方法论

以下著作属于本站所示数值背后的资料，同时也列出我们阐述 AI 暴露度时参考的文献。数值按各发布机构所定的值照录。呈现方式会本地化——例如，若某发布机构以文字类别而非数字表示某个值，页面上显示的措辞即为该类别译成页面语言后的结果。本地化改变的是数值的书写方式，而非其发布机构所定的数值本身。 数据集的归属与许可说明见「致谢与来源」页面。

• Massenkoff & McCrory (2026) - AI对劳动力市场的影响参考
• Eloundou et al. (2023) - GPTs are GPTs: 理论任务暴露度框架
• Brynjolfsson et al. (2025) - Canaries in the Coal Mine: 基于ADP薪资微观数据测得的就业效应
• 美国劳工统计局（U.S. Bureau of Labor Statistics） - 就业预测 2025-2035
• O*NET SOC 分类系统 - 标准化的职业与任务分类

下文定义的数值转载自外部发布方，每项数值会在其出现的位置标明来源。当职业页面显示排名、占比或在已发布区间中的位置时，该值陈述的是发布方自身数值之间的关系，而非新的测量结果 — AI Changing Work 不发布自己的测量值。本节按各发布方自身的定义说明下列指标。

OpenAI "GPTs are GPTs" — 贝塔值（β）

β = 直接暴露（E1）+ 0.5 × 借助工具时的暴露（E2），依据原始代码库的定义。我们在职业层级展示作者公开的两种评分方式 — 人工评分者与 GPT-4 评分者 — 并在任务层级展示 β ≥ 0.5 的已评分任务比例。数值按公开原样为 0–1，仅在显示时换算为百分比。

Anthropic Economic Index — 观测暴露度

以实测的 Claude 使用量对理论暴露度指标加权，依据原报告的定义。它描述该数据集发布时所观测到的使用情况。我们同时展示任务层级的渗透率：该职业有多少项任务出现了可观测的使用，以及其平均值。数值按公开原样为 0–1。

Anthropic 的 2030 年经济情景（工作论文 2026-02，2026 年 9 月）将这一观测暴露度指标作为评估人工智能渗透工作程度的起点。该论文报告的平均值为：知识工作类职业 0.22，其余所有职业 0.01。 阅读情景 (Anthropic)

美国劳工统计局 — 就业预测 2025–35

就业人数、薪资中位数与预计变化转录自 BLS 就业预测 2025–35（Table 1.2），该出版物属联邦政府公有领域作品。这些数值描述的是 SOC 职业组而非具体职位名称，因此共用同一 SOC 代码的职业数值相同。就业人数以千人为单位公布。

美国劳工统计局 — AI 相对暴露度分档

美国劳工统计局把全国就业矩阵(NEM)中的每个职业归入 Low、Moderate、High、Very high 四个相对分档之一，与就业预测 2025–35 一并发布。该分档是该表所列职业之间的排名位置，既不是水平值，也不是采用概率或就业预测，更不区分自动化与增强。它也不是劳工统计局的一手测量——劳工统计局取多项先前发表研究中的职业百分位排名，聚类为这四档。其中两项与本站已收录的数据集同源，因此该分档与那些数值彼此并不独立。分档标签按劳工统计局所写照录并译为页面语言；劳工统计局未发布的排序编号一律不予展示。 该分档按 NEM 代码给定，而非按具体职位名称；一个 NEM 代码可能涵盖本站的多个职业，因此共用同一 NEM 代码的职业得到相同分档。

AI Changing Work 不自行计算任何暴露度、风险或自动化分数。若某原始数据集未收录某职业，我们如实标注其缺失，而不以替代数值填充。

职业按单项任务层级描述，因为已公开的暴露度数据集本身评估的是任务而非整个岗位。本节说明这些外部评分如何与本站的职业相对应。

任务级分解

每个职业被分解为构成任务，以便将原始数据集的任务层级评分对应上去。任务清单来自 O*NET；对应的评分来自外部数据集，未经修改。

外部暴露度指标

职业与任务的暴露度数值取自已公开的研究数据集：Anthropic Economic Index (CC BY 4.0)、OpenAI "GPTs are GPTs" exposure rubric (MIT License)、ILO Working Paper 140 (CC BY 4.0)和BLS AI exposure categories (Public domain (17 U.S.C. §105))。原始数值按各发布机构所定的值照录。AI Changing Work 不对其重新标度、重新加权、重新分类或混合，也不自行计算任何暴露度评分。我们将其映射到 O*NET 职业与任务代码；数据集中缺失的职业按缺失如实标注，不予评分。 呈现方式会本地化——例如，若某发布机构以文字类别而非数字表示某个值，页面上显示的措辞即为该类别译成页面语言后的结果。 本地化改变的是数值的书写方式，而非其发布机构所定的数值本身。

就业预测

就业、薪资与预计变化数值转录自美国劳工统计局就业预测 2025–35（Table 1.2），该出版物属联邦政府公有领域作品。数值以 SOC 职业组为单位，因此共用同一 SOC 代码的职业数值相同。我们不发布任何自行编制的就业预测。

对局限性的透明度是负责任分析的关键。用户在解读数据时应考虑以下因素。

无底层样本

我们的数字并非来自测量样本。其背后没有调查、遥测或面板数据，因此无法给出置信区间。请将本站的每一个数字都视为未经验证的估算值。

地理和职业覆盖

覆盖范围受原始数据集限制：在所列的 1,048 个职业中，部分职业未被一个或多个暴露度数据集收录，我们不显示这些数据集对其的数值。基础数据主要反映美国劳动力市场与英语 AI 交互，可能无法代表全球情况。

更新频率

指标在我们重新运行自有分析时修订。我们不会从任何外部数据提供方获得自动更新。

理论与观察差距

暴露度不等于采用率。原始数据集测量的是任务的暴露程度，或汇编时观测到的使用情况；采用障碍、监管约束与组织惯性意味着现实变化通常滞后于技术能力。数值也反映各数据集发布时的状况，而非今天。

我们维护主要数据更新和方法论变更的透明记录。

此处列出的著作属于本站数值背后的来源及辅助文献。职业页面的每个数值均标明其所出自的数据集。