生成式AI会怎样改变马来西亚工作？读懂报告而不夸大

核心结论

生成式 AI 更可能先改变工作中的任务组合，而不是在同一时间完整取代一种职业。员工会把部分写作、整理、分析、翻译和构思工作交给 AI，但判断、关系、责任、现场操作和复杂决定仍需要人。

2023 年发布的 The Economic Impact of Generative AI: The Future of Work in Malaysia 估算，生成式 AI 可能为马来西亚释放 1,134 亿美元的生产能力，相当于 2022 年 GDP 的约四分之一。这个数字是模型在特定假设下估算的“潜在生产能力”，不是已经实现的收入、投资回报或 GDP 增长。

因此，正确的问题不是“AI 会不会抢走所有工作”，而是“我的工作中哪些任务会被辅助、哪些责任不能外包、我需要补什么技能”。

适合谁阅读

• 担心生成式 AI 影响职业发展的员工和学生。
• 正在规划培训、岗位或 AI 采用的 SME 负责人。
• 想用数据讨论 AI 经济影响的内容创作者。
• 为客户提供写作、设计、行政或数码服务的自由职业者。
• 想把 AI 纳入课程或员工发展计划的教育者。

报告研究的是什么

报告由 Access Partnership 撰写，并得到 MyDIGITAL、Malaysia Centre for the Fourth Industrial Revolution 与 Microsoft 等支持。研究从工作活动出发，评估哪些活动可能使用生成式 AI，再映射到接近 900 种职业。

这种方法适合估算“任务可能被 AI 辅助的范围”，但不能准确预测某家公司会不会裁员、某职业薪资会怎样变化，或技术会以多快速度被采用。实际结果还取决于成本、法规、组织设计、客户接受度、技能和经济环境。

生成式AI改变工作的三个渠道

释放创意

AI 可以降低构思、草拟和制作变体的时间。例如营销人员可以先生成多个标题，设计师可以探索视觉方向，讲师可以准备课程结构。

节省构思时间不代表作品自动变好。选择、事实、品牌判断和最终表达仍决定质量。

加速发现

AI 能协助阅读大量资料、比较观点、提出问题和整理初步假设。这可能帮助研究、教育和分析工作更快进入重点。

但模型会遗漏、误读或捏造来源。研究型任务必须回到原始资料、数据和方法验证。

提高效率

AI 可以整理文件、起草邮件、翻译、分类询问和解释数据，使员工减少重复工作。

如果公司资料混乱、流程没有负责人或输出无人检查，AI 只会加速错误。效率提升需要流程改造，而不只是购买工具。

报告中的工作活动数字怎样理解

报告估计，接近三分之二的马来西亚员工可能在 5% 至 20% 的日常工作活动中使用生成式 AI，只有约 1% 员工可能在超过 20% 的活动中使用。

这里描述的是“工作活动占比”，不是“岗位被取代比例”。例如一个行政人员有十类任务，其中一两类受到 AI 辅助，并不等于整份工作消失。相反，工作可能重新分配：减少初稿时间，增加审核、沟通、例外处理和客户服务。

哪些能力会更重要

读写与批判思考

AI 输出看起来流畅，不代表正确。能够辨认论点、证据、日期和来源的人，才有能力安全使用 AI。

业务与流程理解

会写 Prompt 但不理解客户、成本、库存、合规和交付，很难创造真正业务价值。企业更需要能把问题拆成流程的人。

数据与资料管理

未来工作不仅需要操作 AI，还需要知道哪份资料可信、谁可访问、怎样更新和怎样保护个人信息。

协调与责任

AI 会跨越业务、技术、法律和客户服务。能够协调利益相关者、设定边界和承担结果的人会更重要。

人际与现场能力

同理心、谈判、团队领导、照护、现场维修和复杂关系处理，不容易被文字生成工具完整替代。

个人可以怎样准备

做任务盘点

连续一周记录工作任务、时间、错误风险和所需资料。把任务分成：可由 AI 起草、可由 AI 辅助分析、必须人工决定、完全不应输入 AI。

建立一个可证明的AI案例

选择真实工作，例如把会议记录转成待办、整理 FAQ 或准备报告初稿。记录使用前后时间、修改比例和错误，而不是只展示漂亮输出。

练习验证能力

每次要求 AI 提供事实时，找原始来源。学会辨认发布日期、研究方法、利益关系和不确定性。

保留领域专长

不要把所有思考外包给模型。持续学习行业规则、客户需求和专业知识，才能判断 AI 是否给出合理答案。

SME可以怎样调整岗位与流程

1. 先列任务，不先决定裁减岗位。
2. 找出高频、低风险、结果可检查的工作。
3. 设定人工审核和停止条件。
4. 培训员工理解工具限制、资料规则和责任。
5. 比较时间、质量、成本和客户结果。
6. 把节省的时间重新分配到销售、客户、创新或质量工作。

企业若只要求员工“提高产量”，可能得到更多低质量内容。比较健康的目标是减少重复工作、缩短等待、降低错误，并让员工处理更复杂的问题。

示例Prompt：做岗位任务分析

你是工作流程分析师，不是裁员顾问。

岗位：{{岗位名称}}
主要任务：{{列出任务}}
使用资料：{{资料类型}}
错误可能造成的影响：{{风险}}

请把任务分为：
1. AI可起草但必须人工审核；
2. AI可辅助分析；
3. 必须由人决定；
4. 不应输入外部AI。

每项说明所需技能、资料风险、审核人、成功指标和失败恢复方法。
最后提出一个30天低风险试点，以及员工应该提升的三项能力。

不要把“可以被AI辅助”解释成“岗位可以被取消”。

如何避免夸大报告

• 标题注明报告年份。
• 把潜力估算写成潜力，不写成已经创造的收入。
• 把任务比例与职位比例分开。
• 说明研究假设和无法预测的因素。
• 不用一份 2023 年报告证明 2026 年所有企业现况。
• 若有新报告，更新文章并保留历史差异。

内部延伸阅读

• 马来西亚SME采用AI的现实
• 马来西亚AI治理七项原则
• AI办公工作流
• AI赚钱风险检查表

FAQ

报告是否预测四分之一GDP会成为新收入？

不是。报告估算的是在特定假设下可释放的生产能力，不是已经实现或保证实现的 GDP 增长。

生成式AI会取代马来西亚大部分工作吗？

报告更强调工作活动和技能会改变，而不是所有岗位完整消失。实际影响会因行业、采用速度和组织选择而不同。

学Prompt就足够应对未来工作吗？

不够。还需要领域知识、事实验证、资料管理、流程设计、沟通和问责能力。

企业应该用AI作为裁员依据吗？

不应只凭工具演示或宏观报告作决定。应先做任务分析、试点、质量评估、员工培训和风险审查，并考虑实际服务需求。

2023年的报告现在还有价值吗？

有，可用于理解早期研究方法和基线，但引用时必须标示年份，并与更新数据和当前政策分开。

总结

生成式 AI 对马来西亚工作的影响，最先发生在任务、流程和技能层面。个人应提升验证、业务和协作能力；企业应先改造低风险流程，再决定怎样重新分配工作。宏观潜力可以帮助理解方向，但真正结果仍要靠可靠资料、员工能力、治理和可衡量执行。

如果你想继续阅读马来西亚 AI 政策、研究与实际应用，欢迎关注 AI.No1.my 马来西亚 AI 专题。