这两天刷数据圈的信息流，会看到两个完全不同的世界。
一边，是一篇《27岁被裁数分女工的退休感言》在小红书火了，600多赞、110多条评论。作者复盘自己五年的数据分析工作：公司要求全员用AI优化效率，她后来才发现，自己高达95%的工作都是重复流程，被AI取代只是顺理成章的事。小红书知乎“数据分析真这么难找工作吗”问题下的回答更直接：现在大厂都是运营、产品在利用AI干数分的活，美团、金山至少如此，想入行的趁早转行。知乎
另一边，独立评测机构 Artificial Analysis 放出了一个专门测“AI做数据分析”的基准测试 AA-Analyst 的最新成绩：排名第一的模型，通过率也只有60%。
哪个才是真实的AI？其实都是。只是前者是AI“接管了的部分”，后者是AI“露馅了的部分”。
60%为什么不算低：评分标准太狠了
AA-Analyst 的设计和常见的基准测试完全不一样。它设置的是80个真实的财务与统计分析任务，每个任务不是“做对一次就算”，而是跑5次，连续5次全部正确才算通过，错一次这个任务就记零分。微博也就是说，它考的不是“这个AI聪不聪明”，而是“这个AI稳不稳定、敢不敢真把活儿交给它”。
按微博上多位财经博主转述的最新数据，榜单前三名是：Gemini 3.7 Flash 以60.0%的通过率排第一，Claude Opus 5 以53.8%排第二，GPT-5.5 以50.0%排第三。微博
翻译一下：最强的那一个，在真实商业分析任务里也有4成做不下来。注意这个标准不是“会不会做”，而是“能不能稳定量产”。如果你见过同事演示“看，AI把这个分析跑出来了”，却再也没见过他跑第二次，你就明白这个标准的含金量了。
更该警惕的：连四大都翻车了
如果你觉得基准测试只是实验室玩具，那看看8月初发生的事。普华永道的专业报告被测出100%由AI生成，虚构概念、编造参考文献，德勤、安永的报告也接连被曝出问题。知乎知乎
这里的问题不是AI笨。恰恰相反，它能写出一份看起来非常专业的完整报告。问题出在“AI产出”和“对外交付”之间，没有一个人站出来说一句：这个数字我核过。AI的错不是偶尔抽风，而是结构性的——它十次里有九次能给你像模像样的结果，剩下那一次编造，刚好发生在你最不设防的时候。
这轮焦虑为什么来得特别凶
模型迭代的速度本身，就是焦虑的放大器。Gemini 3.7 Flash 8月13日才发布，有追踪榜单的博主记录下了这样的变化：Deepseek-V4-Pro-0813只在ArtificialAnalysisIntelligenceIndex前十呆了不到24小时，就连夜被Gemini3.7Flash挤出来了。微博
新模型每周都在挤榜，AI的能力边界每往前挪一格，“取代”的叙事就会被放大一轮。但至少在当下，60%的通过率提醒我们：“能演示”和“能托付”之间，还隔着一条清晰的线。
还值得注意的是，工具层面也在跟进。微软悄悄开源了市面上最好的AI数据分析工具之一，它叫做data-formulator。微博接上CSV、Postgres这类数据源，拖拽字段加自然语言就能搭图表，AI在底层替你写SQL做转换。这说明大厂的竞争方向，已经从“模型更聪明”转到“让普通人真用起来”。
那你手里的活儿，到底能交给AI多少？
把基准测试的逻辑和这波翻车案例放到一起，可以分成三档：
第一档，放心交：取数、清洗、去重、拼表、写SQL、标准图表、周报排版。这些正是那位被裁数分说的“95%重复流程”，判断标准明确、错误成本低，AI做得比人快好几倍。如果你现在还在纯手工干这些，那才是真正可能被淘汰的部分。
第二档，能用但要人核：数字结论、变化归因、对比分析。让AI跑，但人必须抽查——换个口径再跑一遍，关键数字手动验算。B站有个热度不低的视频叫《90%的人用AI归因，第一步就错》，说的就是这类情况：AI给出的归因往往是“看起来对”，而不是“对”。
第三档，暂时别交：对外发布的结论、涉及财务与合规数据的报告、一次性的高风险决策。四大就是栽在这一档。错误成本越高的地方，越要从“信AI”切换成“你验AI”。
有一个判断标准值得记下来：别用“它这次答对没有”来判断AI，要用“它能不能持续复现”来判断。基准测试要求连续5次全对，就是因为真实工作里，没人承担得起“碰巧对了一次”的成本。
这事跟哪几类人有关，分别该做什么
如果你是业务岗（运营、产品、财务）：现在是用AI取数+人工复核的最好窗口期。值得学的是把需求描述清楚、看懂AI输出里的错，但别把要向上汇报的结论单独交给AI。
如果你是在岗数据分析师：不用被退休帖吓到。被淘汰的是“重复流程的人肉中转站”，而定义问题、设计口径、复核结论这些活，反而正在变得更值钱。
如果你是观望想入门的人：先别为焦虑买单报课。免费工具足够覆盖第一档的活儿，先学会看穿AI的输出，再学用AI。
还有一个容易被忽略的变量是成本。榜单图里还有一组数据：单次分析任务的成本差，比能力差还夸张——DeepSeek V4 Flash 每个任务只要0.03美元，Gemini 3.7 Flash 按档位从0.16到0.40美元，Claude Fable 5（带fallback）要3.14美元。
想把AI分析长期跑进工作流的人，选模型之前先把这笔账算了：同样一份数据，跑一遍的价钱能差出100倍。
两个值得继续盯的信号
一个是 AA-Analyst 基准下一期的通过率。按现在的模型迭代速度，如果半年内头部模型逼近90%，“第三档”的边界就要重画了。另一个，是企业会不会在一边裁数据分析师的同时，一边设立“AI产出复核”的流程——那会决定这一轮AI到底是“替代人”，还是“重组人”。
这周的两个信息流，其实是同一件事的两面：AI吃掉的部分，本来就是你不想干的部分。而它暂时还啃不动的部分，恰恰是你接下来几年真正的饭碗所在。
