📢 转载信息
原文作者：Kiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts, Siddharth Suri
AI影响就业再探讨：我们研究中的“适用性”与“岗位替代”之辨
发布于 2025年8月21日
最近，我们发布了一篇题为《与AI协作：衡量生成式AI对职业影响的适用性》（Working with AI: Measuring the Occupational Implications of Generative AI）的论文，研究了哪些职业可能发现AI聊天机器人有用，以及在多大程度上适用。该论文引发了广泛的讨论，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描绘了研究的范围或结论。特别是，我们的研究并未就岗位被取代得出任何结论；我们在论文中明确警告，不要仅凭我们的研究结果就得出这样的结论。
鉴于该主题的重要性，我们希望澄清任何误解，并提供一个更易于理解的论文摘要、我们的研究方法及其局限性。
我们的研究发现了什么？
我们着手更好地理解人们如何使用AI，重点关注AI在不同职业中的潜在适用性。为此，我们分析了人们目前如何使用生成式AI——特别是微软Bing Copilot（现为Microsoft Copilot）——来协助完成任务。然后，我们将这些任务集与被广泛使用的职业分类系统O*NET 数据库（O*NET database (opens in new tab)）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、信息收集和学习等任务。
从事这些任务的职业可能会受益于考虑如何将AI用作工具来帮助改进其工作流程。反之，体力劳动，如进行手术或移动物体，与AI聊天机器人的直接适用性较低，这并不令人意外。
因此，总结来说，我们的论文旨在通过协助或执行子任务，确定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。
方法论的局限性是已被承认的——且至关重要
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对话记录，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可以执行的活动。虽然O*NET提供了与各种职业相关的活动结构化列表，但它没有捕捉到现实世界中做好一份工作所需的全方位技能、背景和细微差别。一份工作远不止于构成它的任务集合。
例如，一项任务可能涉及“撰写报告”，但O*NET不会反映出要做好这项工作所需的人际判断、领域专业知识或伦理考量。论文承认了这一差距，并警告不要过度解读AI适用性得分，将其等同于AI执行职业的能力。
此外，数据集基于2024年1月至9月期间Bing Copilot的用户查询，这可能受到AI工具的认知度、可访问性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，而且很难（或几乎不可能）确定哪些对话是在工作环境中使用，哪些是用于休闲。
最后，我们只评估了AI聊天机器人的使用情况，因此这项研究并未评估其他形式AI的影响或适用性。
下一步我们将走向何方？
鉴于公众对AI将如何塑造我们集体未来的强烈兴趣，我们必须继续研究并更好地理解其社会和经济影响。与所有关于此主题的研究一样，研究结果是细致入微的，关注这些细微差别非常重要。
公众对我们研究的兴趣很大程度上基于AI与工作岗位替代这一主题。然而，我们当前的研究方法不太可能得出关于这一点的确定性结论。AI可能成为许多职业的有用工具，我们认为正确的平衡在于找到一种利用其能力，同时又不妨碍人类优势并考虑人们偏好的技术使用方式。
有关微软在未来工作和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 (opens in new tab)和Microsoft Elevate (opens in new tab)。
🚀 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