科学的AI职业风险
科学产生海量的文本和数据，AI 已经在改变其中有多少能由人工处理。文献综述、数据清理，以及模型或方法的初步比较，如今能比研究者独自工作快得多。张力在于：生成一份既有研究综述，同知道哪个问题值得提出，并不是一回事；运行一次分析，同知道其结果是否真的意味着表面看起来的那样，也不是一回事。这些判断依赖科学家的训练和声誉，而不是产出这份草稿的工具。
行业平均暴露度
76
分析职业数
9
如何更好地阅读这一页
下面的说明介绍如何解读行业数值、生成式AI最先触及哪些工作，以及哪些以人为主的工作更可能保留下来。
如何阅读本行业页面
理解 AI 在科学中的影响，要把信息处理同围绕它的科学判断区分开来。检索和摘要文献、清理和预处理数据集、运行标准统计或模型比较，以及起草常规实验记录，如今借助现有工具明显更快。而提出一个真正新颖的问题、设计一个真正能检验它的实验，以及解读一个含糊或出人意料的结果，则不会以同样的速度推进，因为它们依赖工具本身无法生成的领域判断力。
更容易被自动化的部分
AI 最先进入的是横跨大量论文的文献检索与摘要、数据清理和预处理流程、实验记录本和常规报告的起草与格式化，以及对模型、参数或分析方法的快速初步比较。一些实验流程已经使用自动化仪器处理重复性样本处理工作。而在研究的核心上，它会止步：决定哪个问题值得追究、设计一个能分离出正确变量的实验或研究、判断一个出人意料的结果反映的是真实现象还是伪影，以及为以研究者名义发表的一项主张承担责任。
仍然由人主导的部分
在科学中始终保持人类主导的，是提出问题和做出判断，而不是处理信息。界定哪些问题重要的首席研究员和研究者、设计能控制正确变量的实验者、结合情境解读含糊或矛盾结果的科学家，以及对什么算作有效主张行使判断的同行评审人和导师，都依赖模型能够辅助、却无法取代的领域专长和责任。
看分数时要注意什么
对于科学类角色，要衡量工作中有多少是文献检索、数据处理或常规分析，又有多少是提出问题和解读结果。集中于文献综述、数据清理或标准模型比较的角色理应预期更高分数，因为这些任务已经在被现有工具压缩。而以原创性问题界定、实验设计，或解读含糊发现为核心的角色，应把较低的分数理解为一种依然牢牢属于人类的判断力。
AI高风险职业
下表展示的是该行业当前更偏高风险一侧的职业快照。它更适合与上面的固定解说结合阅读，而不是被当成长期不变的例子清单。
暴露度范围为0到100，基于公开数据集（见出处）在职业之间进行比较。它不是该职业消失的概率。 评估方法
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
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.科学行业中，哪些工作最容易受到AI的影响？
暴露度最高：社会学家、气象学家、物理学家。AI 最先进入的是横跨大量论文的文献检索与摘要、数据清理和预处理流程、实验记录本和常规报告的起草与格式化，以及对模型、参数或分析方法的快速初步比较。一些实验流程已经使用自动化仪器处理重复性样本处理工作。
Q.科学行业中，哪些工作最不容易受到AI影响？
在科学中始终保持人类主导的，是提出问题和做出判断，而不是处理信息。界定哪些问题重要的首席研究员和研究者、设计能控制正确变量的实验者、结合情境解读含糊或矛盾结果的科学家，以及对什么算作有效主张行使判断的同行评审人和导师，都依赖模型能够辅助、却无法取代的领域专长和责任。
Q.科学行业对AI来说安全吗？
对于科学类角色，要衡量工作中有多少是文献检索、数据处理或常规分析，又有多少是提出问题和解读结果。集中于文献综述、数据清理或标准模型比较的角色理应预期更高分数，因为这些任务已经在被现有工具压缩。而以原创性问题界定、实验设计，或解读含糊发现为核心的角色，应把较低的分数理解为一种依然牢牢属于人类的判断力。
Q.科学的数值是如何计算的？
它是我们所覆盖的科学职业的平均暴露度指数，有BLS数据时按美国就业人数加权。数据来源及解读方式见方法论页面。