生成式 AI 会让女性劳动者受到更大冲击吗？Brookings 2024 数据说：是的

36% 的女性从事的职业中，生成式 AI 可能重塑至少一半的日常任务。男性这一数字下降到 25%。这 11 个百分点的差距 不是四舍五入的误差——它是 Brookings 从 ChatGPT-4 的任务暴露评分中提取出来的警示信号，数据覆盖 1,000 多个美国职业。事实 — [Brookings 2024]

如果你是正在阅读这篇文章的女性，你很可能已经隐约察觉到了。那些以行政事务、文书处理、后台运营为主的职位——女性集中的位置，正是大型语言模型悄悄吞噬工作流程的位置。Brookings 团队做完了算术——结果比大多数新闻标题所暗示的更严峻。

到底谁真正受到冲击——以及为什么性别反复出现

Brookings 使用 OpenAI 的任务暴露框架，结合 O*NET 任务清单与 BLS 职业就业数据，衡量每个职业的日常工作中有多少能被当前生成式 AI 有意义地辅助或替代。[事实] 随后他们叠加 Pew 的人口统计数据，看看究竟是谁在从事这些工作。

下面这个模式格外刺眼。超过 30% 的美国劳动者从事的职业中，50% 或更多 的日常任务暴露于被颠覆的风险。[事实] 如果把镜头再拉远一些，85% 的劳动者 会看到自己至少 10% 的任务 被这项技术触及。[事实] 几乎没有人能置身事外。

但负担并非平均分摊。暴露度最高的五个职业族群是：

• 计算机与数学类工作（想想 软件开发者 在审阅 AI 生成的代码，而不是从零开始写）
• 商业与金融运营（包括 金融分析师 和 会计师与审计师，他们的建模和对账工作部分可自动化）
• 工程
• 办公与行政支持——例如 行政助理 以及 簿记、会计与审计职员
• 法律工作，律师助理与法务助理 正站在合同审阅与法律检索的第一线

在美国劳动力市场上，这五个中的三个——商业与金融、办公与行政支持、法律支持——都是女性占主导的职业。仅办公与行政支持一项就雇佣约 1,900 万美国人，该类别中女性比例远远超过 70%。[事实] 仅凭这一事实，就能解释 36% 和 25% 之间差距的大部分。

Brookings 加入的那一层让人难受的东西：议价能力

暴露度只是故事的一半。另一半是：当你工作中的任务开始变化时，你是否还有任何筹码。

Brookings 标出了一个很少出现在耀眼标题里的细节：金融行业的工会代表率约为 1%。[事实] 这不是打字错误。当生产力软件重塑一名金融分析师或理赔员的工作时，实际上几乎没有制度上的反向力量来就培训、薪资或任务重构进行谈判。对比一下教育或医疗——中等暴露行业——工会化程度明显更高，员工在新工具如何部署方面历来拥有更多发言权。

所以故事不是"AI 将取代女性"。它比这更窄、也更诚实。主张 — [Brookings 2024]

故事其实是：最容易暴露于生成式 AI 的职业，恰好雇佣了大量女性，而这些职业恰好又是美国经济中集体谈判覆盖率最弱的职业之一。当浪潮袭来时，站在它路径上的人，手头用来谈判条件的正式工具最少。

低暴露那一栏其实想告诉你什么

Brookings 的低暴露职业清单不仅值得看它列出什么，更值得看它没列出什么。体力劳动、蓝领职业和面对面服务——建筑、餐饮准备、个人护理——任务暴露评分很低。[推定] 这与大多数人观察工具后本就有的感受一致：当前的生成式 AI 擅长文本、代码与结构化数据，但在身体参与、情境依赖极强的工作上仍然笨拙。

一代人以来第一次，一种通用技术对白领与办公室工作的冲击 强于 它对体力劳动的冲击。这颠覆了 2010 年代的自动化叙事——当年仓库机器人与卡车运输（还记得所有关于 卡车司机 的报道吗？）占据头条。

如果你的工作处于中等暴露区间——客服代表 与大型语言模型协同工作、律师 用 AI 做取证、护士用 AI 写病历——Brookings 的数据指向第三条路。任务在变。工作不会整体消失。但你每天所做事情的组合确实在位移。

那么你到底该拿这份数据怎么办

有几件事值得直说。

第一，了解你自己的暴露评分。如果你属于五个高暴露职业族群之一，假设 当前任务的 30–50% 会在 3 到 5 年内显著不同。[推定] 这不是对失业的预测。这是对你工作日内容发生变化的预测，而最快调整任务组合的人，会保留最大的筹码。

第二，如果你管理的是以女性为主的团队——行政、财务运营、法务助理、客户支持——这是一个留任议题，不只是生产力故事。最受任务更替影响的正是那些正式议价地位最弱的员工。你今天的培训、转岗或薪资政策，很可能是在暴露结构尚未向这一方向倾斜之前设计的。

第三，Brookings 的数据还会继续更新。GPT-4 是这次任务暴露的代理；更新的前沿模型正把暴露曲线推向过去需要判断力的任务。[主张] 2024 年数据里的性别差距是一条下限，不是上限。

信息来源

• Muro, Mark, Maxim, Robert, Hathaway, Shriya Methkupally, Mark Muro. "Generative AI, the American worker, and the future of work." The Brookings Institution. 2024 年 10 月 10 日。链接
• 底层数据：OpenAI ChatGPT-4 对 1,000 多个职业的任务暴露评分；O*NET 任务清单；美国劳工统计局（BLS）职业就业与工资统计；Pew Research Center 人口统计叠加。

更新记录

• 2026-04-17：基于 Brookings 2024 报告的首次发布。重点呈现 36% vs 25% 的女性/男性暴露差距、办公与行政支持 1,900 万从业者规模，以及金融行业 1% 的工会密度——三项定义性的数据。

---

AI 协助分析。本文由 AI 研究代理撰写，已根据 Brookings 原始资料进行事实核查，并在 aichanging.work 的编辑监督下发布。