未来工作辩论存在证据问题

**你可能听说过AI即将取代你的工作。现实情况比任何一个单一数字所暗示的都要复杂。**当研究人员讨论AI对劳动力市场的影响时，最常被提及的概念之一是"暴露度"。一个职业的暴露度分数，是评估其核心工作任务中有多少可以由AI系统更快、更便宜或同样好地完成。思路很直接：列出所有职业，列出每个职业涉及的任务，然后询问其中有多少任务AI_能够_处理。

暴露度评分之所以存在，是因为关于AI对劳动力市场实际影响的实证证据尚无定论。AI的采用速度超过了当前劳动力统计系统所能捕捉的速度——从历史上看，新技术的影响需要数年时间才能在就业和工资数据中清晰显现。在此期间，研究人员转向理论测量：基于AI理论上能做什么，来估算哪些工作最可能受到影响。暴露度分数是在缺乏更确凿证据的情况下，生成一个可用信号的一种方式。

这一估算最广为引用的版本来自2023年的一篇论文，Eloundou等人的"GPTs are GPTs"。他们的主要发现是：80%的美国劳动力中，至少有10%的职业任务暴露于大语言模型，而19%的劳动力有50%或更多的任务暴露。这些数字被广泛传播——已被IMF、OECD引用，在美国参议院提案中被提及，并被多个国家的研究机构在此基础上进一步研究。下图展示了近期AI劳动力市场研究中这一距离的映射：

与所有实证工具一样，GPTs are GPTs 的分数是一个有边界的工具，它们被设计用来回答的问题与实际被用来支持的问题之间的差距，值得关注。

这些分数衡量的是什么？

GPTs are GPTs 的分数衡量的是GPT-4时代模型的技术可行性，针对美国劳工部的职业分类体系进行评估，评估对象是那些输出可验证、且借助AI辅助能更快完成的任务。这是一个具体且可回答的问题，论文也对此进行了严谨的探讨。

但这种具体性之所以重要，主要有三个原因：

1. 这些分数反映的是2023年初的模型。自那以后，前沿AI能力已大幅提升，一个指数估计，GPTs are GPTs 分数所代表的模型与当前AI能力之间存在大约26个百分点的差距。
2. 这些分数建立在美国的职业分类体系之上，即使经过翻译，也无法直接套用到其他劳动力市场。
3. 这些分数将工作建模为一组离散的、可评分的任务，这捕捉到了可以逐项列出的内容，但忽略了通常构成工作最重要部分的判断力、人际关系和上下文背景。

这些都是原作者承认的局限性，并且最近的研究开始将其正式化。但当这些分数跨越这些边界时，会发生什么？

当这些分数驱动政策时会发生什么？

政策制定者面临着采取行动的压力。他们需要知道哪些工人需要支持，哪些行业面临风险，哪些干预措施是合理的，以及何时实施。GPTs are GPTs 的分数已成为这些讨论的主要输入，出现在政府报告、智库政策简报和美国参议院提案中。

但政策制定者提出的问题，需要的不仅仅是静态暴露度分数所能提供的信息。**一个基于2023年模型、使用美国职业分类体系、将工作视为一组离散任务计算出的分数，正被用来为2026年及以后的工人、在美国以外的劳动力市场、从事远超可逐项列出任务的工作做出决策。当这些分数跨越边界时，局限性并不会消失，反而会叠加。**推动未来工作辩论的分数揭示了哪些工作看起来是可自动化的。然而，这只是在某一套假设下对一种可能未来的呈现。当通过不同的视角看待工作时，不同的暴露度定义就会出现。

这也应促使我们思考，遗漏了什么？ 哪些工人、地区和工作的未来没有被这些数字所代表？值得注意的是，该数据集没有包含数据工人的独立类别——他们是实际驱动AI系统的劳动力。这些工人的劳动在结构上嵌入到每一个LLM中，而O*NET任务正是针对这些LLM的能力进行评估的，然而他们却仍然处于这些分数所引发的政策辩论之外。

国际劳工组织（ILO）最近对AI暴露度研究的综述明确得出结论：最广泛使用的指标告诉我们一些有意义的信息，但并非关于谁面临风险以及为何面临风险所需了解的一切。

研究界正在回应

研究人员并未停滞不前。越来越多的研究正在涌现，直接针对静态暴露度评分的空白。

• 动态指数评估的是当前而非2023年的AI能力，并将这些评估与真实的劳动力市场数据联系起来。一项近期研究发现，职业层面暴露度每增加10个点，与就业率下降5.6至8.5个百分点相关，这是首批实证证据之一，表明动态测量的暴露度能预测实际的劳动力市场结果，而不仅仅是理论上的易受影响性。
• 集成方法结合了多种暴露度框架，通过加权来强调每个分数中最具信息量的元素。这能产生比任何单一框架更可靠的估计。不同方法论和机构得出的单个分数，彼此之间相关性很弱甚至为负，这意味着它们捕捉的是暴露度的不同维度。
• 任务框架扩展不仅考察哪些任务暴露了，还考察它们如何在一个工作中组合在一起。AI暴露任务的顺序和相邻性，结果证明与原始份额同样重要，这一发现改变了哪些职业看起来风险最大的判断。
• 以工人为中心的衡量标准补充了上述所有方法遗漏的内容：工人想要什么，以及他们为应对变化做好了怎样的准备。一项研究发现，存在一大类AI可以执行但工人不希望自动化的任务。另一项研究将工人的适应能力与他们的暴露度并列分析，发现仅凭暴露度并不能清晰地映射到脆弱性上。
• 采用和使用数据提供了关于AI实际如何被使用的洞察，而非其理论上的潜力。前沿实验室已开始分析其技术在工作场所的使用情况，包括关于Claude、Copilot和ChatGPT的报告。

这些方法共同指向了一个更丰富的证据基础，一个将原始分数作为起点而非最终答案的基础。

我们的呼吁

关于未来工作的辩论正在提出三个不同的问题：

1. AI能力是否会取得有意义的进步，
2. 这对经济结果意味着什么，以及
3. 最优的政策应对是什么。

这些问题相互关联，但并不等同。我们在回答第一个问题（AI能做什么）方面拥有最多的证据。关于当强大的AI遇到工作经济时会发生什么，以及我们决定如何应对的问题，仍然存在。特别是两个群体可以采取措施来拓宽这场辩论：

政策制定者应将暴露度分数视为众多信号之一。最稳健的政策干预是那些其价值不依赖于任何单一预测正确性的措施：加强工人保护，投资于再培训基础设施，并建立应对影响显现时的制度能力。工人应作为合作伙伴参与这一过程。他们直接了解自己的工作如何变化，以及他们希望未来的工作是什么样子。

研究人员应优先构建政策决策实际所需的证据基础。这意味着测量工具要随AI能力同步更新，要扩展到美国劳动力市场之外，并直接与政策制定者试图回答的问题联系起来。这也意味着在整个研究过程中将工人视为认知伙伴，而不仅仅是数据来源。目标是缩小我们所能测量的与政策制定者所能采取行动之间的距离。

80%的暴露度数字描述的是在特定时刻、特定假设下的技术可行性。它不是预测，也不是指令。未来的工作将由研究人员、政策制定者和工人共同做出的决策来塑造。这些决策所依赖的证据基础，应当能够胜任这项任务。

如需完整分析和建议，请阅读我们的完整报告。

. 美国劳工部维护着ONET，这是一个公共数据库，将美国的每个职业都编目为一组任务——正是支撑大多数AI暴露度估算（包括_GPTs are GPTs_）的同一任务列表。请查看自GPT-4以来，ONET任务是如何被重新评级、删除或重写的，并告诉我们这是否反映了你工作的实际变化。