诚然，AI让无数企业裁员，但另一方面，AI也在产生新的工作岗位。

根据人社部启动了互联网企业云端招聘月活动的最新数据，今年暑假，超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、美团等头部企业合计贡献超4.6万个岗位，覆盖AI算法、大模型应用、高性能计算等前沿方向。

不只是岗位增加了，工种也增加了。比如算法工程师、提示词工程师等等。而最近刚刚兴起的botsitting，就很有可能成为新的劳动力蓄水池。

啥是botsitting？babysitting是指照顾婴儿的保姆，那botsitting就是照顾机器人（AI）的保姆。

微软的Copilot部门就有“AI培训师”、“数字化采纳专员”、“AI倡导者”这样的岗位。他们干的活，从某种程度上来说就是一种botsitting。

具体来讲就是教同事怎么用AI、检查AI输出的质量、把AI嵌入到具体的业务流程里。

在实际工作中，从AI输出的答案，再到真正将其应用到实际场景，这俩之间往往不是一回事。

AI可能会输出幻觉，也有可能完全会错你的意思。总之一句话，你得花点时间来修改修改AI输出给你的答案。

那这个时间具体是多长呢？

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，一个白领每周都需要花将近一天的工时来进行botsitting。

再加上botsitting不是什么难活，稍有点AI使用经验就能上手。因此，刚好适合那群刚刚毕业，想要了解行业的大学生。

就像当年的数据标注师一样，一开始干的人也很少，但是随着AI发展，大家越来越注意到这个岗位的重要性，因此岗位也随之壮大。

botsitting都是干啥？

所以botsitting到底干的是啥活？举个例子你就明白了。

比如说，你用AI帮你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。结果出来以后，你得逐个核实竞品数据。

最后你还得给AI输出的内容进行排版。这一套流程走下来，差不多要一两个小时。

《Work AI Index 2026》中提到，87%的白领已经在工作中使用AI，平均自称每周节省了13个小时。

然而，他们每周平均要花6.4个小时在botsitting上。也就是说，AI帮你省下的时间里，有一半又被你亲手还回去了。

还有一点，botsitting这种事有一种自我恶化的倾向。69%的人不经审核，直接把AI生成的内容原封不动地提交上去。

报告进一步指出，员工每周花在AI上的时间中，37%是在botsitting，36%是用AI生产东西，剩下的27%是在学工具、搭Agent。

这数据确实有些离谱，但现实更离谱。

导致botsitting比实际使用AI还耗时的原因是，36%的AI会话直接“失败”，需要全部推翻重来。另一个原因是工具实在太多了，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。

Claude 的用户里，只有0.5%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、项目上下文就断一次，回头还得再喂一遍。

报告管这叫“上下文税”。

报告显示，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%。

还不止是这样，重度AI用户的botsitting频率是轻度用户的两倍还多。等于说你AI用得越猛，当保姆的时间占比就越高。

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，组织越看不到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，企业因为AI获得了显著改善。这中间的62%，就是缺少botsitting。

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%。虽然到了春季更新时这个数字回升到了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将会给大量的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。

很多人一听到跟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。

它不需要你懂什么算法知识，只需要你有最基本的人类判断力。

你能看出AI写的这段话是不是在胡扯吗？你能判断这个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堆看似专业实则空洞的术语吗？

你只要是一个正常人类，受过基本的大学教育，就具备了这样的能力。

第二个原因：这届大学生是AI原住民。

一个事实，2026年毕业的大学生，他的论文多半是ChatGPT、Claude、DeepSeek完成的。可很多资深的老员工，他们用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。

但这届毕业生不一样。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？什么时候要多检查一眼？什么时候AI看似在回答，其实在绕圈子？

更重要的是，这代人天然理解什么是“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，自己大改，再让AI润色，再自己检查。

换句话说，botsitting这件事，对老员工来说是一种“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。

正如前文说的，一周需要6.4小时。而且对于那群擅长AI的大学生来说，时间还会再缩短一些。

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

什么叫技能优先？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并不是那种一眼就到头的岗位，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。

对一个刚刚毕业的大学生来说，你的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，那你就能晋升。

botsitting会常态化吗？

还有一个更根本的问题没有回答：botsitting到底是一个过渡阶段的临时现象？还是一种常态的岗位？

要理解这一点，我们需要先拉一个参照物出来——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，这张猫的脸被遮住了一半但仍然是猫。

Fortune Business Insights曾经公布过一组数据，2015年前后，中国的数据标注从业者大概只有几万人，总市场规模约为5亿元人民币。到了2020年，中国的数据标注市场规模达到了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17亿到36亿美元之间，预计到2034年会增长到140亿到380亿美元，年复合增长率在26%以上。

既然模型越来越强了，为什么还需要越来越多的人标注呢？

答案很简单，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越高。

botsitting正在重复数据标注的路径，而且会走得更远。

第一，botsitting的核心瓶颈不是技术，是组织。

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

文章的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 Stave）。

文章中他们给出的核心结论是，模型可以无限变强，但只要它不懂你公司的内部逻辑，你就必须得派人去给它善后。

这不是模型不够好的问题，是模型和我们的真实世界之间，存在着一条信息鸿沟。每一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，那么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，说AI不会让工作消失，它只会让工作移位。

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

2025年，美国密西西比州联邦法院出了一档子事。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里，并且在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，裁定书里的原话是“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的结论是，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。

然而摩根斯坦利有这么一条规矩，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，也专门新增了针对“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，但最后签字的那个必须是活人。

不仅如此，签字的这个人，还要对自己签的东西解释和负责。可以下放，但责任不能外包，所以botsitting注定永远存在。

第三，实证已经出现。

世界经济论坛2025年的《未来就业报告》称，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。并且报告还提到，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从一个个人使用的效率工具变成一个组织的基础设施，botsitting就从“谁有空顺便干一下”变成了一件必须有专人负责的事。

本文来自微信公众号“字母AI”，作者：苗正