论文提出「瓶颈压力」指标:AI 替代不了的工作何时更值钱
soumitrashukla9 · x · 2026-10-28
Burning Glass Institute 的 Soumitra Shukla 发布论文《Technology Bottlenecks》,研究 AI 暴露度之外的问题:当 AI 加速了工作中它能做的部分,它做不了的任务其边际价值会如何上升。要点:
- 数据:2.88 亿条美国招聘信息,逐行映射到 ONET 任务,结合 Eloundou et al. (2024) 的 GPT-4 可行性评分,构建每个职业每项任务的「bottleneck pressure(瓶颈压力)」指标。
- 框架:对 AI 不可行的任务,其压力取决于发布该任务的职业本身的暴露度——同一任务在不同职业面临的瓶颈压力差异很大;职业层面的压力 = 暴露度 × AI 不可行工作的占比。
- 发现:约 90% 被匹配的任务提及落在该职业自身 ONET 任务列表之外;53% 的瓶颈压力变异来自任务内部、跨职业的差异。当招聘的工作在 AI 可行与不可行任务间大致均分时,职业压力达到峰值,因此其排名与单纯暴露度排序不同。
- 趋势:随任务压力上升,人际与监督类工作在 AI 不可行工作中的占比提高,体力工作下降。
结论:同时报告瓶颈压力与 AI 暴露度,既能看出 AI 可承接工作的范围,也能看出提升 AI 做不了的工作何时回报更高。
「漫话AGI」频道最新
- 神经科学家：未来十年决定 AI 与人类如何共存 — YiMaTweets · 2026-10-28
- Stack Overflow 月提问量跌破 1000,较 2014 峰值暴跌超 99% — DanielLockyer · 2026-10-28
- Navier-Stokes 突破已被视为常态,P vs NP 成下一个试金石 — haider1 · 2026-10-28
- Dario 姐妹淡看脑机接口,引发生人机共进化路线之争 — burny_tech · 2026-10-28
- 当购物都由 AI Agent 代理,广告业还有存在的意义吗? — VraserX · 2026-10-28
- 传闻汇总：OpenAI/Anthropic 内部模型靠游戏与模拟环境 RL 实现推理跃升 — imjustnewatai · 2026-10-28