2025生成式AI与就业报告_76页_3mb

该研究报告更新了国际劳工组织（ILO）2023年提出的全球职业暴露于生成式人工智能（GenAI）的指数，结合技术进步和用户熟练度调整方法。研究基于波兰6位数职业分类系统中的29,753项任务，通过调研1,640名波兰各1位数ISC-O08职业类别从业者，收集52,558个关于任务自动化潜力的数据点，并与专家意见及多轮德尔斐法讨论结合，构建了更全面的自动化知识库，用于预测ISC-O08技术文档中任务的自动化评分。

研究将职业暴露程度划分为四个梯度（梯度4至梯度1），对应高度至低度的自动化可能性。其中，行政职业（如文书处理员、数据录入员）仍保持最高暴露水平，约24%的全球就业与GenAI相关，而高收入国家（HICs）的高暴露职业占比达34%，女性在这些职业中的比例（4.7%）显著高于男性（2.4%）。不同国家的暴露分布呈现明显差异，低收入国家（LICs）整体暴露比例仅11%，但女性与男性的差距较弱。职业的自动化潜力不仅与技术可行性相关，还受性别、技能及国家经济结构的影响。

研究方法结合算法预测、人工调研和专家验证。初始通过GPT-4、GPT-4o和Gemini Flash 1.5等大型语言模型（LLMs）生成任务自动化评分，再由专家小组对特定任务进行校准，最终AI模型对所有任务评分进行调整。调整后，合成评分的相关性达0.96，显示模型稳定性。研究还发现，部分职业（如金融分析师、网络与多媒体开发人员）自动化潜力上升，而传统体力劳动职业（如机械操作员）评分下降，反映GenAI技术能力的扩展与职业转型趋势。

全球就业暴露数据表明，1/4的劳动者涉及GenAI相关的任务，其中3.3%的就业属于最高暴露梯度（梯度4）。职业变革（如部分自动化和人机协同）是GenAI对就业的主要影响，而非全面替代。研究强调，当前评分体系未体现全部技术冲击，引用的估算仅反映潜在影响，实际实施可能受限于基础设施、技能水平及社会接受度。此外，女性在高暴露职业中的比例更高，且高收入与低收入国家间的暴露差异显著，验证了技术对不同劳动群体的差异化影响。

结论指出，新的指数基于ISC-O08分类，适用于全球范围，并支持进一步分析各国职业暴露差异。研究建议未来工作可细化任务权重，纳入本地任务重要性，以及扩展至其他职业分类系统。关键影响是GenAI对自动化任务的潜在推动，但需通过人类-技术协作实现生产力提升，而非单纯替代。研究为政策制定者提供了工具，以预测职业变化并制定应对策略，同时呼吁更深入的本地化分析和跨职业分类系统的推广。