LO
这个职业有新的已核实记录时通知我 → · 标出哪些任务是你的(VOLO Pro,发布期间免费)→
编辑与校对
编辑和修正别人的文字 —— 校对、为准确与风格做文字编辑、结构编辑,以及决定发表什么。一家大型学术出版商说,它自己的团队用 AI 做校样准备和文字编辑;研究也发现语言模型能找出许多错误。但它们会过度修改、漏掉跨句的错误,所做的修改中有很大一部分并不是改进;编辑仍然更偏好其他专家改过的稿子;出版商和新闻机构也把最终的编辑决定留给具名的编辑。美国的预测认为,到 2035 年编辑就业下降 1%,原因是纸媒式微,而不是 AI。
把一页你编辑过的稿子交给 AI 工具,数一数它的改动中你会否决多少。
这不是失业概率。它把「岗位任务中有多少暴露于自动化」与「采用实际走到了哪一步」合成为一个值 —— 只用于在同一套口径下横向比较职业,除此之外不作他用。
适用于修改别人文字的编辑与校对 —— 文字编辑、图书与书稿编辑、校对员,以及出版社和新闻机构的编辑。记者、文案和视频剪辑有各自的页面。证据是两项美国劳动力预测、一家学术出版商的政策、一家报纸的 AI 原则和四项关于 AI 编辑的研究;它们确立的是 AI 编辑与人比较如何、谁保留决定权,不是编辑的收入或编辑部怎样变化。
到底什么在变#
分析单位是任务,不是职位名称。职业不会被整体替代 —— 变的是它的任务构成。
每一格是一项任务。大小是它在这份工作里的分量,颜色是它正在往哪个方向走。点一格,看这个判断还不能说明什么。
这是 2023 年前后的基准研究和一家出版商对自身流程的描述;都没有测量校对岗位。
这是针对学术与文学文字的小型研究;没有说明出版商如何配置文字编辑人手。
这就是你做的吗?认一下,这一页会缩到只剩与你有关的那一份。
职位名只是一组恰好被打包买走的任务,而没有两个人手里的那一组是一样的。什么都不会被发送出去 —— 它只留在这个浏览器里。
近期变化#
美国。劳工统计局预测,2025 至 2035 年编辑就业下降 1%,从 105,000 人减少 1,100 个岗位,每年约有 7,900 个职位空缺。它说,消遣阅读的需求可能支撑图书编辑,而传统纸质报刊的编辑预计会随这些刊物式微而减少;页面没有提到人工智能。它数的是一个国家的岗位。
一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。
美国。预测表列出校对员与校对标记员(43-9081)2025 年和 2035 年均为 8,500 个岗位,变化为 −0.1 千个、−0.9%,自雇比例 25.6%,每年约有 1,100 个职位空缺。表里没有给出原因,也没有提到 AI;它数的是一个小职业的岗位。
一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。
一家大型学术出版商的政策。它说,其团队用 AI 工具辅助出版的录用后阶段,包括校样准备、文字编辑,以及找出终稿中的不一致或不准确之处;作者做基本的语法、拼写和标点检查无须声明;AI 工具无法取代编辑的批判性思考、独立评估或最终决策,编辑仍负全部责任。这是出版商描述自身流程;没有给出人员数字。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
一项比较:由一所大学部署的 GPT、Grammarly 和一位人类编辑,分别为两篇全球健康论文做文字编辑。作者报告,GPT 的修改约为人类编辑的三倍、Grammarly 的十倍,但辨别力最差,只有 61%(51/83)被评为改进;人类编辑两篇分别用了 3.75 和 4 小时。它只涵盖两篇论文。
演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。
一项比较:人类与语言模型对二语写作的校对。作者报告,两者都改进了部分词汇特征,但语言模型更倾向于生成式重写,大幅改动词汇和句子结构,这可能提升流畅度,但有改变细微含义或夸大表面水平的风险。它针对的是学习者写作,是一篇研讨会论文。
演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。
一项研究:职业写作者依照一套问题分类(如陈词滥调、不必要的交代)编辑了 1,057 段由语言模型写的文字。作者报告,大规模偏好标注证实,专家大多更偏好其他专家编辑过的文字,而自动编辑方法显示出潜力。它针对的是文学与创意文字。
演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。
一家全国性报纸公布的原则。它说,若想在作品中加入大量由 AI 生成的内容,只有在有明确的具体益处、有人监督并经资深编辑明确许可时才会这样做;并把「通过改正或建议协助同事」列为 AI 能提升工作的情形之一。这是一家机构的政策;没有描述人员配置。
失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。
一项语法纠错评估。作者报告,ChatGPT 的查错能力很强,改后的句子非常流畅,这可能是因为它过度修改、不遵循最小改动原则;但在文档层面,它改不好跨句的一致、指代和时态错误,以及跨句边界的错误。它使用的是 2023 年的模型。
演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。
一项语法纠错的基准评估。作者报告,在自动指标上,ChatGPT 不如 Grammarly 等专门基线,长句上尤其如此;人工评估显示它漏改或误改更少,但过度修改更多。它使用的是 2023 年的模型。
演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。
这对你意味着什么#
如果你刚入行,预期基础校对会先经过软件修改;培养机器缺少的判断:什么时候不该改一个句子、贯穿整份文件的错误,以及出版方的标准。
预期你要审阅更多机器改动,并成为否决过度修改的那个人。结构编辑和发表什么的最终决定仍在你手里。
你的选择#
四个方向,每个都写明真实约束和一个本周可验证的动作。继续做下去也是正当选择 —— 只要它是被选择的,而不是被默认的。
从改错转向审阅机器改动
研究显示语言模型会过度修改,其修改中有很大一部分不是改进。
审阅工作如何定价,因客户而异,也尚无定论。
把一页你编辑过的稿子交给 AI 工具,数一数它的改动中你会否决多少。
留在结构编辑与标准把关
出版商把最终编辑决定留给具名编辑,专家也更偏好人类的修改。
这类岗位更少,通常是资深职位。
读一读你的出版方或客户的 AI 政策,记下它为编辑保留了什么。
转向有标准要求的专业编辑
学术出版商为书稿中的 AI 使用设定规则,专业文字需要懂行的编辑。
专业编辑需要学科知识,积累需要时间。
挑一个专业领域,读一读其主要出版商关于书稿中使用 AI 的政策。
常见问题#
它改变校对多于改变编辑。语言模型能找出许多错误,一家大型出版商也在文字编辑流程中使用 AI;但研究发现它们会过度修改,很多改动并不是改进,而出版商把最终决定留给编辑。美国的预测认为,2025 至 2035 年编辑就业下降 1%,原因是纸媒式微;校对就业大致持平。
我们不用年数回答这个问题。看看你收到的文字是否已经过机器修改,以及你的客户的 AI 政策为编辑保留了什么。这些比任何日期都更能说明问题。
总体上不是。它能找出许多错误,让文字更流畅,但会过度修改、漏掉跨句的错误;在一项比较中,它的改动只有 61% 是改进。
美国的预测没有这么说。它预计 2025 至 2035 年编辑就业下降 1%,原因是传统纸质报刊式微,而且页面没有提到 AI。
这些判断底下是什么#
这一页上 4 条任务判断里,3 条有已核实事件支撑、1 条是平台推断,每一条都在它出现的地方标注着。它们底下是 2 个技术维度、一条自语言模型进入公众视野以来的回溯轨迹,以及 9 条已核实事件。
同一个职能里的其他岗位#
一家公司先把工作分成职能,再分成岗位。下面这些和这一份工作同在「核心交付(行业特定)」里 —— 那是一件关于组织结构的事实,不是「它们相似」或者「它们在朝同一个方向变」的判断。
内容审核员 · 护士 · 放射科医生 · 放射技师 / 医学影像技师 · 全科医生 / 门诊医生 · 外科医生 · 养老护理员 / 护工 · 心理咨询师 · 药师 · 药房技术员 · 中小学教师 · 大学教师 · 厨师 · 电工 · 水管工 · 建筑师 · 室内设计师 · 土木 / 结构工程师 · 电气工程师 · 机械工程师 · 工业工程师 · 工料测量师 · 记者 · 翻译 / 口译 · 口译员 · 收银员 / 零售店员 · 银行柜员 · 医助 / 诊所助理 · 餐厅服务员 · 建筑工人 / 施工人员 · 汽车维修技师 / 汽修 · 医学检验技师 · 康复治疗师 / 物理治疗师 · 消防员 · 警察 · 农民 · 社工 · 牙医 · 兽医 · 图书馆员 · 焊工 · 超声技师