微软2025年工作新未来报告

微软及全球最新研究成果综述，有助于我们利用人工智能创造一个全新且更美好的未来工作。 微软新未来工作报告 编辑和作者 编辑：杰娜·巴特勒（首席应用研究科学家）索尼亚·贾菲（首席研究员）Rebecca Janßen（高级应用科学家）南希·贝姆（合作伙伴研究经理）布伦特·赫克特(应用研究合伙人)杰克·霍夫曼（高级首席研究员）肖恩·兰德尔（首席研究科学家）巴赫尔·萨拉夫扎德赫（首席应用研究科学家）阿比盖尔·塞伦（杰出科学家）米哈埃拉·沃沃雷亚努（首席应用科学家）杰迈亚·蒂夫恩（首席科学家和技术院士） 作者：穆罕默德·阿勒索拜，丽兹·安克拉，南希·贝姆，斯蒂芬妮·比尔兹，梅根·贝宁，米亚·布鲁赫，扎娜,詹娜·巴特勒,布钦卡·马卡尔帕内利，阿米莉亚·科尔，斯科特·库恩，玛德琳·戴普，贾斯汀·爱德华兹，亚历克斯·法拉奇，丹·戈德斯坦，玛丽·L·格雷，布伦特·赫克特，哈维尔·赫拉尼，杰克·霍夫曼，埃里克·霍罗维茨，妮可·伊莫里卡，科里·英佩恩，沙姆西·伊克巴尔，索尼娅·贾菲，马纳萨·贾加迪什，丽贝卡·扬森，辛·林利，布兰登·卢西尔，尼克·马奎德特，梅尔西·穆查伊，安布丽塔·南德，亚历山德拉·奥尔泰阿努，杰克·奥尼尔，马克斯彼得施米德特，克里斯蒂安·佩利茨，拉比扎，娜塔莉·里奇，肖恩·里德尔，阿戴维·萨卡尔，巴赫尔·萨拉夫扎德，苏纳亚娜·西特拉姆，阿曼达·斯内林格，金娜·苏，约翰·唐，列夫·坦克列维奇，哈米耶·蒂凡，基兰·汤林森，安妮·特拉帕索，亚当·特洛伊，高拉夫·维尔马，米哈拉Vorvoreanu，杰克·威廉姆斯，乔达娜·杨，本·索恩。 参考此报告： •在社交媒体上，请包含报告URL（https://aka.ms/nfw2025）。 • 在学术出版物中，请引用如下：Butler, J., Jaffe, S., Janßen, R., Baym, N., Hecht, B., Hofman, J., Rintel, S., Sarrafzadeh, B., Sellen, A., M.,Vorvoreanu, Teevan., J.（编）。微软2025年未来工作报告。微软研究院技术报告MSR-TR-2025-58(https://aka.ms/nfw2025), 2025. aka.ms/nfw 微 欢迎来到2025微软未来工作报告！ 当你坐下来阅读《2025未来工作新趋势报告》时，值得停下来思考将过去五年报告联系在一起的主题。2021年发布的首份《未来工作新趋势报告》专注于新人们可以工作的方法，不一定依赖 colocation 作为关键生产力工具。第二，在 2022 年，集中于 重新引入实体办公室以及混合办公模式的兴起。2023年，我们探讨了大型语言模型如何重塑日常工作，而2024年，我们则研究了这些进步如何从承诺转化为现实世界的影响。 每年，当我写下这篇引言时，我都发现自己说，上一年标志着一个一生难逢的时代转变。但五年之后，很明显，这些报告并未捕捉到一系列独立的革命。相反，它们是协作数字化演进的单一故事中的章节，每一章都代表着在之前的基础上构建并得以实现阶段。 去年的报告强调了研究表明人工智能能极大地提高个人生产力。今年的报告覆盖的下个前沿是集体生产力：团队、组织和社区如何一起变得更好。人工智能可以弥合时间、距离和规模的差距，但只有正确构建时才能实现。我们必须设计人工智能来支持共同目标、群体背景和协作规范，而这不仅需要新工具，还需要新的工作方式。 微软赋能地球上每一个人和每一个组织以实现更多的事业，在环境变化时依然是指引方向的稳定北极星。如果过去五年告诉我们了什么，那就是未来的工作不是发生在我们身上，而是我们共同创造，作为研究界，作为产业，以及作为公众。一如既往，我们邀请你加入这项努力，带着好奇心、目标感，并循证而行，以便下一章的工作能惠及所有人。–杰伊米·特坎，首席科学家和技术院士 微软新未来工作报告 这份报告是微软新未来工作计划的产品 微软塑造了信息工作超过50年，而新未来工作（NFW）计划帮助它应对了过去五年的深刻变革。 虽然这项倡议源于新冠肺炎大流行自 2023 年起，以及后续向远程和混合工作的转变它专注于大型AI模型驱动工具的整合及其日益增长的作用。 在整个转型时期，NFW计划汇集了微软的各领域研究人员开展初步研究，并整合来自文献的现有研究成果。其目标并非仅仅是预测即将发生的变化，而是主动创造一个公平、包容、有意义和高效的未来工作环境。 第五版年度NFW报告代表着又一年研究和分析，为关于人工智能与工作的知识体系增添了内容。此处呈现的证据和见解并非一成不变，代表贡献研究人员的观点，而不是微软的 公司观点。更多研究论文、实践指南和白皮书可在以下链接获取：aka.ms/nfw. 微软新未来工作报告 报告概述 本报告提供了基于研究的洞察，关于人工智能是如何（或者有时，应该如何）塑造工作的。它探讨的一些问题包括： •采用与使用：采用和使用的哪些变化正在发生？驱动因素和挑战是什么？差距在哪里？ •对工作和劳动力市场的影响：人工智能如何影响工作和生产效率？工作正在如何演变？生成式人工智能是否会影响就业和工资？代理可能会如何重塑市场？自动化和增强分别扮演什么角色？ •人机协作：人们与人工智能互动的方式正在如何变化？人类与人工智能的合作如何改进？人工智能的使用在不同模式和时间段上有何不同？ •人工智能协作人工智能如何支持团队以及个人？人工智能在团队环境中可以扮演什么角色？将人工智能有效整合到团队工作流程中需要什么？ •思维、学习与心理影响：人工智能对认知和思维有什么影响？人工智能能否被设计出来，不仅创造有用的输出，还能让与之工作的人更聪明？人工智能如何作为有效的课堂工具？是否有可能衡量人工智能对心理或幸福的影响？ •具体角色和行业：人工智能如何改变软件工程师、项目管理人员、研究人员和其他专业人士的工作？ •外部声音：微软以外的领先学者认为这个领域的最关键议题是什么？ 关键背景：AI能力持续进步，尤其是在强化学习方面 •长时程任务完成能力正可量化地加速。METR的50%任务完成时间时程显示，前沿智能体的可靠任务长度已以约7个月的倍增时间呈指数增长。将“代理进度”转化为具体的能力趋势（Kwa等人，2025年）。 •可验证强化学习（RL）的微调训练（奖励正确、可验证结果）即使从没有标记推理轨迹的基础模型开始，在困难的数学/编码风格任务上也带来了显著提升。（DeepSeek-AI等人，2025）。 •可扩展的测试时计算框架获得了关注，开放权重取得 IOI 2025 金级表现的模型，显示出可重复性“更多计算→更高分数”曲线在竞争编程中。(Samadi等，2025)。 •多轮强化学习在工具使用/搜索代理方面现在通过从更长的行动时间范围中学习经验而超越了仅提示的基线；在一个法律文件搜索基准上，一个强化学习训练的14B代理报告了85%对比前沿类模型的78%，当允许更多轮次时还能获得额外收益。（Kalyan & Andrews,2025） •多模型路由+聚合正从一次性的“选择一个模型”转变为 RL 训练的序列策略，该策略能够思考、调用多个模型，并在明确优化性能-成本权衡的同时整合响应——在多跳问答风格的评估中提高结果。（张等人，2025）。 采用与使用 对生成式人工智能的投资和采用持续增长 •生成式人工智能的影响及其收益将通过采用（Jaffe 等人，2024 年）来调节。 •2024年，生成式人工智能获得了339亿美元的全球私募投资——比2023年增长了18.7%。公共投资也有所增长（Maslej等人，2025年）。 • 工作中的人工智能使用量一直在增加，但异构： • 一项针对企业领导者的调查显示，IT与采购的使用率和信心最高，而市场营销/销售和运营最低；科技/电信、专业服务以及金融行业正在引领(Korst etal.，2025).• 一项德国调查发现，38%的在职受访者使用人工智能工作（Giering & Kirchner, 2025）。• 企业 ChatGPT 消息在过去一年中增加了8倍（Chatterji等人，2025).• 一项2024年的美国大调查发现，男性比女性（29.1% vs 23.5%）更倾向于将生成式AI用于工作（Bick等人，2024）。 • 在消费者方面，2025年6月，ChatGPT在全球拥有超过7亿周活跃用户（Chatterji等人，2025）。• 消费者ChatGPT用户的性别差距（基于名字）已经消失，自2023年初以来发生了巨大变化，当时>80%是男性（Chatterji等人，2025）。 组织性人工智能的采用依赖于员工，就像依赖于领导者一样 •跨行业，使用AI的意愿受来自领导和同事学习的社会规范的影响（Kelly等人，2023）。创造力，动摇了企业以人为核心价值驱动的传统观点。这种犹豫限制了成功•工人们可能不愿意采用那些将效率置于质量之上的自上而下强制的AI产品，以及AI试点项目（Young等人，2025年；Sharma，2025年；Murire，2024年）。 •领导者可以通过清晰的沟通来支持AI的使用，展示他们自己的学习，从而促进AI的采用。设定关于人工智能能够完成什么的现实期望 (Carter 等人，2024；Tursunbayeva 与 Chalutz-Ben Gal，2024)。 集成人类思维、创造力和专业知识，同时放大其价值的AI产品可以在不推广的情况下促进采用表达了对替代的担忧（Ali等人，2025年；Young等人，2025年；Sharma，2025年）。例如，一个人工智能助手可以作为• 思考伙伴，帮助用户探索想法并在其知识库中连接概念。 •一些组织可能发现的最佳使用人工智能的方法“来自边缘而非中心”（Winsor, 2024）。组织可以通过创建系统和激励机制来促进员工之间分享他们如何使用人工智能（Tursunbayeva & Chalutz-Ben Gal, 2024; Winsor, 2024）。 •员工在感觉安全并信任其组织时，更倾向于尝试使用人工智能并与其他人分享这些见解 (Tursunbayeva & Chalutz-Ben Gal, 2024; Bankins等人, 2021)。 •许多员工，尤其是X世代，不会采用使他们符合工作方式的工具——他们想要足够灵活的产品，以适应个人的工作方式（Rozsa等人，2023年；Doblinger，2023年）。 以工人的声音为中心进行人工智能设计可以提高生产力、满意度和技能增长——推动商业成功和工人的蓬勃发展 •员工参与技术设计有助于提升可持续生产力与工作满意度。历史和当代研究一致表明，当员工的专业知识和观点为工作场所技术的设计与部署提供输入时，组织能够实现更可持续的生产力与福祉改进（Trist & Bamforth, 1951；Roethlisberger & Dickson, 1939；Hackman & Oldham, 1976）。 •人类学和人机交互研究表明，工人在创造性的方式下适应技术，并且参与式设计——当员工是共同设计者时——这导致工具更贴合实际工作流程并促进更高程度的采用（Suchman，1987；Orr，1996；Awumey等人，2024；Ehn，1993；Doellgast等人，2025） •结合技术和社会科学研究方法可以创建AI系统，通过将以人为本的指标、工人的价值观和技能培养嵌入其设计，从而提高工人的技能和满意度——而不仅仅是准确性（Bucinca，2025）。 •数据驱动的工作场所监控（遥测）效果复杂，应以员工意见为指导以获得最佳结果。虽然监控和算法管理可以提升短期产出，但除非工人们帮助定义了要测量什么以及如何使用数据(Pentland,2012;Wells等人,2007;Ajunwa,2023)。 采用和使用 aka.ms/nfw CEO们期望人工智能能改变他们的企业，但领导组织的人工智能采用可能具有挑战性