评估方法
最后更新: 2026年10月15日
本站的每一个数字都来自有名可查的公开来源。每个职业的主要数字是生成式AI暴露度指数（0到100），由我们根据四个已发布的数据集计算。在它旁边，我们原样展示美国劳工统计局（BLS）的官方劳动力统计。没有任何数字由AI模型生成。
本页说明该指数衡量什么、使用哪些数据来源、如何计算、如何解读美国劳动力数字、方法的局限在哪里，以及2026年10月方法如何变更。
暴露度衡量的是一个职业的工作中有多少是生成式AI能做或已被用于的。它不是失去这份工作的概率。
每个数字都根据已发布的数据集计算，或引自官方统计，并在页面上注明出处和数据日期。
只有在某个来源发布新版本时数字才会变化。方法的每一次变更都记录在本页底部。
1. 暴露度指数衡量什么
当一个职业的任务中有很大一部分是生成式AI（大语言模型及基于它们的工具）能够完成或大幅加快的，或观察到AI正被用于这些任务时，这个职业就是“暴露”的。该指数把我们覆盖的每个职业放在0到100的尺度上相互比较：数值越高，表示这类工作所占的比重越大。
暴露不等于失业。BLS、国际劳工组织（ILO）、Microsoft和Anthropic——也就是我们所用数据的发布机构——都明确指出了这一点。暴露可能意味着工作被自动化，也可能意味着工作被增强、形态发生变化，还可能因为AI降低了工作成本而使岗位增加。与指数并列展示的美国预测让这一点一目了然：几个暴露度最高的职业预计仍会增长。
2. 四个数据来源
两个来源描述AI能对一个职业的任务做什么（理论暴露度），另两个描述人们实际用AI做什么（实际暴露度）：
- Eloundou、Manning、Mishkin与Rock，"GPTs are GPTs"（Science，2024年）：人工标注者对美国O*NET数据库中的每项任务进行评估，判断大语言模型单独或借助其他工具，能否把完成该任务的时间缩短至少一半。我们使用职业层面的“beta”评分。
- ILO工作论文第140号，"Generative AI and Jobs: A Refined Global Index of Occupational Exposure"（2025年）：为每个ISCO-08四位数职业提供任务层面的暴露度分数，并经劳动者调查和国际专家验证。我们使用各任务分数的平均值。
- Microsoft Research，"Working with AI"（Tomlinson等人，2025年）：根据约200,000次匿名化的Microsoft Copilot对话，为每个美国职业给出AI适用性分数。
- Anthropic Economic Index（2026年9月30日发布的数据集）：根据Claude在各职业任务上的使用方式，给出每个美国职业的实际暴露度，自动化使用的权重高于协作使用。
3. 指数如何计算
每个来源使用各自的尺度，因此先在该来源覆盖的全部职业（不仅是我们的职业）中换算为百分位；数值相同者取平均名次。理论部分是Eloundou与ILO百分位的平均值；实际部分是Microsoft与Anthropic百分位的平均值。指数是这两部分的平均值。当某个来源缺少某个职业的数值时，就用有数值的来源取平均；每个职业页面都会分别显示这两部分。
我们的职业对应到美国标准职业分类（SOC 2018）和ISCO-08。当官方统计中没有与我们某个职位名称完全对应的类别时，页面会注明这一点，并使用最接近的官方类别；当暴露度数据集缺少某个代码时（例如外科医生、教授、矿工），其数值取数据集所覆盖的几个密切相关代码的平均值。军事职业不在任何来源的覆盖范围内，因此这些页面不显示数值。
每个页面显示的排名，是该职业在我们所覆盖职业中的位置。行业数值是该行业各职业指数的平均值；当行业内所有职业都有BLS数据时，按美国就业人数（BLS 2025）加权。国家数值另行计算：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在ILO工作论文第140号中的平均得分。国家数值采用ILO的0–1尺度，而非本站的0–100指数。
4. 美国劳动力数字
每个职业页面上的“美国劳动力市场”栏目原样引用BLS 2025–35年就业预测（2026年8月27日发布）：2025年就业人数、到2035年的预计变化、年均职位空缺、年薪中位数以及入职通常所需学历。它还显示BLS自己的AI暴露度类别（低、中等、高、极高），BLS根据五项研究得出这一类别，其中包括我们的三个数据来源。
BLS的预测假定技术按历史速度持续发展，只有在BLS掌握针对特定职业的证据时才会就AI作出调整；它们不是仅针对AI影响的预测。这些数字描述的是美国。其他语言的页面显示相同的美国数字，并标明为美国数据。
5. 该指数是概率吗？
不是。它不是一份工作消失的可能性，数值高也不意味着失去工作的百分比风险高。没有任何已发布的方法能诚实地为整个职业给出单一概率，因为结果取决于雇主、监管、价格以及工作如何被重新组织。对于“会计被AI取代的概率是多少”这类问题，职业页面是更好的答案：它显示哪些任务受到暴露、哪些仍由人完成，以及官方预测怎么说。
6. 局限
四个来源中有三个所依据的任务定义来自美国（O*NET），而使用数据来自两款产品的用户，他们并不能代表全部劳动力。理论评分反映的是每项研究进行时的AI能力。百分位是相对的：处于中间的数值意味着“在这些职业中居中”，而不是“一半的工作”。物理自动化——自动驾驶车辆、仓储机器人——不在这些生成式AI衡量指标的范围之内；当BLS为某个职业列出此类因素时，我们会如实报告，而BLS目前并未针对司机作出自动驾驶方面的调整。
7. 职业指南
每个职业页面还附有一篇人工撰写的指南：哪些任务正在变化、哪些仍是人的工作、应培养哪些技能，以及哪些职业转换更为合理。指南依据公开来源调研撰写，按固定时间表审核，绝不由自动化流程生成。当目标职业的暴露度更高且预计萎缩时，相应的职业转换建议会被隐藏。
8. 数据来源与许可
暴露度指数由ai-job-risk.net根据以下数据集计算；我们的百分位、平均值和职业对应是对原始数据的修改。各发布机构均未参与制作、审核或认可本网站。
- Eloundou, T., Manning, S., Mishkin, P., & Rock, D. "GPTs are GPTs: Labor market impact potential of LLMs." Science (2024). 数据：github.com/openai/GPTs-are-GPTs（MIT许可）。
- Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., Troszyński, M. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: International Labour Office, 2025. © ILO，采用CC BY 4.0许可。This is an adaptation of a copyrighted work of the International Labour Organization (ILO). This adaptation has not been prepared, reviewed or endorsed by the ILO and should not be considered an official ILO adaptation. The ILO disclaims all responsibility for its content and accuracy. Responsibility rests solely with the author(s) of the adaptation. This is a translation of a copyrighted work of the International Labour Organization (ILO). This translation has not been prepared, reviewed or endorsed by the ILO and should not be considered an official ILO translation. The ILO disclaims all responsibility for its content and accuracy. Responsibility rests solely with the author(s) of the translation.
- Tomlinson, K., Jaffe, S., Wang, W., Counts, S., & Suri, S. "Working with AI: Measuring the Occupational Implications of Generative AI." Microsoft Research. 数据：github.com/microsoft/working-with-ai（CC BY 4.0）。
- Anthropic Economic Index，job exposure数据（2026年9月30日发布）。huggingface.co/datasets/Anthropic/EconomicIndex（CC BY）。
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories (2026). bls.gov/emp. 公有领域；数字原样引用。
- ILOSTAT, International Labour Organization. ILO modelled estimates: employment by sex and occupation (ISCO-08), accessed 16 October 2026. ilostat.ilo.org/data. © ILO, 采用 CC BY 4.0 许可。用于各国数据；各国数据的计算属于改编，未经国际劳工组织编写、审阅或认可。
9. 变更记录
2026年10月：本页所述的指数取代了此前的方法。2026年3月至10月，本站发布的是每周分数，由一个AI模型阅读当周的AI新闻并调整上一周的分数而产生。该方法没有可衡量的依据——分数随时间不断上浮，且随模型而非证据变化——因此已被停用。其每周摘要作为标明的存档继续保留，其中的分数与当前数值不可比较。同样在2026年10月，各国数据改为根据国际劳工组织的数据计算（ILOSTAT中各国按职业大类划分的就业人数，结合国际劳工组织第140号工作文件），不再使用估算的行业权重。