用于botsitting，36%用于利用AI生产内容，剩下的27%则用于学习工具、搭建Agent。

这些数据确实令人意外，但现实情况更为复杂。

导致botsitting耗费时间多于实际使用AI的原因有两个。一是36%的AI会话直接“失败”，需要全部推翻重来。二是工具数量过多，77%的AI用户每周需要在多个AI工具间频繁切换，33%的人同时使用四个以上工具。

在Claude的用户中，只有0.5%的人只使用Claude，平均每人同时运行着另外四个AI工具。每切换一次工具，之前输入的公司背景、项目上下文就会中断，需要重新输入。

报告将这种现象称为“上下文税”。

报告显示，每多花费10%的时间为AI提供上下文，员工感到筋疲力尽的概率就上升25%。

不仅如此，重度AI用户的botsitting频率是轻度用户的两倍多。这意味着，AI使用得越频繁，充当“保姆”的时间占比就越高。

AI输出质量越不稳定，所需的人为botsitting就越多；botsitting越多，人越疲惫；人越疲惫，越倾向于跳过审核直接提交；跳过审核的人越多，组织越难以看到AI的真实回报。

报告显示，75%的个人用户认为AI提升了生产力，但实际上，只有13%的人表示企业因AI获得了显著改善。这其中的62%差距，正是缺少botsitting所导致的。

为什么botsitting天然适合刚刚毕业的大学生

美国大学与雇主协会（NACE）的《Job Outlook 2026》报告表示，45%的雇主将2026年的人才市场评为“fair”，这是自2021年以来最低的评价。

2025年秋季，企业雇主们预测对应届生的招聘增长仅为1.6%。虽在春季更新时该数字回升至5.6%，但大型科技公司在2025年对应届生的招聘缩减了25%。

不过《Work AI Index 2026》认为，botsitting将为大量大学生创造就业机会。

第一个原因：botsitting的入行门槛极低，但行业接触面极高。

许多人一听到与AI相关的工作，就会联想到写代码、调参数、训练模型。但botsitting完全不同。

它不需要你掌握算法知识，只需要具备最基本的人类判断力。

你能判断AI所写的内容是否荒诞吗？你能评估数据分析报告的结论与前面的数据是否吻合吗？你能识别AI为凑数而塞入的看似专业实则空洞的术语吗？

只要你是一个正常人类并受过基本大学教育，就具备了这些能力。

第二个原因：这届大学生是AI原住民。

一个事实是，2026年毕业的大学生，其论文多半由ChatGPT、Claude、DeepSeek完成。而许多资深老员工使用AI的方式，仍停留在将其视为更快的搜索引擎的状态：问一个问题，得到一个答案。

但这届毕业生不同。他们曾在反复被AI“坑害”的过程中，建立了一种直觉：何时该信任AI的输出？何时需要多检查一遍？何时AI看似在回答，实则是在绕圈子？

更重要的是，这代人天然懂得什么是“提示词工程”，这是他们用挂科换来的经验教训。

他们也不认为反复修改AI的输出是一件“额外的工作”，因为这本来就是他们日常的作业流程：让AI生成初稿，自己大幅修改，再让AI润色，再自行检查。

换句话说，botsitting对老员工而言是一种“额外负担”，但对这届毕业生来说，这就是他们学会的“正常的工作方式”。

第三个原因：劳动强度适中。

如前文所述，每周需要6.4小时。而且对于擅长AI的大学生，所需时间还会进一步缩短。

NACE的调查还显示，70%的雇主已采用技能优先的招聘方式，比去年上升了5%。

什么是技能优先？即不看学校和专业，只看能否胜任工作。

还有一个容易被忽略的点：botsitting并非一眼到头的岗位，它有明确的上升通道。

Scale AI和Surge AI这类公司，会直接从表现最好的训练师中招聘全职的质量分析师和项目经理。起薪时薪为十几到二十美元，转正后年薪可达四到六万英镑。

对一名刚毕业的大学生而言，晋升依据是可量化的：你找出的错误比同行多、比同行准，你就能获得晋升。

botsitting会常态化吗？

还有一个更根本的问题：botsitting究竟是一个过渡阶段的临时现象，还是一种常态化的岗位？

要理解这一点，我们先引入一个参照物——数据标注。

10年前，“数据标注”几乎无人知晓。

以“如何让模型识别一只猫”为例，当时的解决方案是雇人逐张为图片打标签：这张是猫，这张不是猫，这张猫脸被遮住一半但仍然是猫。

Fortune Business Insights曾公布数据，2015年前后，中国的数据标注从业者约有几万人，市场规模约为5亿元人民币。到2020年，市场规模达到31亿元人民币。2025年时，突破105亿元。

在全球范围内，数据标注工具市场在2025年的估值约为17亿至36亿美元，预计到2034年将增长至140亿至380亿美元，年复合增长率超过26%。

既然模型越来越强大，为何还需要越来越多的人进行标注？

答案很简单：模型越强，处理的任务越复杂；任务越复杂，所需的训练数据就越精细；数据越精细，人工判断就越不可替代。

AI每前进一步，对数据标注的要求就提高一层。

botsitting正在重复数据标注的发展路径，而且会走得更远。

第一，botsitting的核心瓶颈不是技术，而是组织。

哈佛商业评论在2026年3月发表了一篇重磅文章，标题为《拖慢AI转型的“最后一英里”问题》。

文章作者包括哈佛商学院的卡里姆·拉卡尼（Karim Lakhani）、微软AI at Work负责人杰拉德·斯帕塔罗（Jared Spataro）和哈佛D³研究所的珍·史黛弗（Jen Stave）。

文章的核心结论是：模型可以无限变强，但只要它不了解你公司的内部逻辑，你就必须派人去善后。

这不是模型不够好的问题，而是模型与现实世界之间存在一条信息鸿沟。每个企业都有独特的上下文，比如潜规则、企业文化等。

这些信息不在任何公开数据集中，AI永远无法自行学会。但只要AI在组织内发挥作用，就必须有人将这些内容翻译给它、补充给它、纠正它。

这正是botsitting的核心价值。

它并非替代AI的不足，而是在弥合AI与组织之间的信息鸿沟。只要企业具有独特性，这条鸿沟就永远存在，botsitting就永远有需求。

第二，AI的工作方式决定了它天生需要人来兜底。

福布斯在2026年的文章《AI在取代工作吗？新数据表明，它可能正在加重工作负担》中提到一个观点：AI不会让工作消失，只会让工作移位。

文章认为，“只要AI进入真正的工作流，就必须有人来监督、编辑、验证、兜底。”

2025年，美国密西西比州联邦法院发生了一起事件。Butler Snow律所的几名律师，将AI胡编的判例直接写入法庭文件，且提交时未经任何检查。

法官布里顿·马纳斯科（Britton Manasco）看后极为愤怒，裁定书中写道：“虚构法律依据属于严重不当行为”。

《国家法律评论》在2026年初对85位法律专业人士的调查得出结论：未来律师的差异化竞争点，可能不在于用了哪个AI，而在于输出验证的能力。

“人机协同工作流、质量控制和可辩护的审查流程，将成为法律行业的核心竞争力，而非可选的保障措施。”

摩根斯坦利在2024年推出了名为Morgan Stanley Debrief的AI工具，到2025年底，98%的财富管理顾问都在使用它。

然而，摩根斯坦利有一条规矩：顾问在使用AI生成的会谈摘要和投资建议时，必须“审查和调整AI生成的输出，然后才能最终确定”。

同时，美国金融业监管局（FINRA）在2025年12月发布的2026年度监管报告中，专门新增了针对“自主执行任务的AI系统”的监管框架，明确要求一旦AI系统能在券商工作流中采取行动而非仅仅生成内容，公司的监督、账簿记录和治理义务就必须实质性升级。

用通俗的话来说就是：AI可以帮你写文件、做分析、甚至提供决策建议，但最终签字的人必须是真实的人。

不仅如此，签字的人还需要对自己签署的内容进行解释和负责。责任可以下放，但不能外包，因此botsitting注定会长期存在。

第三，实证已经出现。

世界经济论坛2025年的《未来就业报告》指出，AI和大数据专家是2030年增长最快的岗位之一，但同时指出，AI治理、AI战略等非技术性岗位也在同步高速增长。

AI人才平台Mercor的报告显示，全球市场对人类评估师和训练师的需求正以每年25%至35%的速度增长。报告还提到，大部分岗位完全远程，不需要技术背景，但非常看重领域专长和判断力。

当AI从个人使用的效率工具转变为组织的基础设施时，botsitting便从“谁有空顺便做一下”演变为“必须有专人负责”的刚性需求。简而言之，作为技术迭代与组织运转之间的必要桥梁，botsitting正成长为一种不可忽视的常规职业形态。