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…给 Agent
中文
  • English
  • 简体中文
  • 日本語
  • Español
  • Português
  • Français
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AI 会取代我的工作吗?关于岗位诊断开放数据本体给 AgentVOLO Pro隐私条款
© 2026 VOLO
职业
全部职业
AI / 软件
翻译 / 口译银行柜员文案内容审核员客服行政助理测试工程师数据录入员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报税员 / 税务代理配音演员医疗编码员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保险核保员人力资源 / 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 / 地产经纪网络工程师插画师旅行社顾问IT 支持 / 技术支持审计师供应链计划员管理咨询顾问摄影师后端工程师AI 研究员产品 / UX 设计师业务系统与流程负责人电商运营精算师动画师与视效师作家与编剧薪资专员放射科医生数据工程师项目经理数据科学家法庭速记员编辑与校对律师医助 / 诊所助理工料测量师内容创作者量化分析师算法 / 机器学习工程师中高级软件工程师运维 / 平台工程师 / SRE业务分析师音乐人与作曲者地理信息分析师房地产估价师物业经理产品经理营养师经济学家药师业务合作 / 渠道经理网络安全分析师 / 安全运营理财顾问 / 理财规划师口译员病理医生芯片设计工程师基金申请书撰写人合规专员 / 合规经理图书馆员CAD 制图员建筑师一线主管 / 团队管理者心理咨询师导购 / 店员土木 / 结构工程师电气工程师工业工程师统计师保安 / 安保员室内设计师大学教师心理学家公交司机保险代理人机械工程师服装设计师验光师 / 视光师公证员中小学教师全科医生 / 门诊医生航线飞行员驾驶教练城市规划师应急调度员餐厅服务员放射技师 / 医学影像技师土地测量师汽车维修技师 / 汽修警察超声技师飞机维修技师牙科卫生士麻醉医生建筑检查员言语语言治疗师执业护士空中交通管制员兽医调酒师 / 咖啡师康复治疗师 / 物理治疗师牙医外科医生急救员 / 院前急救人员建筑工人 / 施工人员社工法官护士按摩治疗师助产士养老护理员 / 护工水管工企业 AI 落地负责人
RPA / 自助化
政务服务窗口人员运营专员 / 业务运营地铁司机前台 / 接待药房技术员采血员牙科助理呼吸治疗师作业治疗师
机器人
收银员 / 零售店员集装箱码头工人仓储分拣员流水线装配工医学检验技师演员与模特机加工技工 / 数控机床技工焊工厨师园林绿化工保洁 / 清洁工农民消防员暖通空调技工砌砖工 / 砌筑工木工 / 木匠客舱机组理发师 / 美发师电工
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临床医学酒店与旅游管理经济学信息管理与信息系统
指南
问 VOLO企业创业者近期变化长文机构版VOLO Pro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
本页发生了什么任务拆解近期变化对你对你意味着什么你能做什么凭什么这些判断底下是什么
职业›技术文档工程师 / 技术写作

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,免费)→ · 给一个团队或一届毕业生用 →

技术文档工程师 / 技术写作

把一套系统做的事,变成一个陌生人能照着做的东西 —— 而在这个过程里,通常是第一个发现「这套系统说不通」的人。

软件与技术出版评估于 2026-09-14
正在自动化的任务
1/ 4 项
0 项正在被增强
仍由人主导
3/ 4 项
0 项新任务
有证据支撑的判断
3/ 4 项
4 条已核实记录
本周可验证 · 2 条路径中的第一条

拿你阅读量最高的那一页,在一台干净的机器上照着走一遍,数出失败的步骤数。带那个数字去,不要带观点。

看全部 2 条 ↓
63/100
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

覆盖产品与开发者文档 —— 指南、参考、API 文档、发布说明。受监管的技术写作(医疗器械、航空、药品申报)是另一份工作、暴露度不同,因为那里的文档是合规交付物,形式是被规定的。市场内容与一般文案在本站是另外的职业。

发生了什么

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。

正在自动化正在被增强仍由人主导新出现的任务斜纹:平台推断,还没有已核实记录支撑

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。

核心任务
起草参考文档
正在自动化✓ 有证据支撑
这还不能说明什么

被生成的参考文档,是一份发布前没人读过的参考文档;而它的失效方式不是「错」,是「看起来对」—— 它描述的是代码声明了什么,不是代码做了什么。这个缝隙只有真的去用它的人才会发现,而那正是下面那项任务 —— 所以把这一项自动化,抬高的是那一项的价值,不是拿掉这份工作。

读这项任务的全文 →在你的免费工作台里,用这项任务检验 AI →
核心任务
真的去用你要写的那个东西
仍由人主导✓ 有证据支撑
这还不能说明什么

这项任务是这个职业最强的论据,也是在预算会上最弱的一个 —— 因为它的产出是一种缺席:那些没有发生的支持工单。在文档团队被裁的地方,最先走的就是这一项,而这件事完全不需要技术来促成。

读这项任务的全文 →
重要任务
决定什么不写
仍由人主导✓ 有证据支撑
这还不能说明什么

更值钱不等于被认可:文档通常按覆盖率考核,而覆盖率恰恰是「生成变便宜」让它失去意义的那个指标。一个按「发布了多少页」被考核的团队,会在这项任务刚变成最要紧的那一刻,因为放弃它而被奖励。

读这项任务的全文 →
重要任务
把答案从工程师嘴里挖出来
仍由人主导≈ 平台推断
这还不能说明什么

正是这项任务让这份工作很难远程、兼职或由外包来做 —— 而那恰恰是成本压力推着它去的方向。这里的威胁不是自动化,是这份工作被重组成一种「容不下这项任务」的形态;在那之后文档会变差,而没有人会把原因归对。

读这项任务的全文 →

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。

起草参考文档正在自动化✓ 有证据支撑真的去用你要写的那个东西仍由人主导✓ 有证据支撑决定什么不写仍由人主导✓ 有证据支撑把答案从工程师嘴里挖出来仍由人主导≈ 平台推断

逐条读完这 4 项任务 —— 方向、理由与界限 →

近期变化#

2026今天2026-04-01 · 使用者采用美国人口普查局 BTOS 专项:写作是美国企业内部报告最多的生成式 AI 任务,而 65% 的企业只把 AI 用在三项或更少的任务上2026-07-21 · 政策推动韩国人工智能基本法要求高影响人工智能的经营者撰写并留存能证明其安全措施的文档,并建立与实施对系统判断标准与训练数据的说明方案2026-08-03 · 限制或撤回FDA 指南说,使用说明是否合格要看有代表性的用户实际使用器械的表现;靠改写说明来解决使用问题,必须提供新的测试数据2026-08-26 · 使用者采用对 31 位技术写作者的访谈发现,文档质量依赖工程师的技术审阅和局外人的端到端试用;25 人认为大模型给出的审阅意见不可靠
能移动判断不能移动判断(预测、能力演示……)
使用者采用2026-08-26核实于 2026-09-28
对 31 位技术写作者的访谈发现,文档质量依赖工程师的技术审阅和局外人的端到端试用;25 人认为大模型给出的审阅意见不可靠

这是对 31 位来自初创公司、大企业和开源项目的资深技术写作者的半结构化访谈。作者描述了五个审阅阶段:28 人描述了由工程师或其他领域专家做的技术审阅,它能挖出别处没有写下来的知识;13 人描述了「试玩测试」—— 由了解产品但没有参与写文档的人从头到尾照着文档操作,找出作者因为太熟而看不见的问题,主要用于教程;25 人认为大模型生成的审阅意见不可靠,部分原因是审阅所需的背景在不能分享给模型提供商的内部机密系统里。写作者说他们没有权力要求别人审阅,只能去争取。这是对自报做法的定性研究;作者之一任职于出售语言模型的公司。

一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。

Avinash Bhat, Ian Arawjo, Disha Shrivastava, Jin L.C. Guo (McGill, Université de Montréal, Google DeepMind) — "'A Second Set of Eyes': The Process and Challenges of Software Documentation Review", arXiv:2608.26232v1 (26 August 2026) ↗看完整影响卡 →
限制或撤回2026-08-03核实于 2026-09-28
FDA 指南说,使用说明是否合格要看有代表性的用户实际使用器械的表现;靠改写说明来解决使用问题,必须提供新的测试数据

这是 FDA 给医疗器械企业的指南,注明为不具约束力的建议。它涵盖使用说明、用户手册、包装说明书和快速入门指南等标签内容,并说:人因验证测试可以评估使用说明是否充分,但只能在使用器械的情境中评估;对测试参与者最重要的考虑是他们能代表预期用户群体;如果测试发现关键任务上出现使用错误,仅称通过修改使用说明或其他标签降低了风险是不可接受的,除非提供额外的测试数据证明修改有效。它只适用于医疗器械,也没有说由谁来写说明。

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。

US Food and Drug Administration — Applying Human Factors and Usability Engineering to Medical Devices, guidance for industry and FDA staff (issued 3 August 2026; originally issued 3 February 2016) ↗看完整影响卡 →
政策推动2026-07-21核实于 2026-09-13
韩国人工智能基本法要求高影响人工智能的经营者撰写并留存能证明其安全措施的文档,并建立与实施对系统判断标准与训练数据的说明方案

在韩国法制处自家的国家法令信息中心上逐条读的法条,版本为 2026 年 7 月 21 日起施行。第三十四条第一款里有两项与这个职业有关,而它们做的是两件不同的事。第二项要求经营者建立并实施一套说明方案,在技术上可行的范围内,说明人工智能得出的最终结果、得出该结果所用的主要标准,以及开发与使用中所用训练数据的概要。第五项要求撰写并保管「能够确认安全性与可靠性措施内容」的文档。前者管的是一份参考文档必须覆盖什么,后者拿掉的是「可以不写」的自由裁量。第三十六条第一款第三项接着说的是维护而不是撰写:用户数或营业额达到总统令标准的境外经营者,须指定国内代理人,其代理事项包括为履行第三十四条第一款各项提供必要支持 —— 并明文包括对上述文档「最新性与准确性」的检查。两点限制。该法把细节交给总统令与长官告示,而第三十四条第二款写的是长官「可以建议」经营者遵守该告示 —— 所以「到底必须写到多细」并没有被这条记录定死。它只约束在韩国提供高影响人工智能的经营者;这里没有对任何技术写作者、任何一份文档、任何工时做计数。

监管、补贴或公共采购正在要求或出资推动采用 —— 与「限制或撤回」互为镜像。它说明采用正在被要求,不说明采用已经发生,所以单独一条永远不够,两条互不相干的才够。

국가법령정보센터 (Korea Ministry of Government Legislation) — 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법 제34조·제36조 ↗看完整影响卡 →
使用者采用2026-04-01核实于 2026-09-13
美国人口普查局 BTOS 专项:写作是美国企业内部报告最多的生成式 AI 任务,而 65% 的企业只把 AI 用在三项或更少的任务上

具全国代表性,参照期 2025 年 11 月至 2026 年 1 月。这是同一份专项里的「员工任务」那一层,不是「公司采用」那一层:23% 的企业(按雇佣人数加权 41%)报告员工在与工作相关的任务里使用 AI;而在被报告的任务中,写作、文档分析与信息检索位居前列。它计的是「报告了某项任务的企业数」,不是「有多少写作是这样完成的」;它也不区分技术文档与其它写作 —— 没有人问过写的是什么。它在这里的价值恰恰在于它不是什么:与厂商遥测不同,这是一个统计机构在计同一条通道,而它对答案没有任何利害 —— 所以在它存在的地方,它是「使用者采用」更好的来源。

一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。

U.S. Census Bureau, Center for Economic Studies (CES-WP-26-25), worker-task findings ↗看完整影响卡 →
对你意味着什么

这对你意味着什么#

如果你刚入行

过去招你进来的那项任务 —— 产出参考文档 —— 是本站暴露度最高的一项写作任务。现在稀缺的是那项没有人直接招聘的:做那个「不知道的人」,照着步骤走,并找出那个不可能的步骤。要让这件事在你的工作方式里被看见,因为它是「起草变便宜」之后唯一还站得住的论据。

如果你已有经验

你的团队会按覆盖率被考核,而覆盖率刚刚变成免费的 —— 于是指标会非常好看,同时文档以一种「从看板上看不出来」的方式变差。值得摆到管理者面前的数字是「排名前十的文档页面上的支持工单数」,因为那是文档真的变好时唯一会动的那个测量。

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。

调整职责

正式成为「第一个用户」

模型唯一拿不到的文档输入,就是「被卡住」的那份体验;而一个发布很快的团队,需要有一个人,他的工作就是在客户之前故意被卡住。

现实约束

它需要在发布前拿到构建版本 —— 那是一个权限问题而不是技能问题,而且常常要靠内部博弈才能拿到。

本周可验证

拿你阅读量最高的那一页,在一台干净的机器上照着走一遍,数出失败的步骤数。带那个数字去,不要带观点。

相邻转岗

转到「文档本身是合规交付物」的那一侧

在受监管的领域,文档是规则所要求的 —— 韩国的 AI 法要求高影响运营者编写并保存证明其安全措施的文件 —— 于是撑住它的是法律,不是预算。

现实约束

那是更慢、更程式化的工作,而领域知识要一年之后你才真正有用。

本周可验证

在你所在行业找一份受监管的文档标准,读一遍它的目录。如果形式是被规定的,那这份工作就被「成本以外的东西」守着。

常见问题#

AI 会取代技术文档工程师吗?

起草参考文档是本站暴露度最高的一项写作任务,因为事实来源是机器可读的、输出格式是固定的 —— 而且在模型出现很久以前,文档生成器就已经拿走了其中一部分。不会动的是那个测试:在一台干净的机器上照着自己写的步骤走,找出那个「对不是工程师的所有人都不可能」的步骤。一个在这套代码上训练过的模型,继承的恰恰是「必须缺席这个测试才成立」的那份知识。

我还有多久?

不给日期。信号是你的团队被什么考核。如果是「发布了多少页」或覆盖率,那这个指标刚刚变成免费的 —— 它会非常好看,同时文档在变差,而人数决定就是照着那块看板做的。盯住有没有人在跟踪「排名前列页面上的支持工单」,因为那是文档真的变好时唯一会动的测量;而它存不存在,会告诉你下一次预算会怎么走。

文档覆盖率还是个好指标吗?

在生成变便宜的那一刻,它就不再是了 —— 而这是这个职业里后果最大的一个变化。覆盖率现在测量的是「存在多少文字」,不是「有没有人能靠它做成什么」;于是一个按覆盖率考核的团队,会因为放弃那项刚刚变成最要紧的任务(决定什么不写)而被奖励。如果你的团队还在报覆盖率,把这件事提出来,比再写一页更有价值。

受监管的技术写作不一样吗?

有实质差别,而且它是本页最清楚的一个例子:一项被「成本以外的东西」撑住的任务。在医疗器械里,使用说明是按有代表性的用户用这台器械的实际表现来评判的,而且 FDA 的指南说,不拿出新的测试数据、只靠改写说明来修正一个使用问题是不可接受的 —— 也就是说这份活不能简单地生成了就发出去。那是政策保护而不是技术保护,耐久的时长恰好等于那条规则存在的时长;但它今天是真实的。

凭什么这么说

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 1 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 4 条已核实事件。

看哪些技术、它是怎么走到这里的,以及方法 →

它在权威分类里是谁:技能、知识、相关职业 →

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「技术与数据」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。

初级程序员 · 中高级软件工程师 · 前端工程师 · 后端工程师 · 数据工程师 · 算法 / 机器学习工程师 · AI 研究员 · 测试工程师 · 数据分析师 · 数据科学家 · 统计师 · 经济学家 · 业务分析师 · 业务系统与流程负责人 · IT 支持 / 技术支持 · 网络安全分析师 / 安全运营 · 运维 / 平台工程师 / SRE · 网络工程师 · 基金申请书撰写人