巴西的AI职业风险
巴西的劳动力市场以庞大的农业综合出口部门、广阔的服务业经济,以及主要经济体中规模数一数二的非正规劳动力大军为特征,同时还有一个工业化程度远超国内其他领域的银行和金融科技(fintech)行业。这种分化对 AI 而言至关重要:数字银行、呼叫中心和后台金融业务已经深度暴露于自动化之下,而庞大的非正规与半正规服务经济、农业田间劳动以及小规模零售,则运行在现金交易、人际信任和实体在场之上,软件无法触及这些领域。
劳动力的平均生成式AI暴露度
0.270
ILO得分(0–1)。在20个国家中排名第17。
就业人数(2025年)
101,852,000
ILO模型估计
巴西的人们从事什么工作
ISCO-08各主要职业大类占就业的比例,以及各大类的平均生成式AI暴露度(ILO得分,0–1)。上方的国家数值是暴露度一栏按就业加权的平均值。
| 职业组 | 占就业比例 | 暴露度(ILO,0–1) |
|---|---|---|
| 服务和销售人员 |
22.5%
|
0.26 |
| 农业技术工人和简单劳动职业 |
20.6%
|
0.15 |
| 工艺及相关行业工人 |
13.3%
|
0.17 |
| 专业人员 |
13.1%
|
0.39 |
| 工厂和机器操作员及装配工 |
9.4%
|
0.20 |
| 技术员和助理专业人员 |
9.0%
|
0.35 |
| 办事人员 |
8.6%
|
0.53 |
| 管理者 |
3.5%
|
0.36 |
方法:将每个国家按ISCO-08主要职业大类划分的就业人数(ILOSTAT,ILO模型估计)乘以该大类所含职业的ILO平均暴露度得分(ILO工作论文第140号),再将结果相加。ILO将农业技术工人与简单劳动职业合并为一组发布,且不包括武装部队。该数值采用ILO的0–1尺度,而非本站其他页面使用的0–100职业指数,并假定同一职业在所有国家的暴露程度相同。
如何更好地阅读这一页
以下说明介绍如何解读国家数值、何种职业构成会使其升高或降低,以及这一比较能说明什么、不能说明什么。
如何阅读本国家页面
要读懂巴西,关键在于把正规、数字化的经济体同规模大得多的非正规经济体区分开来。银行、保险公司、电信运营商和大型零售商已在自动化客服、信用评分和后台处理上投入巨资,因此这些企业内部的文员和支持类岗位面临真实的 AI 压力。在这一正规核心之外,非正规商业、家政服务、建筑劳工和小型农业经营雇用了巨大比例的劳动者,其运作方式几乎不受数字系统的触及,因此对一个全国性分数的解读,必须结合劳动力究竟有多大比例分布在哪一层。
是什么决定了这个数值
巴西的就业集中在农业综合体(大豆、牛肉、蔗糖、咖啡)、零售和批发贸易、庞大的公共部门、建筑业,以及一个在该地区异常发达、甚至被低收入家庭广泛使用的银行与金融科技行业。AI 压力在银行业务、保险承保、呼叫中心与客户支持工作,以及大型企业和政府机构中的标准化行政处理中最为沉重。而在农业田间劳动、依赖简陋或非正规道路网络的物流、建筑行业,以及构成全国城市商业生活重要组成部分的非正规零售和服务摊贩中,这种压力的推进则慢得多。
什么因素会让结果更稳
在巴西能够保持稳固的,是那些依托实体地形、非正规经济中的信任关系以及直接人际协商的工作。农业劳动、农场设备操作、建筑行业,以及在密集或非正规城市地区的最后一公里配送,都依赖软件无法提供的实体适应能力和地方知识。庞大的服务业也依靠建立在邻里和回头客之间信任基础上的人际关系与现金交易运转,这种结构无论正规部门的 AI 工具变得多么强大,都能抵御标准化。
阅读这个国家分数的限制
巴西的单一全国分数,把高度正规化的银行和企业部门,同规则完全不同的庞大非正规经济压缩成了同一个数字。较富裕的南部工业州与正规化程度较低的北部及内陆地区之间的地区差距,又为这一平均值增添了一层它无法呈现的复杂性。解读这一分数时,应结合特定地方劳动力市场中,究竟有多大比例处于注册、数字化的企业之内,又有多大比例属于非正规的现金型工作。
AI高风险职业
下表展示的是在该国劳动力结构下当前更偏高风险一侧的职业快照。它更适合作为方向性的比较,而不是固定不变的全国排名。 两个列表只包括巴西就业人数最多的三个职业大类中的职业,并按暴露度指数排序。
AI低风险职业
下表展示的是在该国劳动力结构下当前更偏低风险一侧的职业快照。它更适合被理解为工作的结构比较,而不是对长期稳定性的保证。
| 排名 | 职业 | 职业组 | 生成式AI暴露度 |
|---|---|---|---|
| 1 | 客房清洁员 | 农业技术工人和简单劳动职业 | 13 |
| 2 | 渔夫 | 农业技术工人和简单劳动职业 | 17 |
| 3 | 焊机 | 工艺及相关行业工人 | 18 |
| 4 | 建筑工人 | 农业技术工人和简单劳动职业 | 19 |
| 5 | 木匠 | 工艺及相关行业工人 | 19 |
| 6 | 电梯技师 | 工艺及相关行业工人 | 22 |
| 7 | 飞机机械师 | 工艺及相关行业工人 | 23 |
| 8 | 消防员 | 服务和销售人员 | 25 |
| 9 | 贝克 | 工艺及相关行业工人 | 27 |
| 10 | 可再生能源技术员 | 工艺及相关行业工人 | 27 |
| 11 | 管道工 | 工艺及相关行业工人 | 28 |
| 12 | 汽车技师 | 工艺及相关行业工人 | 29 |
| 13 | 农民 | 农业技术工人和简单劳动职业 | 32 |
| 14 | 仓库作业员 | 农业技术工人和简单劳动职业 | 34 |
| 15 | 电工 | 工艺及相关行业工人 | 36 |
| 16 | 机械维修技师 | 工艺及相关行业工人 | 38 |
| 17 | 警卫 | 服务和销售人员 | 39 |
| 18 | 咖啡师 | 服务和销售人员 | 39 |
| 19 | 暖通技师 | 工艺及相关行业工人 | 41 |
| 20 | 调酒师 | 服务和销售人员 | 43 |
出处
暴露度指数由ai-job-risk.net根据以下数据集计算(数据截至2026年10月15日)。美国劳动力数字来自BLS,未作改动。
- Eloundou, Manning, Mishkin & Rock, "GPTs are GPTs: Labor market impact potential of LLMs", Science (2024); data MIT licence
- Gmyrek, Berg, Kamiński, Konopczyński, Ładna, Nafradi, Rosłaniec, Troszyński. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: ILO, 2025. © ILO, CC BY 4.0
- Tomlinson, Jaffe, Wang, Counts & Suri, "Working with AI: Measuring the Occupational Implications of Generative AI", Microsoft Research; CC BY 4.0
- Anthropic Economic Index (job_exposure); CC BY
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories
- ILOSTAT, ILO modelled estimates: employment by sex and occupation (ISCO-08), accessed 16 October 2026. © ILO, CC BY 4.0
各发布机构均未参与制作、审核或认可本网站。 完整引用、许可与方法
常见问题
Q.在巴西ï¼哪些工作面临的AI风险最高?
暴露度最高:电话推销员、零售销售员、零售收银员。巴西的就业集中在农业综合体(大豆、牛肉、蔗糖、咖啡)、零售和批发贸易、庞大的公共部门、建筑业,以及一个在该地区异常发达、甚至被低收入家庭广泛使用的银行与金融科技行业。AI 压力在银行业务、保险承保、呼叫中心与客户支持工作,以及大型企业和政府机构中的标准化行政处理中最为沉重。
Q.在巴西ï¼哪些工作最不容易受到AI影响?
暴露度最低:客房清洁员、渔夫、焊机。在巴西能够保持稳固的,是那些依托实体地形、非正规经济中的信任关系以及直接人际协商的工作。农业劳动、农场设备操作、建筑行业,以及在密集或非正规城市地区的最后一公里配送,都依赖软件无法提供的实体适应能力和地方知识。
Q.巴西在AI自动化方面的受影响程度如何?
要读懂巴西,关键在于把正规、数字化的经济体同规模大得多的非正规经济体区分开来。银行、保险公司、电信运营商和大型零售商已在自动化客服、信用评分和后台处理上投入巨资,因此这些企业内部的文员和支持类岗位面临真实的 AI 压力。在这一正规核心之外,非正规商业、家政服务、建筑劳工和小型农业经营雇用了巨大比例的劳动者,其运作方式几乎不受数字系统的触及,因此对一个全国性分数的解读,必须结合劳动力究竟有多大比例分布在哪一层。
Q.暴露度高是否意味着巴西的工作岗位会消失?
巴西的单一全国分数,把高度正规化的银行和企业部门,同规则完全不同的庞大非正规经济压缩成了同一个数字。较富裕的南部工业州与正规化程度较低的北部及内陆地区之间的地区差距,又为这一平均值增添了一层它无法呈现的复杂性。解读这一分数时,应结合特定地方劳动力市场中,究竟有多大比例处于注册、数字化的企业之内,又有多大比例属于非正规的现金型工作。