VOLOVLO职业自动化风险与转型导航
问 VOLO职业专业企业创业者近期变化长文方法与证据搜索职业、专业…EN
VLO
VOLO

理解自动化如何改变工作 —— 逐个任务地看,证据摆出来,不确定的地方承认不确定。

问 VOLO职业专业企业创业者近期变化长文方法与证据关于岗位诊断隐私条款
© 2026 VOLO
职业
全部职业
AI / 软件
翻译 / 口译银行柜员文案客服行政助理测试工程师平面设计师律师助理视频剪辑师会计 / 记账市场营销专员前端工程师数据分析师保险理赔员技术文档工程师 / 技术写作初级程序员人力资源 / 招聘信贷员 / 客户经理(信贷)金融分析师采购 / 供应链专员记者销售 / 客户经理房产中介 / 地产经纪IT 支持 / 技术支持审计师管理咨询顾问后端工程师AI 研究员产品 / UX 设计师业务系统与流程负责人电商运营放射科医生数据工程师律师医助 / 诊所助理算法 / 机器学习工程师中高级软件工程师运维 / 平台工程师 / SRE产品经理药师业务合作 / 渠道经理网络安全分析师 / 安全运营合规专员 / 合规经理建筑师一线主管 / 团队管理者心理咨询师导购 / 店员保安 / 安保员中小学教师全科医生 / 门诊医生餐厅服务员汽车维修技师 / 汽修康复治疗师 / 物理治疗师建筑工人 / 施工人员护士养老护理员 / 护工企业 AI 落地负责人
RPA / 自助化
政务服务窗口人员运营专员 / 业务运营前台 / 接待
机器人
收银员 / 零售店员仓储分拣员流水线装配工医学检验技师厨师保洁 / 清洁工电工
自动驾驶
网约车 / 出租车司机卡车司机外卖骑手 / 快递员
专业
全部专业英语 / 外语计算机科学会计学心理学新闻传播金融学 / 经济学法学视觉传达设计市场营销护理学工商管理教育学 / 师范建筑学公共管理
指南
问 VOLO企业创业者近期变化长文岗位诊断方法与证据关于订阅职业变化站内搜索
你在看:我在工作我在读书我在经营公司我在做东西
本页任务拆解它是怎么走到这里的近期变化对你意味着什么方法与来源
职业›全科医生 / 门诊医生

这个职业有新的已核实记录时通知我 →

全科医生 / 门诊医生

一个人最先见到的那个医生:在问题还没有被分到任何一个专科之前判断它是什么,决定怎么办,并为判断错了承担后果。

general-practitioner看你的选择 ↓医疗卫生评估于 2026-09-14
自动化影响指数
34/100
低置信度 · 不是失业概率
正在自动化的任务
1/ 5 项
0 项正在被增强
仍由人主导
3/ 5 项
1 项新任务
有证据支撑的判断
0/ 5 项
0 条已核实记录
34/100
自动化影响指数低置信度

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。

适用范围

写给全科与基层门诊的医生 —— 也就是问题尚未分科就送到面前的那种就诊。医院专科医生、外科医生与放射科医生的任务构成不同,放射科在本站另有页面。各国医疗体系在「谁握着处方权」「谁控制转诊」上差异极大,而这正是本页最无法一概而论的一点。

本页所有判断均为平台推断,不是已核实证据。

证据库里已有其他职业的已核实记录,但这个职业还一条都没有。在有之前,下面的分析是对任务结构与已知技术能力的推理 —— 就这个职业而言,它没有可追溯来源支撑。我们宁可直说,也不引用未经核实的东西。这里是空的,是我们覆盖上的缺口,不是关于这份工作的结论。

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。

正在自动化×1仍由人主导×3新出现的任务×1

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。

把这次就诊写下来

正在自动化≈ 平台推断

病历:病人说了什么、你查到什么、你怎么想的、你做了什么 —— 写到一个标准,让另一位临床医生、以及日后可能出现的律师,都能读懂。

AI / 软件
为什么

环境记录具备自动化所需的那种形态,而医学里几乎没有别的东西具备:输入是一场刚刚发生的对话,输出是格式已知的文字,而每一份在生效之前都有一位临床医生复核并签字。复核的人就是那个裁判 —— 这正是它动了而诊断没动的原因;而且卖给护士、康复治疗师和医助的是同一件工具,所以这条采用曲线是一条,不是五条。

这还不能说明什么

省下来的写病历时间,不等于还给医生的时间 —— 在多数体系里它会被「多看几个病人」吸收掉,而它最终落成喘息还是落成吞吐量,是工具到位之后由管理决定的,不是工具的性质。它也没有触及病历是为什么而写的:一份为了经得起追责而写的记录,和一份为了有用而写的记录,是两份不同的文件,而自动化到目前为止只让前者变便宜了,没有让后者变好。

判断这是什么

新出现的任务≈ 平台推断

拿到一个不符合教科书的叙述,判断它可能是哪两三种情况,并在还不能确定之前决定先按哪一种处理。

AI / 软件
为什么

模型在书面病例题上得分很高,而一道病例题是已经被人清洗过的病例:相关的事实都在,不相关的都不在,而且有人决定了这个故事从哪里开始。真实的门诊正好相反 —— 病人最先主动说的往往是不相干的那件,而要紧的那件他没提;医生真正的本事在于他接下来问什么。那一步是互动的,而且几乎没有被测量过,所以这里是「正在出现」而不是「正在自动化」。

这还不能说明什么

一件工具在诊断上做得好,不等于它进得了诊室;在多数体系里,能进到就诊现场的东西,是由采购、责任归属和电子病历厂商决定的,不是由准确率决定的。这个方向要读成「能力正指向哪里」,不要读成对你所在诊所的预测 —— 并且要注意,同一件工具的到来可以在不换人的情况下改变这份工作:把医生变成那个「否决建议并写明为什么」的人。

上手查体

仍由人主导≈ 平台推断

视、触、听 —— 以及没有人会写进病历的那一部分:察觉这个人「不对劲」,而各项数字还没有显示出来。

机器人AI / 软件
为什么

查体是一个在人身上完成的物理动作,而这个人并没有同意让机器来做;而且它最有价值的产出恰恰是最没有结构的那一个:让一位有经验的医生在任何检查结果支持之前就决定升级处理的那种整体印象。设备可以很好地采集单项信号,也确实有不少在做;它们做不到的是「决定去找哪一个信号」,而那就是查体的全部。

这还不能说明什么

难自动化不等于被重视:在好几个体系里,查体已经是被诊次时长压得最狠的那一部分 —— 一项任务完全可以在没有任何技术碰它的情况下被时钟磨掉。远程问诊已经把它从越来越大的一部分就诊里整个拿掉了,而促成这件事的理由是成本与可及性,不是能力。

和病人一起决定,并说出难说的那句

仍由人主导≈ 平台推断

向一个害怕的人解释一个取舍,弄清楚他真正想要什么,并告诉他一些他来的时候没有预期会听到的消息。

AI / 软件
为什么

让这件事成立的不是信息 —— 信息网上都有,而且病人通常已经读过了。成立的理由是:一个具体的人在他面前,为一个可能是错的建议承担责任,并且在说完之后不离开房间。把这句话交给机器说,就把「让它可承受」的那个东西拿掉了 —— 这正是为什么连那些已经自动化病历的体系也不自动化这一项。

这还不能说明什么

这一项属于人,并不保护编制 —— 因为它恰恰是整次就诊里最难规模化的部分,于是也最先被配给:推给护士、推给一张宣教单、推给一通不会发生的随访电话。这一条要读成「必须由谁来做」,不要读成「有谁会被给到多少分钟去做」。

握着那支处方笔

仍由人主导≈ 平台推断

为处方、转诊、病假证明或检查签字 —— 在这些动作里,是医生的名字让这件事成立。

AI / 软件RPA / 自助化
为什么

撑住这一项的不是技能,是法律和保险:签字是一个在法律上有归属的行为,而在所有主要体系里,签字的人就是要为它负责的那个人。这让它成为本页最耐久的一项,同时也是最偶然的一项 —— 它耐久的时长,恰好等于那条规则存在的时长。

这还不能说明什么

靠监管获得的保护是一个政策选择,而政策会变:已经有若干法域扩大了「谁可以开处方」的范围,而每一次扩大都在没有拿走那支笔的情况下挪走了工作。这里安全的是那个签名,不是签名背后的工时 —— 一个体系完全可以让处方上继续印着医生的名字,同时把产出这张处方的那次问诊挪给更便宜的人。

哪些技术在起作用#

四类独立信号。它们刻意不做加总 —— 一个职业暴露于两种技术,不等于风险翻倍。

脑力工作自动化
把这次就诊写下来判断这是什么上手查体和病人一起决定,并说出难说的那句握着那支处方笔
体力工作自动化
上手查体
流程与自助化
握着那支处方笔

它是怎么走到这里的#

指数不是一个静态数字。这是自 ChatGPT 以来,每个能力检查点上它大致会落在哪里 —— 回溯重建,并且如实标注。

回溯重建 · 平台推断每个过去的检查点都是今天回头估的,不是当时测的。22 → 34。
1007550250
未评估
2022 下半年2024 下半年现在

起点低,而这反映的是医学当时的真实处境:2022 年底,诊室里的工具是一个模板库和一个药物相互作用检查器,两者十年没动过。2023 至 2025 的攀升只来自一项任务 —— 病历 —— 它以临床医生愿意接受的形态到来,因为一份医生要签字的草稿有裁判,而一条诊断建议没有。它很早就走平,并一直平着;而走平这件事本身就是结论:撑起这份工作分量的是查体、和病人一起做的那个决定、以及那个签名,而它们没有一个具备「不需要改法律就能动」的机制。这个高度要读成文书,不要读成医学。

2022 下半年22通用文本生成进入公众手中。在这之前,暴露度来自已经部署多年的自动化 —— OCR、流程机器人、机器视觉、自助结账、派单算法。 ChatGPT research preview (2022-11-30) ↗
2023 上半年24通用模型开始通过职业考试。初稿质量跨过了「专业工作愿意用」的门槛。 GPT-4 (2023-03-14) ↗
2023 下半年27视觉输入、长上下文与工具调用。模型可以被指向文档、接进系统 —— 这才动得了流程类工作,而不只是写作类。 GPT-4 Turbo:128k 上下文、视觉、工具调用(DevDay) (2023-11-06) ↗
2024 上半年30同等能力大幅降价、变快。没有新东西变得可能,但很多东西变得规模上划算 —— 这才是部署决策改变的时刻。
2024 下半年33会做多步推理的模型;以及第一批「看着屏幕操作电脑」的模型。后者才碰得到「以操作软件为主」的工作。 OpenAI o1(推理);同期 Claude 的 computer use 进入公测 (2024-09-12) ↗
2025 上半年34代理开始端到端操作真实软件,而不只是产出让人去粘贴的文本。同期出现第一批公开回退 —— 自动化之后又部分撤回的组织。 Claude 3.7 Sonnet 与 Claude Code:混合推理 + 命令行编码代理 (2025-02-24) ↗
2025 下半年34长上下文与工具使用从「功能」变成默认。能力仍在提升,但可见的约束从「模型能不能做」转向责任归属、采购与成本。 GPT-5(2025-08-07);Claude Opus 4.5(2025-11-24) (2025-08-07) ↗
2026 上半年34长时程代理落进具体行业流程。采用从「通用」变成「分行业」。 GPT-5.5:「专为实际工作打造」 (2026-04-23) ↗
现在34本次评估 —— 这个点就是职业页上公布的影响指数,所以曲线末端锚在一个本站已经为之负责的数字上。对那些平缓的曲线值得记一句:就在同几周里,一份「让 AI 代理安全操作物理设备」的共享规范开放了研究预览,面向科研机构与先进制造厂。那是第一个把矛头指向「图上几乎不动的那些体力职业」的能力类别。 GPT-6 Astra(2026-09-03);Claude Fable 5.1 / Mythos 5.1(2026-09-01);Model Hardware Standard 研究预览(2026-08-27) (2026-09-03) ↗

曲线平缓不是「安全」的预测。它只是在说:到目前为止,自动化触及了哪些任务 —— 这里动得最少的职业,约束都是物理的或监管的,而这两样都会变。

近期变化#

暂无已核实事件。

这一栏会随着监测流水线采集、去重、分级并关联到上面的任务而逐步填充。这里是空的,意味着我们没有核实到任何东西 —— 不意味着什么都没发生。

「没搜到新闻」不等于「安全」。

这对你意味着什么#

如果你刚入行

医学的入口阶梯被培养制度保护得异常牢固,所以对你来说最先改变的不是「能不能找到工作」,而是「这份工作由什么构成」—— 你从第一天起就该预期病历是被起草好的,也该预期别人考核你的是「你有没有抓住草稿里错的那处」。过去靠写一千份病历建立起来的那种本事,得换一条路建立,而还没有人说清楚那条路是什么。

如果你已有经验

你的筹码在两项不会被压缩的任务上:查体,和那次做出决定的谈话。风险不是它们被自动化,而是它们被配给 —— 而被自动化的那些部分省下的分钟,会被管理层记成产能。谈判时值得守的是诊次时长,不是执业范围。

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。

保住并强化

成为那个审计「工具写了什么」的人

每一个部署了环境记录的体系,一年之内都会多出一个新问题:没有人知道「草稿写错、而签字的人没抓住」发生得有多频繁。得有人来设计这个检查,而这个人必须是临床出身。

现实约束

在多数岗位职责里它没有报酬,在多数考核里它看不见 —— 所以它必须被谈成固定的工作时段,而不是被吸收掉。

本周可验证

把你上个月签过字的十份病历拿出来,当作你当时不在场那样读一遍。数一数其中有几份你会想追问一句。

调整职责

往「问题还没分科」的那一端走

一个问题离「被贴上标签」越远,任何工具能对它做的就越少 —— 而这份工作里「决定该问什么」的比重就越大。而恰恰是这一端在缺人。

现实约束

那是更难的一端,不确定性更大、风险更高,而且在按项目付费的体系里,它的报酬常常低于操作性的工作。

本周可验证

翻出你最近二十次接诊,标出其中有几次是「带着标签来的」。那个比例就是你的暴露度。

相邻转岗

工具本身的临床安全

若干市场的监管现在要求有一个具名的人、具备相应能力与权限,去监督一套高风险的临床系统。各家医疗机构正在发现:他们没有这个人。

现实约束

它会让你离病人更远,而安全岗的薪酬通常低于临床。

本周可验证

问清楚:在你所在机构,一套临床决策支持工具上线前是谁签的字。如果这件事打两通电话还问不出来,那就是缺口所在。

常见问题#

AI 会取代医生吗?

不会作为一个单一事件发生,而更有用的问题是:这次就诊里的哪些部分在挪动。按我们手上的证据,最先也最快挪动的是文书,因为每一份草稿都有临床医生复核 —— 那给了自动化一个裁判。查体和那次做出决定的谈话没有在挪,而处方签字之所以留在原地,靠的是法律而不是技能。这些加起来的结果,是一份名字没变、里面变了的工作 —— 那是一个真实的变化,但不是这个问题通常指的那个。

我还有多久?

我们不用日期回答这个问题,而任何给得出日期的来源都是在猜。这个职业里值得盯的信号很具体,而且你自己就能查:你的诊次里有多少时间花在「现在机器会起草的那些事」上,以及省下来的那些分钟,是被还给了这次问诊,还是被排成了多出来的病人。第二个问题的答案在你的排班表上,不在技术里 —— 而它才是真正会改变你工作生活的那个。

AI 诊断工具真的比医生强吗?

要小心那个比较测的是什么。已发表的分数大多来自书面病例,而一道书面病例已经被出题的人清洗过了:相关的事实在里面,不相关的不在,而且有人决定了这个故事从哪里开始。真实的门诊不会给你这些。在有一个基准让模型自己去问 —— 从一个不完整的叙述里决定下一句问什么 —— 之前,那些分数说的是另一项任务,不是你做的这一项。

如果病历自己会写了,是不是就需要更少的医生?

这不是本站在别处看到的情形:在我们已核实的那些部署里,文书省下来的时间是被业务量吸收掉的,不是被人数吸收掉的。但诚实的回答是:这是工具落地之后由管理层做的决定,不是工具的性质 —— 而且这个决定是在一个你多半不在场的预算会上做的。值得盯的是诊次时长有没有变,因为那是这个决定变得可见的地方。

方法与来源#

评估日期
2026-09-14
任务判断的依据构成
0 条有证据支撑 · 5 条平台推断 · 0 条证据不足
已核实事件
0

我们如何评估一个职业 →