岗位职责解构与真实用例：企业在用 AI 做什么

开场钩子

33957 条职责里出现最多的词不是 "LLM"，而是：data（4740 次）、build（4281）、systems（3853）、design（3764）。用例侧最高频词则是 systems、automation、enterprise、workflows。**全球市场的语言强调行动与业务价值，不是技术名词。**这节课把这份"职责 × 用例"的统计地图拆给你，它就是你找场景、写方案的素材库。

一、职责普遍率排行：什么人人都要干

稀有区（值得注意的反直觉数据）：微调 13.8%、提示词工程（作为独立职责）10.0%、自托管模型仅 2.5%。市场压倒性地用提供方 API 而非自建推理——"APIO 化"是常态，自托管只在隐私/成本/延迟硬约束下才必要。

二、五个月的市场位移（2 月 vs 6 月）

解读：**Agent 五个月内从"常见职责"变成"多数职责"；生产性职责（监控、安全）上升；探索性职责（研究）大幅收缩。**这个岗位正在从原型走向可靠、受治理的系统运营——"更 agentic、更运维化、更少探索"。

三、用例排行：AI 到底在解决什么问题

按出现的岗位占比排：

1. 自动化手工流程——69.0% 的岗位。数据录入、文档处理、流程协调、监控告警。例：建筑许可审批流自动化、货运运营 AI 辅助、合规副驾驶
2. 企业内部运营效率——60.6%。风控、合规、监管报送、反欺诈、理赔。例：保险理赔自动推理、营收运营与线索管理
3. Agent 系统——49.4%。多 agent 架构：规划、调用工具、在专业 agent 间交接。例：法律需求包生成（检索员+起草员+校验员三 agent 协作）
4. 可靠的生产部署——46.1%。推理服务、模型部署、监控
5. 从数据做决策——43.0%。LLM 驱动的洞察工具、财报分析
6. 在企业数据里找信息——43.8%。RAG/语义搜索：金融文档、保险定价情报（把百万份混乱监管文档变成可查询知识）、医学文献检索
7. 规模化回答客户问题——36.4%。客服聊天机器人、全渠道体验、HR 自助服务
8. 规模化内容生产——33.4%
9. AI 质量与安全——20.0%；个性化推荐——12.0%（持续衰退）；帮开发者写代码——9.5%

行业分布：金融 9.5%、医疗 7.3%、法律/监管 4.5%、网络安全 4.2%、教育 2.3%、制造 2.2%、零售电商 0.9%。

四、七条关键洞察

1. 自动化是第一用例——不性感，就是减少重复劳动、协调流程、处理规模
2. 企业运营紧随其后——风控/合规/反欺诈/理赔，企业级 AI 是主旋律不是niche
3. Agent 已成主流——约一半岗位描述多 agent、用工具的系统
4. 知识获取是普适问题——每个行业都是"信息太多找不到"，RAG 通吃医疗/金融/法律/企业内部
5. 客服是收入侧最大驱动——降本 + 提速，ROI 最清晰
6. 生产很难——13.7% 的用例专门在做部署基础设施
7. 领域专精是小众高价值——仅 1.0% 用例微调领域模型，但都是通用模型搞不定的场景

对 FDE 的启示（1444 对标）

• S2 场景定义与要素拆解：第三节就是现成的全球场景库——客户说"想用 AI"，先对照排行问一句：是自动化？知识检索？还是内部运营？绝大多数场景落在这三格里。
• B1 行业机理与价值链：行业分布（金融/医疗/法律/安全）提示 FDE 的行业选择——越监管重的行业，越需要"懂机理的人"驻场，FDE 溢价越高。
• B2 经营指标与财务意识：客服问答 36.4% 的普遍率背后是"降本 + 响应时间"这种最易测算 ROI 的指标——给客户写方案时的首选切入口。
• S4 组合排序与路线规划：给客户排场景优先级时，用"普遍率"当先验：自动化和知识检索类场景成功率高、见效快，适合当第一枪。

本课自测

1. 职责普遍率前三名是什么？"生产化"为什么被称为"比看上去大得多的工作"？
2. 自托管模型只有 2.5%，什么时候才真正需要它？
3. 客户是一家保险公司，列出三个你可以从本课用例排行里直接落图的候选场景。
4. Agent 职责五个月内 +13.1 个百分点、研究职责 −13.1——这个剪刀差对个人能力投资意味着什么？