标签是怎么来的
人社部门没有发布“这个职业会被人工智能替代”的官方名录。本站的四类标签是启发式归类,看的是公开通知里的任务类型,以及文献如何讨论同类任务。它不是测量,不是百分比,也不是对某个人前途的判断。
四类标签
部分任务已有工具
同类的写作、编程、标注或内容生成任务,已有文献记录生成式工具被实际使用。说的是部分任务,不是这个职业已经消失。
启发式·暴露较高
按任务类型作的定性判断:信息处理占比较明显。不是实测,不是官方结论,也不是失业预测。
启发式·任务混杂
通知里的任务同时包含可分解的信息处理,以及现场、亲手操作或责任判断。不排百分比。
证据不足
没有做逐条任务研判。这不是低风险证明,也不是官方结论。
现场或人本为主
任务主要是照护、应急、亲手操作或当面磋商。公开研究不足以说明该职业被替代;这也不证明辅助工具永远不会进入记录环节。
没有做的事
没有给每个职业一个替代概率。没有把“已有工具”写成“职业已经消失”。没有用颜色单独传递标签,每张牌都有图标和文字。没有把大典里没核到的职业编出来充数。
暴露较高,只说明一部分任务和文献中较容易被工具处理的任务相似。人还可能留下核对、现场、责任和制度要求。新职业本身也说明分类体系仍在增加工作,而不是只在删减工作。
文献用来划边界
- GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
Eloundou、Manning、Mishkin、Rock · 2023-03
讨论大语言模型对写作、编程和信息处理等任务的暴露。样本来自美国职业任务体系,不是中国职业分类大典。暴露不等于岗位消失。
- Generative AI and Jobs: A global analysis of potential effects on job quantity and quality
国际劳工组织工作论文,Gmyrek、Berg、Bescond · 2023-08-21
从全球职业任务看生成式人工智能的潜在影响,强调多数情形是任务被增强而不是整份工作自动化,且不同国家的职业结构不同。
- Why Are There Still So Many Jobs? The History and Future of Workplace Automation
David Autor,《经济展望杂志》 · 2015
自动化通常改变任务构成。旧任务减少时,新任务和人对机器的互补也会出现。不能从单项技术直接推出整个职业消失。
- The Simple Macroeconomics of AI
Daron Acemoglu · 2024-04
即使一部分任务可以被模型处理,宏观上的就业影响也可能有限。任务暴露不能换算成大规模失业。
经济合作与发展组织《就业展望 2023》也讨论人工智能与就业,但本环境打开其网页时返回 403,所以不放链接,也不转写其中的数字。