先说几个关键判断：AI确实让不少工作消失了，但与此同时，它也在催生全新的岗位需求——而且这些新岗位可能比想象中更接地气。

几天前，人社部搞了个“互联网企业云端招聘月”，数据挺有看点。今年暑假，超过5000家互联网企业集中释放了超过20万个就业岗位。京东、腾讯、字节跳动、美团这些头部玩家合计贡献了4.6万个岗位，方向集中在AI算法、大模型应用、高性能计算这些前沿领域。

岗位数量在涨，工种也在翻新。算法工程师、提示词工程师已经不算新鲜了，最近冒出来的一个新角色——botsitting，很可能成为未来几年最大的劳动力蓄水池。

光看名字可能有点懵。babysitting是照顾孩子的保姆，那botsitting，字面意思就是照顾机器人（AI）的保姆。微软的Copilot部门里，就有“AI培训师”、“数字化采纳专员”、“AI倡导者”这样的职位。说白了，他们干的就是botsitting的活。

具体来说，就是教同事怎么用AI、检查AI输出的质量、把AI嵌入到具体的业务流程里。别小看这些工作，在实际场景中，AI给出的答案和你真正能用的东西之间，往往隔着一个太平洋。AI可能一本正经地胡说八道，也可能完全误解你的意思。总之，你得花时间把AI的输出改到能用的程度。

那么，这个时间具体是多少？

根据Glean旗下的Work AI Institute联合斯坦福、UC伯克利等高校发布的《Work AI Index 2026》报告，一个白领每周差不多要花将近一整天的时间来做botsitting。而且这活儿门槛不高，有点AI使用经验就能上手。这正好给刚毕业、想了解行业的大学生，提供了一个不错的切入点。

就像当年的数据标注师一样，刚开始干的人不多，但随着AI一路狂奔，这个岗位的价值越来越被看见，规模也跟着滚雪球了。

botsitting到底在干什么？

举个例子你就明白了。假设你让AI帮忙写一份市场分析报告。AI一开始不知道你们公司的产品线，你得先把背景信息喂进去。结果出来后，你得逐条核对竞品数据有没有编造，最后还要给AI输出的内容重新排版。这一套流程走下来，一两个小时就没了。

《Work AI Index 2026》里还提到，87%的白领已经在工作中使用AI，他们自称平均每周省了13个小时。但另一边，他们每周平均要花6.4小时在botsitting上。也就是说，AI帮你省下的时间，差不多有一半又还回去了。

更值得警惕的是，botsitting这种事还有自我恶化倾向。有69%的人拿到AI生成的内容，连审核都懒得做，直接原封不动地提交。报告进一步给出一个扎心的数字：员工每周花在AI上的时间中，37%是在做botsitting，36%是用AI生产东西，剩下的27%在学工具、搭Agent。

这数据看起来离谱，现实可能更离谱。导致botsitting比实际使用AI还耗时，主要有两个原因：一是36%的AI会话直接“失败”，需要全部推翻重来；二是工具实在太多，77%的AI用户每周要在多个AI工具之间来回切换，33%的人同时用四个以上。就拿Claude的用户来说，只有0.5%的人只用Claude，平均每个人还在同时跑着另外四个AI工具。每换一个工具，之前喂进去的公司背景、项目上下文就断了，回头又得重新喂一遍。

报告把这种现象叫作“上下文税”。

数据显示，每多花10%的时间给AI喂上下文，员工感到筋疲力尽的概率就上升25%。而且，重度AI用户的botsitting频率是轻度用户的两倍还多。这意味着，AI用得越猛，当保姆的时间占比反而越高。于是，一个恶性循环形成了：AI输出质量越不稳定，人需要的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；越多人跳过审核，组织越是看不到AI的真实回报。

报告显示，75%的个人用户觉得AI提升了生产力，但只有13%的人表示，企业因为AI获得了显著改善。中间的62%差距，就是缺少botsitting的结果。

为什么botsitting天然适合刚毕业的大学生

美国大学与雇主协会（NACE）的《Job Outlook 2026》报告说，45%的雇主把2026年的人才市场评为“fair”——这是2021年以来最差的评分。2025年秋天，企业雇主们预测对应届生的招聘增长只有1.6%，到了春季才回升到5.6%。但大型科技公司2025年对应届生的招聘，缩减了整整25%。

不过，《Work AI Index 2026》认为，botsitting会给大量的大学生创造就业机会。理由有三个。

第一个原因：入门门槛极低，但行业接触面极高。

很多人一听跟AI沾边的工作，脑子里浮现的就是写代码、调参数、训练模型。botsitting完全不是这回事。它不需要你懂算法，只需要你有最基本的人类判断力。你能看出AI写的东西是不是在胡扯？你能判断数据分析报告的结论跟前面的数据对得上吗？你能识别AI为了凑字数塞进去的那些看似专业实则空洞的术语吗？只要是一个正常人类，受过基本大学教育，就具备了这样的能力。

第二个原因：这届大学生是AI原住民。

2026年毕业的大学生，他们的论文多半是ChatGPT、Claude、DeepSeek完成的。但很多资深老员工，用AI的方式还停留在把AI当成一个更快的搜索引擎——问一个问题，得到一个答案。这届毕业生不一样。他们在反复被AI坑过的过程中，已经建立了一种直觉：什么时候该信任AI的输出，什么时候得多检查一眼，什么时候AI看似在回答，其实在绕圈子。更重要的是，他们天然理解什么是“提示词工程”，这是他们用挂科换来的教训。他们也不觉得反复修改AI的输出是“额外的工作”，因为这本来就是他们的日常作业流程：让AI生成初稿，自己大改，再让AI润色，再自己检查。换句话说，botsitting对老员工来说是“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。

前面说过，一周只需要6.4小时。而且对于那些擅长AI的大学生来说，时间还能再压缩一些。NACE调查还显示，70%的雇主已经在采用技能优先的招聘方式，比去年上升了5%。所谓技能优先，就是不看你的学校和专业，看你能不能干这个活。还有一个容易被忽略的点：botsitting不是那种一眼看到头的岗位，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里招全职的质量分析师和项目经理。起薪时薪十几二十美元，转正后年薪能到四到六万英镑。对一个刚毕业的大学生来说，晋升依据是可以量化的——你纠出来的错误比同行多、比同行准，你就能晋升。

botsitting会成为一种常态吗？

还有一个根本问题：botsitting到底是一个过渡阶段的临时现象，还是一种可以长期存在的岗位？要回答这个问题，我们得先拉一个参照物——数据标注。

10年前，“数据标注”这个词几乎没人听说过。就拿“怎么让模型认识一只猫”这事来说，当时的解决方案是雇人一张一张地给图片打标签：这张是猫，这张不是猫，这张猫脸被遮住了一半但仍然是猫。Fortune Business Insights的数据显示，2015年前后，中国数据标注从业者大概只有几万人，市场规模约5亿元。到了2020年，市场规模达到31亿元。2025年时，突破105亿元。全球范围内，数据标注工具市场2025年估值约17亿到36亿美元，预计到2034年会增长到140亿到380亿美元，年复合增长率超过26%。

一个反常识的现象是：模型越强，需要的数据标注反而越多。原因很简单——模型越强，要处理的任务越复杂；任务越复杂，需要的训练数据越精细；数据越精细，需要的人工判断就越不可替代。AI每往前走一步，对数据标注的要求就会更高一层。

botsitting正在重复数据标注的路径，而且很可能走得更远。

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月发了一篇重磅文章，标题叫《拖慢AI转型的「最后一英里」问题》。作者包括哈佛商学院的卡里姆·拉卡尼（Karim Lakhani）、微软AI at Work的负责人杰拉德·斯帕塔罗（Jared Spataro）和哈佛D³研究所的珍·史黛弗（Jen Sta ve）。他们的核心结论是：模型可以无限变强，但只要它不懂你公司的内部逻辑，你就必须派人去给它善后。这不是模型不够好的问题，而是模型和真实世界之间存在着一条信息鸿沟。每个企业都有自己独特的上下文，比如潜规则、企业文化等等。这些东西不在任何公开数据集中，AI永远不可能靠自己学会。但只要AI要在组织里发挥作用，就必须有人把这些东西翻译给它、补给它、纠正它。而这恰恰是botsitting的核心价值。它不是在替代AI的能力不足，而是在弥合AI与组织之间的信息鸿沟。只要企业是独特的，这条鸿沟就永远存在，botsitting就永远有人需要。

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年的一篇文章《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，它只会让工作移位。只要AI进入真正的工作流，那就必须有人来监督、编辑、验证、兜底。2025年，美国密西西比州联邦法院出了个案子。Butler Snow律所的几名律师，把AI胡编的判例直接写进了法庭文件，而且交上去的时候连看都没看一眼。法官布里顿·马纳斯科（Britton Manasco）看完直接炸了，裁定书里原话是“虚构法律依据属于严重不当行为”。《国家法律评论》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。所谓“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。

摩根士丹利在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。但摩根士丹利有条规定：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，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系统能够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。翻译成大白话就是：AI可以帮你写文件、做分析，甚至做决策建议，但最后签字的必须是个活人。而且签字的这个人，还要对自己签的东西解释和负责。权力可以下放，但责任不能外包。所以，botsitting注定会一直存在。

第三，实证已经出现了。

世界经济论坛2025年的《未来就业报告》提到，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%到35%的速度增长。而且，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从一个个人使用的效率工具，变成一个组织的基础设施时，botsitting就从“谁有空顺便干一下”的零工，变成了一件必须有专人负责的正经事。