问题——围绕新技术对就业的冲击，过去不少讨论停留“能否替代”的推演层面，结论也常出现较大分歧。Anthropic于2026年3月5日发布的《Labor market impacts of AI: A new measure and early evidence》把视角前移到企业与个人的真实使用场景，试图回答“哪些工作正在被实际改变”。报告释放的信号较为清晰：在职业暴露度排名中，市场研究分析师和营销专家进入前五——观测暴露度达到64.8%——意味着该岗位大量任务已被大模型工具覆盖，或能被显著加速完成。 原因——报告指出，判断偏差的关键在于“技术上能做”不等于“组织里会用”。为缩小此差距，研究团队提出“观测暴露度”指标：一是基于美国劳工部ONET职业任务数据库，把职业拆解到任务层面，避免对某一职业“一刀切”；二是引入Anthropic经济指数中的实际使用记录，选取2025年8月、11月两期数据，观察用户在真实环境中将大模型用于哪些工作；三是借鉴2023年有关研究对任务可行性的分级框架，按大模型对任务提速的程度进行标注。随后，研究者在“理论可行”的任务集合中筛选“实际高频”的任务，并区分“自动化式使用”和“辅助增强式使用”，分别赋予不同权重，再按任务在工作时间中的占比加权汇总到职业层面。 市场研究岗位暴露度偏高，报告将其归因于工作结构特征：信息收集与整理、问卷与访谈材料归纳、竞品与行业动态综述、基础统计口径解读、报告撰写与演示文稿制作等任务普遍呈现“文本密集、规则相对明确、可模块化拆分”的特点，并且高度依赖公开资料与既有模板，因此更容易被大模型在速度与成本上重塑流程。，企业对营销与研究的响应时效要求持续提高，也促使一线团队优先采用能快速产出草稿、摘要和初步洞察的工具，更加快落地。 影响——短期内，岗位数量未必立刻收缩，但工作内容将更快重构：基础检索、初稿撰写、常规汇总等环节可能被压缩；对研究员的要求将从“写得快、找得全”转向“问得准、判得稳”。中期来看，职业内部将出现分化：能将业务目标转化为高质量研究问题，并把模型输出与市场情境、合规边界、数据质量校验结合起来的人才更具竞争力；而主要承担重复性文案与通用分析的岗位，替代风险更高。对企业而言，效率提升与风险并存——一上决策节奏加快、成本下降；另一方面可能出现“看似合理但依据不足”的结论传播，若缺少校验机制，容易造成误判，并带来品牌与合规风险。 对策——报告的启示是，与其笼统讨论“替代”，不如围绕任务重新设计组织能力。企业可建立与大模型协同的研究流程：明确数据来源与引用规范，为关键结论设置证据链与复核门槛；对敏感行业与受监管领域强化权限管理与审计留痕；将人力从机械整理转向研究设计、样本质量控制、因果推断思路与业务落地评估。行业层面可推动岗位技能更新，将“任务提示、结果核验、模型偏差识别、合规使用”纳入培训体系，并为转岗与再就业提供更可操作的课程与认证。劳动者层面则需主动提升“领域知识+方法论+沟通决策”的综合能力，重点补齐统计思维、实验设计、用户洞察与商业表达等不易被模板化替代的能力。 前景——随着大模型进一步嵌入办公软件、搜索与数据分析工具，“观测暴露度”反映的不只是某一职业的压力，更是知识型工作的整体转向：价值将更多集中在问题定义、关键假设、边界条件、伦理与责任，以及对真实世界结果的把控上。可以预期，市场研究行业将更快形成“人机协作”的新分工：机器负责规模化处理与生成，人负责设定方向、校验真实性，并将洞察转化为可执行的商业方案。
技术进步始终是一把双刃剑。市场调研行业走到转型关口，更需要在拥抱工具的同时重塑专业价值：把速度交给机器，把判断、责任与落地留给人。只有这样，才能在智能化浪潮中形成新的竞争优势，推动生产力与创造力在协作中持续演进。