发帖
雷达卡
"AI 会不会取代我的工作"这类讨论最常见的毛病，是把"任务能被自动化"直接说成"岗位会消失"。国际劳工组织（ILO）2025 年 5 月发布的英文研究简报《Generative AI and jobs: A 2025 update》加上它所总结的工作论文 140（76 页），用一套可复核的任务级测度把这两件事明确区分开：暴露（exposure）衡量的是职业里现有任务在技术上能被生成式 AI 完成的程度，不是岗位消失的预测。
这份由 ILO 与波兰国家研究所 NASK-PIB 合作更新的全球职业暴露指数，是劳动经济学和人力资源领域引用最多的量化底本之一，开放获取（CC BY 4.0）。
指数怎么算出来的
方法链条完全公开：以波兰六位职业分类中 29,753 个任务的全样本为起点，抽取 2,861 个代表性任务，调查 1,640 名在职人员逐任务评分，收集 52,558 个数据点；再由 ILO、NASK 与波兰劳动政策部门的专家对 608 个任务做德尔菲式验证；用两个独立 AI 模型仲裁分歧，调整后评分相关性达 0.96；最后用这批数据训练预测模型，为 ISCO-08 全部任务生成暴露分数。
一个值得注意的结果：2025 年的平均自动化得分 0.29，比 2023 年的 0.30 略降，但职业内部得分的标准差从 0.30 收窄到 0.14——评分更集中了，说明这轮方法收敛性更好。生成式 AI 在语音、图像、视频生成上的进步，则推高了一批媒体与网页相关职业的分数。
四档暴露分组：怎么读这张表
简报把 ISCO-08 职业按平均暴露分与任务变异性分成四档递增梯度，外加"最小暴露"与"未暴露"两类：
| 梯度 | 特征 | 判断含义 |
| 4 最高暴露、低任务变异性 | 职业内多数任务都高暴露且一致 | 最接近"岗位内容可整体重构"，但作者强调即便这一档也不应假定必然冗余 |
| 3 显著暴露、高任务变异性 | 相当比例任务暴露，部分仍靠人 | 自动化风险上升，需要转型策略 |
| 2 中等暴露、高任务变异性 | 暴露与不暴露任务混合 | 冲击不均匀，更可能是"增强" |
| 1 低暴露、高任务变异性 | 个别任务可自动化，整体仍依赖人 | 典型的增强型岗位 |
梯度 4 的 13 个职业几乎全是文职：数据录入员、打字员、会计簿记员、统计金融保险文员、工资结算员、人事文员、证券金融交易员、信贷员、金融分析师、总务文员、联络中心销售等。报告给出的平均暴露分：数据录入员 0.70、打字员 0.65、会计簿记员 0.64。
全球就业图景：转型为主，而非消失
核心结论有三层。其一，全球约四分之一的劳动者处于某种暴露梯度的职业中；落入最高梯度的就业占 3.3%，女性 4.7%、男性 2.4%——文职岗位的女性集中度放大了性别差异。其二，收入水平越高暴露越广：高收入国家总就业的 34% 处于各暴露梯度，低收入国家只有 11%；高收入国家梯度 4 中女性 9.6%、男性 3.5%。
其三，由于多数职业都包含需要人的任务，报告判断"转型"（transformation）是大概率结果，岗位消失是小概率直接后果——这正是"暴露不等于失业"的量化表述。
怎么用这两份材料
写论文或做行业分析时，简报（9 页）适合当入口，工作论文 140 给完整方法与稳健性讨论；两者都提供图表原始数据。引用时注意区分三个概念：暴露分数是技术可行性的理论评估，不是实际应用预测；它是 2025 年 5 月的技术快照，会随模型能力变化过时；职业层面的分数不反映同一职业内的资历与分工差异。报告的建议落在社会对话（social dialogue）上——用集体协商管理转型，而不是被动应对。
简报与工作论文的官方直链、许可条款原文和引用格式，整理在回复可见的楼层。
────────────────
本楼回复后可见：ILO 简报与工作论文 140 的 PDF 直链、CC BY 4.0 许可条款原文、引用格式与配套资源入口。
把经管之家装进你常用的 AI 安装 MCP／技能，让 AI 帮你查教程、找数据、读论坛帖子。
检索、阅读公开帖子不收费。
安装可申请领取：3 通用积分＋100 论坛币＋3 元论坛资金 请点击查看安装教程与福利 → AI 算力按所用平台规则计算；附件按原帖条件获取；福利领取条件以活动页面为准。 |
京公网安备 11010802022788号
