方法论
我们如何分析和衡量AI对职业的影响。
数据来源
基于Anthropic、OpenAI、Google DeepMind的同行评审研究、政府劳动统计和学术发表。
分析框架
将每个职业分解为单独的任务，评估当前和近期未来AI系统对每个任务的自动化程度。
主要参考文献
所有数据点都链接到原始来源。提供完整的引用信息以确保透明度。
参考文献
分析中引用的所有数据来源和研究论文。
共 12 篇参考文献
- [1]报告
Anthropic Research Team
“Labor market impacts of AI: A new measure and early evidence”
Anthropic, 2026.
引入'观察暴露'指标，结合理论LLM能力与实际Claude使用数据。发现计算机程序员覆盖率为75%，但实际采用远低于理论能力。
- [2]报告
Ruth Appel, Maxim Massenkoff, Peter McCrory, Miles McCain, Ryan Heller, Tyler Neylon, Alex Tamkin
“Anthropic Economic Index report: economic primitives”
Anthropic, 2026.
定义AI任务分类的五个经济基元：复杂性、技能、用例、自主性和成功率。
- [3]工作论文
Andrew Johnston, Christos Makridis
“The Labor Market Effects of Generative AI: A Difference-in-Differences Analysis”
SSRN, 2025.
应用双重差分方法衡量生成式AI对各职业劳动市场的影响。
- [4]论文
Erik Brynjolfsson, Bharat Chandar, Ruyu Chen
Stanford Digital Economy Lab, 2025.
年轻软件开发者(22-25岁)就业从2022年高峰下降约20%。使用ADP工资微观数据。
- [5]报告
Kunal Handa, Alex Tamkin, Miles McCain, Saffron Huang, Esin Durmus, Sarah Heck, Jared Mueller, Jerry Hong, Stuart Ritchie, Tim Belonax, Kevin K. Troy, Dario Amodei, Jared Kaplan, Jack Clark, Deep Ganguli
“Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations”
Anthropic, 2025.
分析数百万Claude对话，将AI使用映射到O*NET职业任务。
- [6]工作论文
Menaka Hampole, Dimitris Papanikolaou, Lawrence DW Schmidt, Bryan Seegmiller
“Artificial Intelligence and the Labor Market”
National Bureau of Economic Research, 2025.
使用历史大学招聘网络作为企业级AI采用的工具变量。
- [7]文章
Sarah Eckhardt, Nathan Goldschlag
“AI and Jobs: The Final Word (Until the Next One)”
Economic Innovation Group (EIG), 2025.
发现AI对就业的影响在传统指标下'不可见'。仅约9%的企业报告使用AI。
- [8]数据集
U.S. Bureau of Labor Statistics
“Employment Projections: 2024-2034”
U.S. Bureau of Labor Statistics, 2024.
预测2024-2034年新增520万个工作岗位（总增长3.1%）。计算机和数学类增长10.1%。
- [9]论文
Xiang Hui, Oren Reshef, Luofeng Zhou
“The Short-Term Effects of Generative Artificial Intelligence on Employment”
Organization Science, 2024.
研究生成式AI对自由职业平台的影响。发现对AI暴露任务工作者的收入和就业产生即时负面影响。
- [10]论文
Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock
“GPTs are GPTs: An early look at the labor market impact potential of large language models”
arXiv, 2023.
80%的美国劳动力可能有10%以上的任务受到LLM的影响。引入beta任务暴露指标。
- [11]论文
Daron Acemoglu, David Autor, Jonathon Hazell, Pasciano Restrepo
“Artificial Intelligence and Jobs: Evidence from Online Vacancies”
Journal of Labor Economics, 2022. DOI: 10.1086/718327
使用职位空缺数据分析AI对招聘的影响。
- [12]论文
Daron Acemoglu, Pasciano Restrepo
“Robots and Jobs: Evidence from US Labor Markets”
Journal of Political Economy, 2020. DOI: 10.1086/705716
估计每千名工人增加一个机器人会使就业人口比下降0.2个百分点，工资下降0.42%。