（关注公众号并设为🌟标，获取最新人工智能资讯和产品） 

全文约7,000 字，阅读约需 9分钟

美国第一智库布鲁金斯学会（Brookings Institution），作为美国著名智库之一，是华盛顿特区学界的主流思想库之一，其规模之大、历史之久远、研究之深入，被称为美国“最有影响力的思想库”并不为过。

近期发布了一份引人注目的人工智能报告。该报告深入探讨了生成式AI对工作和劳动力市场的潜在影响，引发了对社会应对这一变革准备不足的担忧。报告基于OpenAI的数据分析，详细考察了生成式AI技术对超过1000种职业的任务层面影响。此外，报告还汇集了来自政策、商业创新、投资、劳工、学术研究、民间社会及慈善领域的30多位专家的见解，共同探讨AI、工作和劳动力相关的根本性问题。

以下是报告的几个关键发现：

• 1.生成式AI影响：当前的生成式AI技术已经能够显著影响大量工作岗位，超过30%的员工可能会看到其职业任务的50%被AI取代或改变。

• 2.高技能岗位的冲击：与过去主要影响常规、蓝领岗位的自动化技术不同，生成式AI主要影响的是“认知”和“非例行性”任务，尤其是在中高收入职业中。

• 3.技术快速传播：生成式AI与以往的自动化技术不同，具备生成新内容的能力，并且易于通过现有的网络和应用扩展，传播速度惊人。

• 4.社会准备不足：虽然企业和个人面临的风险很大，但我们所有人尚未为生成式 AI 可能带来的风险和机遇做好充分准备。

报告原文

ChatGPT-3.5 于 2022 年底发布，引发全球关注，展示了生成式 AI 生成各种似乎由人类创作的内容的非凡能力，涵盖文本、视频、音频、图像和代码等形式。此后的一系列技术突破更令人眼前一亮，这些发展促使人们开始思考：快速进化的生成式 AI 技术将如何影响现今和未来的工作、工人及其生计，尤其是在更强大的新模型推出后。根据美国皮尤研究中心的调查显示，大多数美国人认为未来二十年内，生成式 AI 将对就业产生巨大影响，且大多为负面影响。

尽管这些担忧广泛存在，但关于生成式 AI 影响的具体性质和规模，及如何应对，甚至是否应对，仍缺乏共识。我们通过研究、以员工为核心的故事分享及跨部门协作，旨在提升公众对生成式 AI 的认识，为政策制定者和企业以及个人提供指引，并引导社会形成更具建设性的应对措施，以期实现一个员工能够从 AI 获益、同时尽可能减少其负面影响的未来。

1、问题的核心是什么？

虽然工人面临巨大风险，但我们还没有为生成式 AI 带来的潜在风险和机遇做好准备。目前，各个国家尚缺乏必要的紧迫感、思维框架、政策方案以及商业实践来帮助员工从 AI 中获益并规避风险。

到目前为止，关于 ChatGPT 及其类似技术的讨论，大多避开了工作与员工这个话题。取而代之的，是其他更紧迫的议题，例如国家安全、虚假信息传播、隐私和监控、知识产权、电力消耗以及“深度伪造”等欺诈行为（这已成为金融和政治欺诈的重要工具）。尽管这些问题得到了广泛关注，但讨论过于分散，缺乏系统性。

相对而言，员工及其工作内容和条件——这些对于 AI 为社会创造价值至关重要的要素——并没有得到足够的重视。关于 AI 对工作和生计的影响的讨论，充其量是次要的，且多为猜测。即使在谈论工作的场合，AI 相关的讨论也常陷入两极化。一方面，技术乐观主义者描绘了一个资源丰富、充满无限可能的未来，AI 助手将解放人类的繁重劳动，AI 科学家将治愈癌症，生产力激增带来普遍繁荣。另一方面，则是末日般的预言，认为 AI 会导致大规模失业，甚至终结我们所知的工作形式，乃至人类存在本身。预见技术发展的未来路径是困难的。AI 未来的发展可能性范围非常广，从短期内有用能力的停滞不前，到指数级的技术进步，甚至是实现长期假设的人工通用智能（AGI），这将对经济和社会带来深远的影响。

尽管我们无法对未来做出准确预测，但可以确定的是，生成式 AI 技术的发展和应用速度远超我们对其理解和应对的进展。

面对这一日益复杂的挑战，我们的准备仍显不足。以公共政策为例：虽然目前党派在应对 AI 对工作的威胁上尚未形成明显对立，但缺乏紧迫感、推动力，且在州或联邦层面上，几乎没有应对自动化风险或生成式 AI 对工作场所影响的立法或法规——同样地，也缺乏直接鼓励工人积极参与 AI 技术充分利用的政策。其次，员工仍是决定 AI 如何在经济中应用的关键因素，但这些力量的表现仍然有限而分散。虽然有一些员工通过集体谈判主动影响 AI 安全应用的成功案例，例如去年好莱坞编剧与主要制片厂达成的历史性协议。

第三，围绕 AI 技术部署的“淘金热”心态和炒作不断升温，许多公司即使在对成本和盈利能力仍存疑问的情况下，依然争相引入这项技术。虽然谷歌、Meta 和微软等大型科技公司正在大举投资开发 AI，但大多数其他组织——无论是商业、政府，还是非营利部门——将重点放在使用 AI 工具上，而非开发 AI 技术。这些 AI 技术的“部署者”也是企业，员工们将被要求适应日益增长的 AI 技术部署。他们是决定 AI 技术如何应用和管理的重要群体。然而，当前几乎没有针对公司如何在涉及员工权益时道德地实施 AI 的明确准则。同时，许多公司，尤其是上市公司或有上市计划的公司，承受着来自竞争对手和投资者的巨大压力，要求他们采用 AI 来降低劳动力成本并提高效率。

尽管产品部署进展不顺和广泛的不确定性依然存在，但对员工来说，生成式 AI 带来的挑战不容忽视。即便按目前的发展趋势，生成式 AI 技术已经足以影响到法律、市场营销、金融、医疗、计算机编程、客户服务、创意艺术、行政支持、教育和媒体等多个领域的员工。对于某些行业和职业，颠覆性的冲击可能在几个月内到来，甚至已经悄然发生。与 AI 客服或聊天机器人互动——这一早已见怪不怪的现象——不过是冰山一角。这些变化既有机会也伴随风险，正如许多专家指出的那样。一方面，生成式 AI 可以与数百万工人的技能互补，帮助他们提高工作效率、提升创造力、获取更多信息、提升工作效能和准确度。另一方面，雇主可能会选择自动化部分甚至全部员工的工作，这可能导致失业并降低对某些热门技能的需求。对于其他员工，特别是那些从事内容创作的作家、记者和创意人士，生成式 AI 则带来了关于版权和同意的深层次问题。AI 还可能成为雇主监控和监督员工的新工具，削弱工人的自主权和话语权。

因此，尽管生成式 AI 有望提高收入、增加生产力、创造新的机遇，但它同样可能导致工作环境恶化、技能贬值、工作不稳定等问题。然而，未来并非命中注定。员工是否能从 AI 带来的生产力提升中受益，或是陷入困境，部分取决于员工和利益相关者在技术部署过程中发挥的作用，以及企业、技术公司、政策制定者、消费者和社会做出的选择。从过往数百年的经济历史来看，肆意的技术进步可能导致更大的不平等，并给员工及其社区带来长期的痛苦。技术并非命运，但不作为就是。

2、 AI并非传统自动化

生成式 AI 对工作和员工会带来哪些影响？在本节中，我们将简要概述这一新技术的几个核心特征，并结合 OpenAI 提供的数据进行分析。我们还总结了布鲁金斯学会基于 OpenAI 数据的新研究，该研究调查了 ChatGPT-4 技术在 1,000 多个职业中的任务暴露情况。尽管这些数据不能提供精准的预测，但在识别哪些职业可能受到生成式 AI 影响方面具有方向性参考价值。

生成式 AI 自 2022 年底 ChatGPT-3.5 发布以来迅速普及，它是一项突破性的技术，具备了与以往计算机化和自动化形式截然不同的特性和复杂功能。这种工具的独特之处在于：它具备生成新内容的能力，传播相对容易，并且目前仍主要是“无实体”的技术，而非像工业机器人那样的物理工具（但随着机器视觉和其他 AI 技术的发展，这一情况可能很快改变）。

在信息技术中，生成式 AI 的新颖性体现在其从训练数据中创造全新内容的能力。这也是其被称为“生成式”的原因。作为机器学习的一种，生成式 AI 通过算法生成多种新内容，包括图像、音乐、文本、音频、视频和代码。这项技术依托于大型语言模型（LLM），这些模型通过大量数据集的训练，能够检测统计模式和结构，并利用这些模式生成新的内容。生成式 AI 最关键的功能之一是它能够预测并生成符合用户需求的“自然语言”内容，类似于智能手机上的自动提示功能——无论是撰写文档、回答问题、生成代码、制定商业计划，还是抓取互联网信息并提供行动建议。先进的生成式 AI 模型如 Dall-E 3、Midjourney 和 Stable Diffusion 能够通过文本输入生成高质量的视觉内容，而 Sora 等程序则在文本到视频的生成技术上取得了突破性进展。目前，能够结合文本、图像、音频和视频等多种数据类型作为输入提示和生成输出的系统即将面世。

生成式 AI 传播的便利性主要得益于其通过现有的网页浏览器和各种设备上的应用程序进行扩展。换句话说，生成式 AI 的传播基础已经基本搭建完成。作为对比，美国人口普查局报告称，个人电脑在 1970 年代末问世后，花了大约二十年才普及。而智能手机自 2007 年推出第一代 iPhone 后，花了六到七年时间在美国普及。相比之下，ChatGPT 自 2022 年 11 月发布后，仅用了四个月就成为传播最快的技术平台，每月访问量达到了 10 亿次（可以作为用户数的粗略估计）。

虽然各方估计不同，但目前生成式 AI 在职场的应用还处于初级阶段，雇主们正在探索早期用例，同时仍对隐私、安全性和准确性等问题持有顾虑。虽然生成式 AI 的广泛应用可能需要更多时间，但由于其易用性和对基础设施要求较低，相较于过去的技术，它在职场的采用门槛可能会更低。1）其界面便于使用，不需要机器学习的专业知识；2）基础设施需求相对较低。

目前，生成式 AI 工具仍然是“无实体”的，不同于在工厂中组装产品或清扫地板的物理机器人。作为一种数字技术，AI 工具主要应用于信息处理任务。然而，随着大型语言模型（LLM）被设计用于与物理物体及其传感器进行交互，这种情况也可能发生变化。生成式 AI 能力的突破预示着与以往“技能偏向型”技术的显著差异 生成式 AI 的能力代表了工作场所技术的巨大变化。几十年来，大量研究表明，技术一直是“技能偏向型”的：它取代了许多中低收入工作中的常规技能（如会计、生产和食品准备），而增强了高收入工作中的非常规技能（如管理决策、复杂分析和创造力）。

然而，生成式 AI 像 ChatGPT 这样的技术，打破了这种格局。除非机器人技术取得突破，生成式 AI 不太可能大幅影响体力劳动或常规的蓝领工作。相反，生成式 AI 擅长模仿那些几年前被认为计算机无法完成的非常规技能，包括编程、预测、写作、创造力、共情、沟通与说服力、分析等。如今，最容易受到生成式 AI 影响的行业，恰恰是几年前被认为自动化风险最低的行业。生成式 AI 技术已经能够执行大量复杂任务，有时甚至不需要人类监督。以下表格列出了生成式 AI 能够自主完成的任务：鉴于生成式 AI 拥有广泛的能力（工人可以调整、引导并补充这些能力，以增强 AI 的响应性和共情等特质），以及人们对 AI 部署的极大兴趣，现在需要明确哪些行业中的哪些工人最容易受到影响——以及他们在多大程度上有能力塑造 AI 在其领域的应用。

3、广泛的潜在影响

根据 OpenAI 的数据分析，生成式 AI 技术可能会影响广泛的员工群体。数据显示，超过 30% 的员工可能会发现其职业中至少一半的任务受到生成式 AI 的影响，而约 85% 的员工至少有 10% 的工作任务会受到影响。

受影响最大的行业集中在高薪职位，这些职位通常要求较高的学历，例如 STEM、商业与金融、建筑与工程、法律等领域，以及薪资较低的“中等技能”办公室和行政支持类岗位。手工劳动密集型的蓝领岗位受影响最小，而较低薪的服务行业岗位可能受到的影响也较为有限。根据我们的分析，教育、医疗保健以及社区和社会服务等领域的暴露程度中等。例如，小学教师和护士在约三分之一的任务上可以节省大量时间。教师可能会在批改作业、活动规划、测试管理、记录维护和报告准备等方面节省时间。而护士，尽管许多手工密集型的任务（如体检、实验室测试或静脉注射）影响较小，但生成式 AI 可以在评估诊断测试、记录患者信息、修改治疗计划、维护记录、推荐治疗方案和执行管理职能等方面节省时间。

图 1 

从整体来看，图 1 展示了各行业的影响情况，各职业群体的暴露水平通过柱状图进行展示，柱子的长度反映了各职业群体中可以通过 LLM 将完成时间减少 50% 或更多的任务比例。通过该图可以清楚地看到，计算机类、办公室和行政支持类、商业和金融运营以及工程类工作，暴露水平相对较高。进一步分析生成式 AI 的影响，可以发现 LLM 的暴露程度与职业的薪酬水平密切相关。图 2 显示，高薪职业群体，如计算机、管理、工程和商业金融类岗位，普遍预测会受到 ChatGPT-4 和其他大型语言模型的高度影响。

图 2 

此外，图 2 各职业群体的气泡大小根据当前该职业的员工数量进行调整。这意味着像商业、管理、医疗等大型职业群体可能会经历生成式 AI 的显著影响。这一事实本身就预示了该技术对劳动力市场的深远影响。在分析这些数据时，需谨记这些暴露率并不意味着预测——更不用说确定——生成式 AI 对员工的具体影响。它们仅反映了生成式 AI 对某些工作或职业群体的潜在参与程度，但没有明确是否是增强劳动还是替代劳动的效果。

然而，考虑到人们对生成式 AI 可能颠覆人类工作的普遍担忧，评估 LLM 推动的自动化（或工作替代）的具体可能性尤为重要。为此，我们分析了 OpenAI 的数据，估算了生成式 AI 在无需人工监督的情况下完成特定任务的可能性（参考见方框 1 中列出的自动化能力清单）。暴露率高且无需人工监督就能完成的任务被归为“更有可能自动化”的类别。分析显示，五个行业的暴露率和自动化潜力相对较高，具体见下图，同时列出了相关的典型职业。办公室和行政支持类工作在这些行业中尤为突出，因为它们不仅暴露率和自动化潜力高，而且从业人数众多。此外，美国在这个行业工作的将近 1900 万人中，女性占据绝对多数。对没有大学学历的女性而言，这些岗位（如记账员、法律秘书、人力资源助理、银行出纳员和工资管理员）为她们提供了体面、稳定的工作和上升空间。然而，几十年来，技术不断压缩这些工作的需求，生成式 AI 可能会加速这一趋势。

方框 1

对于经济地位较低的女性群体来说，面临的风险尤其高。她们中的许多人可能因工作被替代而转向更不稳定、薪酬更低的岗位。基于等身份的 AI 就业影响分布，还需要更多的深入研究。

方框 2

文职人员的遭遇反映了一个更大的趋势：女性而非男性，面临生成式 AI 带来的最高暴露率和最高自动化风险。这是因为女性在需要大学学历的白领工作和行政支持角色中的比例远高于男性。根据布鲁金斯学会对 OpenAI GPT-4 的任务易感性分析，36% 的女性工人在从事的岗位中，生成式 AI 可以减少一半的任务时间，而男性的这一比例则为 25%。

这一现象与人们对技术和工作的普遍认知相违背：自动化高风险员工通常被认为是制造业、仓储或卡车运输等领域的蓝领男性，或是计算机程序员。然而，除非机器人技术取得重大突破，生成式 AI 对以男性为主的蓝领行业的影响可能极为有限。综上所述，生成式 AI 不只是过去几十年数字和自动化技术的延续，它是一种全新的、与以往不同的技术。

4、AI未来走向任然模糊

尽管数据展示了生成式 AI 可能对各种员工和工作类型产生的影响，但我们对于其实际影响及如何最好地应对仍然知之甚少。这项技术还处于早期阶段，除了对其巨大潜力的认可以及必要的谨慎外，关于其实际运作及潜在影响的洞察还很不完整。总体来说，我们还不知道“暴露”于生成式 AI 的情况究竟会如何转化为现实世界的影响。几个关键问题仍然悬而未决，并提示我们可以通过探索这些未知领域，获得更多经验和见解：

生成式 AI 将在多大程度上及多快增强——而不是替代——人类劳动？我们尚不清楚生成式 AI 会在多大程度上影响对人类劳动力的整体需求（包括工作种类和数量），也不确定在工作内容方面，AI 是在增强（提高能力、提升效率和生产力）还是在自动化工作——以及这些变化何时会发生。

举例来说，AI 可能以多种方式增强程序员的角色：提高生产效率、调试工作、检查错误以及传授新技能。而另一方面，AI 也可能自动化一部分甚至大部分工作，接管例行任务，甚至生成代码。我们需要理解 AI 在何时及如何补充或取代人类员工，最初看起来是“增强”的工作是否最终会变成替代劳动。我们还需进一步探讨，哪些暴露的员工更易被取代，而哪些则不会受到太大威胁，能够适应这种变化。在分析和追踪这些影响时，我们还需要特别关注性别、种族、残疾等差异——不仅要了解不同背景的员工在各个行业和职业中的分布情况，还要分析他们应对这些变化的能力和所得到的支持。

究竟哪些员工更有可能受益，哪些员工更有可能遭受不利影响？我们仍不确定生成式 AI 会对哪些职业和行业中的员工更有利，或对哪些员工造成更大损失。技术可能对工人的影响会基于经验和技能的差异。例如，最近在从客户服务支持到咨询及计算机编程等行业的学术实验中，研究记录到一种“技能提升”现象：那些技能较低或经验较少的工人从使用 AI 中获益最大。但相反的情况也可能成立：某些工作可能被“降级”。例如，生成式 AI 可能会让初学者的资助申请撰写能力大幅提升，甚至达到与资深撰写者媲美的水平。但另一种可能性是，这项工作被“降级”，专业技能被替代为从 AI 生成的文本中复制粘贴的过程。也可能随着技术的进步，资深员工的生产力进一步提升，而初级员工的需求下降。所有这些情境都表明，员工们将需要大规模适应，同时也可能面临多种不同的影响。

好莱坞编剧的案例为我们提供了启示，因为他们与主要制片厂达成的协议不仅考虑了 AI 的应用，还为其设置了保障措施。编剧工会在原则上支持 AI 技术的使用，接受其不断发展的现实，同时也在技术的使用上拥有共同决定权（例如，明确规定 AI 无法替代的工作），并保护知识产权、就业水平和薪酬等关键利益。AI 引发的变化将如何影响不平等现象？我们又该如何积极引导？虽然我们已经看到了一些初步迹象，但至今我们仍无法确定生成式 AI 对不平等的总体影响。此外，哪些减少不平等的措施会有效，或者如何在大规模层面推行措施来确保 LLM 带来的“提升”或缩小差距的效果也尚未明了。与此密切相关的是，收益和损失的分布如何会影响多个维度的不平等现象：收入、财富、性别、种族、教育水平和地理差异等。

生成式 AI 能否真正帮助低绩效的员工提升水平，缩小他们与“明星”员工之间的差距，从而减少不平等并壮大中产阶级？员工将如何从 AI 带来的生产力提升中获益？通过何种机制（如股票持有、绩效奖金等）来实现？大学学位的价值是否会因此改变？失业的员工，尤其是那些具备高度专业化教育背景的员工，是否能够顺利转型到新的工作？哪些人能够从新兴岗位中获益？在哪些地区，经济收益将最为显著？除了对劳动力需求和报酬的影响外，生成式 AI 还可能对工人及其工作场所带来哪些不利影响？越来越多的研究表明，AI 的使用不仅可能影响员工的生计。目前，我们对于生成式 AI 如何加剧这些问题，甚至引发新的问题，还缺乏足够的了解。

5、结论

本报告是一个长期项目的一部分，该项目旨在探索并塑造一个在 AI 影响下积极的工作未来。我们在报告中提出了一些关键问题和利益点，希望这些问题能够引导和推动对这一议题的更多关注。在与各地区、不同行业的领导者合作中，我们将共同应对所提出的主要挑战，同时也把握相应的机遇，从帮助员工和企业表达他们的经验，到支持政策制定者试验不同的策略，回应各方的需求。

生成式 AI 有可能彻底改变许多人工作的方式和收入来源。然而，未来的工作不仅取决于技术的发展能力。生成式 AI 是否能够实现其潜力，为工人带来新机遇并促进共享繁荣，还是加剧不平等与损害，最终取决于企业、政策制定者、技术开发者和社会各界的选择。

原文链接：https://www.brookings.edu/articles/generative-ai-the-american-worker-and-the-future-of-work/

素材来源官方媒体/网络新闻

对了，喜欢就别忘了点赞、收藏、转发支持一下！期待在评论区听到你的观点和看法!

往期回顾

[1、Anthropic CEO 万字长文：我认为AGI最早会在 2026 年出现，机器可以像人类一样协助办公

[2、演讲总结：未来学家凯文·凯利刚刚亮相2024上海外滩大会，预言AI时代三大趋势，未来所有工作都会使用人工智能

[3、强烈推荐：红杉资本刚刚发布关于 AI 的2024年度报告，有几个非常重要的关键节点

我们旨在将 AI科技与创新想法完美融合!

想要掌握人工智能，但不知从何开始？告诉我们你的需求，学习AI让你抓住这波浪潮

告别昂贵服务和缺人烦恼,再见漫长交付周期

无限创意,分分钟生成专业级产品

感受 AI 带来的全新工作体验！

欢迎各大品牌方、媒体、企业和个人等

请联系负责人微信：Milo-1101

--END--