📢 转载信息
原文作者：Kiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts, Siddharth Suri (Microsoft Research)
适用性 vs. 工作岗位取代：对我们近期关于AI与职业研究的进一步说明
发布于 2025年8月21日
作者： Kiran Tomlinson , 高级研究员 Sonia Jaffe , 首席研究员 Will Wang Scott Counts , 高级首席研究经理 Siddharth Suri , 高级首席研究员
最近，我们发布了一篇论文（与AI协作：衡量生成式AI对职业的潜在影响），研究了哪些职业可能发现AI聊天机器人有用，以及在何种程度上。该论文引发了广泛讨论，这并不奇怪，因为人们非常关心AI和就业的未来——这也是我们认为研究这些主题很重要的一部分原因。
不幸的是，并非所有的讨论都准确地反映了研究的范围或结论。具体来说，我们的研究并未就岗位被消除得出任何结论；我们在论文中明确告诫，不要根据我们的研究结果得出这样的结论。
鉴于这一主题的重要性，我们希望澄清任何误解，并提供对论文、我们的方法论及其局限性的更易于理解的总结。
我们的研究发现了什么？
我们的目标是更好地理解人们如何使用AI，**重点是AI在不同职业中可能发挥作用的地方**。为此，我们分析了人们目前如何使用生成式AI——特别是Microsoft Bing Copilot（现为Microsoft Copilot）——来协助完成任务。然后，我们将这些任务集与O*NET数据库 (在新标签页中打开)（一个广泛使用的职业分类系统）进行比较，以了解其对各种职业的潜在适用性。
我们发现AI在与知识工作和沟通相关的任务中最有用，特别是像写作、收集信息和学习等任务。
从事这些任务的职业的人员可能会受益于考虑如何将AI用作提高工作流程的工具。反之，我们并不惊讶地发现，像进行手术或移动物体等体力劳动任务，与AI聊天机器人的直接相关性较低。
因此，总结来说，我们的论文旨在通过协助或执行子任务，识别AI可能最适用的职业。我们的数据并未表明，我们也没有暗示，某些工作将被AI取代。
方法论的局限性已被承认——并且很重要
论文对其研究方法的局限性保持透明。
我们分析了匿名的Bing Copilot对话，以了解用户寻求AI协助的活动，以及当这些活动映射到O*NET数据库时AI能够执行的活动。虽然O*NET提供了一份与各种职业相关的活动结构化列表，但它**并未**捕捉到在现实世界中做好工作所需的全部技能、背景和细微差别。**一份工作远不止是构成它的任务集合。**
例如，一项任务可能涉及“撰写报告”，但O*NET无法反映出色完成这项工作所需的人际判断、领域专业知识或道德考量。论文承认了这一差距，并警告不要过度解读AI适用性得分，认为它们是AI执行某一职业的能力的衡量标准。
此外，数据集基于Bing Copilot的用户查询（2024年1月至9月），这可能受到诸如对AI工具的认识、访问或舒适度等因素的影响。不同的人出于不同目的使用不同的LLM，并且要确定哪些对话是在工作场景中进行，哪些是出于休闲目的，非常困难（或者几乎不可能）。
最后，我们只评估了AI聊天机器人的使用情况，因此本研究并未评估其他形式AI的影响或适用性。
我们接下来的方向？
鉴于公众对AI将如何塑造我们集体未来的浓厚兴趣，我们必须继续研究并更好地理解其社会和经济影响。与所有关于该主题的研究一样，研究结果是微妙的，关注这些微妙之处非常重要。
公众对我们研究的兴趣很大程度上是基于AI与工作岗位取代这一主题。然而，我们目前研究的方法论不太可能对这一问题得出确切的结论。AI可能被证明是许多职业的有用工具，我们相信正确的平衡在于找到一种利用其能力，同时补充人类优势并考虑到人们偏好的技术使用方式。
有关微软在工作未来和AI技能提升方面的更多信息，请查阅微软的年度工作趋势指数 (在新标签页中打开) 和Microsoft Elevate (在新标签页中打开)。
相关出版物
作者介绍
继续阅读
语义遥测：理解用户如何与AI系统交互
合作者：Brendan Lucier和Mert Demirer谈AI与经济
从与Microsoft Copilot（网络版）的交互中学习
推进透明度：负责任的AI研究更新
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
青云聚合API官网https://api.qingyuntop.top
支持全球最新300+模型：https://api.qingyuntop.top/pricing
详细的调用教程及文档：https://api.qingyuntop.top/about
评论区