2.88 亿条招聘数据新论文：提出「瓶颈压力」度量 AI 做不了的工作价值
soumitrashukla9 · x · 2026-10-22
Burning Glass Institute 的 Soumitra Shukla 发布新论文《Technology Bottlenecks》，提出与主流「AI 暴露度」互补的新度量「瓶颈压力」（bottleneck pressure）。
核心思路
- 现有 AI exposure 衡量 AI 能做的工作；本文改问：当 AI 加速了工作中其余部分，那些 AI 还做不了的任务，边际价值会在哪里上升。
- 数据：将 2.88 亿条美国招聘帖子逐行映射到 ONET 任务，结合 Eloundou et al. (2024) 的 GPT-4 可行性评分，为每个职业中出现的每项任务构建压力指标。
主要发现
- 对 AI 不可行的任务而言，其压力取决于发布该任务职业的暴露度，同一任务在不同职业中面临的瓶颈压力差异很大。
- 约 90% 被标注的任务提及落在该职业自身 ONET 任务列表之外，说明招聘文本比职业级分类粒度细得多。
- 约 53% 的瓶颈压力变异来自「同一任务、跨职业」的差异。
- 压力在可自动化与不可自动化任务大致对半分的职业达到峰值，排名与暴露度显著不同；随着任务压力上升，人际与监督类工作占比提高，体力工作下降。
论文致谢中还标注了 Claude Opus 5.5 与 GPT-6 Astra 担任研究助理。
所属事件:2.88 亿招聘数据论文提出「瓶颈压力」AI 价值度量(4 条相关)→
「漫话AGI」频道最新
- Altman 暗示 OpenAI 内部模型数学能力远超公开版,并谈限制递归自我改进 — VraserX · 2026-10-22
- 前 OpenAI 员工断言：AI 圈地理差距拉大，纽约落后旧金山 4-7 个月 — jefrankle · 2026-10-22
- AI 圈激辩数学证明形式化：先批量形式化教科书再让 AI 跳板可行吗 — jacobaustin132 · 2026-10-22
- 形式化正确 ≠ 理解证明：AI 数学证明辩论的核心分歧点 — eigenstate · 2026-10-22
- Bratton:机器智能是「发现」而非「发明」,社会必须反向适应 AGI — bratton · 2026-10-22
- 外交事务长文：AI 是「发明方法的方法」，潜力等于工业革命加启蒙运动 — sebkrier · 2026-10-22