评估方法
最后更新: 2026年3月31日
AI就业风险指数 的分数并不是对某个职业一定会消失的直接预测。它是一个 0 到 100 的编辑型比较信号，用来帮助读者比较不同职业可能受到 AI 变化影响的程度。
本页说明我们看哪些输入数据、从哪些维度进行判断、在流程中如何区分 AI 与人的责任，以及这套方法的边界在哪里。
这个分数是比较指标，不是裁员率或失业率预测。
长篇职业指南被当作固定编辑资产管理，而不是一次性生成文案。
评分框架、评估维度和发布标准由我们的编辑团队制定和维护。
1. 分数意味着什么
这个分数用于比较某个职业在任务结构、重复性、信息处理强度以及近期周度信号的综合条件下，可能受到 AI 变化影响的程度。
更高的分数通常意味着该职业中常规化、标准化或信息处理型工作的比重更高，但并不意味着职业名称本身会立刻消失。
2. 输入数据与更新范围
每周流程会吸收与 AI 能力变化、产品发布、企业采用、监管变化以及不同行业落地方式相关的信号。
这些信号会与职业目录、历史分数，以及职业页、行业页、国家页和报告页使用的比较层一起解读。
- 职业目录：固定职业记录与 slug
- 周度信号：AI 产品、企业采用、监管与行业动态
- 历史数据：周度分数、变化量与排名变化
- 聚合层：行业页面、国家页面与报告页面
3. 主要评估维度
我们不会只用一个特征来评估职业，而是同时比较常规结构、信息处理强度、创造性的性质、人际责任的重量，以及身体性或现场约束。
因此，两个看起来都属于知识型工作的职业，也可能因为责任、模糊性和执行场景不同，而呈现出不同程度的 AI 暴露风险。
- 常规结构：工作有多大比例是可重复、可规则化的
- 信息处理：角色在多大程度上依赖撰写、总结、比较或整理信息
- 创造性的类型：只靠大量生成是否足够，还是仍然需要情境判断
- 人的责任：工作在多大程度上依赖解释、信任、协商或情绪理解
- 身体与现场约束：工作在多大程度上依赖地点、设备、安全与真实环境
4. 更新流程
每周批处理包括信号收集、分数评估、历史保存、排名刷新以及页面更新。
稳定的长篇指南则在单独的质量层中审核，以避免固定页面逐渐变弱或损坏。
5. 编辑把控与质量
评分框架、评估维度、发布规则以及每一篇固定来源指南，均由我们的编辑团队制定、维护并最终审定。我们借助数据与软件工具处理每周大量的信号，并支持八种语言的协作，但框架、标准以及最终发布的文字，都由我们决定。
每一个分数、每一篇指南和每一次更正，都由我们的编辑依据既定框架做出决定，从而确保页面长期保持一致且可追溯问责。
6. 翻译与本地化
职业指南会先在日语与英语中打磨稳定，然后再按照相同的结构规则重建到其他语言。
翻译后，我们会检查字段缺失、结构错误、错误的职业 slug，以及原语言残留，确认无误后才视为可发布版本。
7. 局限与注意事项
本网站并不能确定地预测未来。AI 的影响会随着监管、采用速度、经济环境、公司设计和本地劳动结构而变化。
因此，分数和编辑指南应被视为比较研究材料，而不是替代具体岗位判断的最终答案。