研究背景与目标
本研究更新了国际劳工组织（ILO）2023年发布的生成式人工智能（GenAI）职业暴露全球指数，结合了GenAI技术的最新进展和用户对GenAI工具的日益熟悉。研究利用波兰职业分类系统中的代表性任务样本和针对每个1位数字ISCO-08组1,640名受访者的调查，收集了关于2,861项任务自动化潜力的52,558个数据点。通过将调查结果与国际专家的德尔菲式讨论相结合，研究创建了一个超越国家特定性的任务自动化知识库，并开发了一个能够预测ISCO-08技术文档中任务得分的AI助手。
研究方法
-
任务自动化潜力评估：
- 首先，利用GPT-4、GPT-4o和Gemini Flash 1.5等大型语言模型（LLMs）对波兰6位数字职业分类系统中每个任务的自动化潜力进行初步算法评估。
- 然后，对1,640名受访者进行问卷调查，让他们评估其职业组中代表性任务的自动化潜力。
- 接着，由国际专家对部分任务进行详细审查，通过迭代过程验证或调整自动化得分。
- 最后，利用AI模型对未进行专家评估的任务进行预测，并结合专家意见进行调整。
-
AI暴露梯度框架：
- 将ISCO-08职业分为四个逐步增加的暴露梯度：
- 梯度1：低暴露，任务变异性高。
- 梯度2：中等暴露，任务变异性高。
- 梯度3：显著暴露，任务变异性高。
- 梯度4：最高暴露，任务变异性低。
- 此外，引入最小暴露和未暴露两个类别。
研究结果
-
职业暴露水平：
- 文书职业继续具有最高的暴露水平，但某些任务得分有所下降。
- 一些高度数字化的职业（如金融分析师、网页和多媒体开发者）的暴露水平有所上升。
- 全球约四分之一的就业岗位存在一定程度的GenAI暴露，高收入国家中约三分之一的工作岗位存在暴露。
-
性别差异：
- 女性在更高暴露水平的职业中的就业比例显著高于男性，尤其是在高收入国家。
- 高收入国家中，女性在高自动化潜力职业中的就业比例从7.8%上升到9.6%，男性从2.9%上升到3.5%。
-
收入差异：
- 高收入国家中，34%的就业岗位存在GenAI暴露，低收入国家中仅为11%。
- 高收入国家中性别差异更显著，欧洲和中亚地区尤为突出。
研究结论
- GenAI暴露并不意味着整个职业的立即自动化，而是指其当前任务中有很大一部分可能被该技术执行。
- 职业转型是GenAI最可能产生的影响，需要通过社会对话和政策响应来管理这一过渡。
- 确保技术以人为本的采用方式，支持员工在工作中使用GenAI，对于实现工作条件和生产力的协同增效至关重要。
