想象一下，经济就像一个巨大且繁忙的厨房，每一份工作都是一种不同的食谱。几十年来，经济学家一直试图理解新工具——比如一台高级新型搅拌机或一个机械臂——是如何改变这些食谱的。他们意识到，工作并不只是单一、不可分割的整体；它们实际上是更小任务的组合，比如切洋葱、搅拌酱汁或摆盘。这种“基于任务”的视角是科学家研究技术如何重塑工作的标准方式。如果机器人能更快地切洋葱，那么这项特定的任务就会发生变化，而这种变化会向上波动，影响整个工作。但这里有一个棘手之处：当我们把所有这些微小的任务相加，以观察一个完整的工作如何受到影响时，我们该如何计数呢？我们是把每项任务都看作一张平等的选票，还是根据工人实际在上面花费的时间来赋予权重？事实证明，这个关于“多少时间”的问题，正是那个可能完全改变我们对哪些工作最容易被人工智能转型的理解的“缺失配料”。
这篇由斯坦福大学和圣保罗大学研究人员撰写的论文，就像是一个针对美国劳动力进行的极其细致、大规模的时间追踪器。作者注意到，以往试图弄清楚哪些工作容易受到人工智能影响的研究，一直在猜测工人花在特定任务上的时间。有些研究只是计算一个职业有多少项任务，而另一些研究则使用了诸如“核心”或“补充”任务之类的粗略类别，将一次短短30秒的快速检查与一次长达4小时的深度分析视为同等对待。研究人员认为，这就像是通过计算场景的数量来评价一部电影，而不是看观众在剧情展开过程中花了多少时间。
为了解决这个问题，团队建立了一种新方法，来估算美国近1000个职业中近18,000种不同任务的实际时间份额。他们不仅仅是让计算机去猜测；他们将问题分解为两个部分。首先，他们观察了一项任务发生的频率（频率）。其次，这是巧妙之处，他们使用了一个语言模型（一种人工智能）对各项任务进行排序，以确定哪些任务在执行一次时耗时更长。然后，他们将这些排名输入到一个数学谜题（线性规划）中，该程序必须将所有内容合理地填入一个现实的7小时工作日内。这就像是在解一个拼图游戏，拼图的碎片是各项任务，而完整的画面则是完整的一天工作。
这项时间追踪实验的结果令人惊讶，并改变了讨论的格局。当研究人员应用他们的新的时间权重来观察哪些工作更容易受到人工智能的影响时，受影响最大的职业名单发生了剧烈变化。之前的研究表明，文书和行政类工作是最脆弱的，因为它们拥有最高数量的受人工智能影响的任务。然而，新的基于时间的视角表明，虽然这些工作有很多细小的、受影响的任务，但这些任务实际上并不占用工人大量的日常工作时间。相比之下，涉及深度分析、研究和写作的工作——尽管其总任务量可能较少——却将大量的工作时间投入到了这些特定任务上。
当作者利用其时间数据对前25个受影响最严重的职业进行重新排名时，其中有11个职业发生了位置交换。名单从文书角色转向了分析型角色。例如，他们发现对于一名按摩师来说，虽然列出的任务中有44%在技术上可能“受人工智能影响”，但这些任务仅占其实际工作时间的16%。相反，对于一名精算师来说，受影响的任务数量可能较少，但却消耗了其近90%的工作时间。论文指出，通过关注受人工智能影响的工作时间比例，而非仅仅是任务比例，我们可以得到一个更清晰、且往往更深刻的关于受影响角色程度的图景。作者谨慎地指出，这是一种衡量暴露程度的新方法，而非预测这些工作一定会消失，但这确实表明，受影响最严重的“头条”职业可能与我们之前认为的不同。
技术摘要：估算工作任务所占时间
问题陈述
经济学中的任务型框架将职业建模为任务的集合，这是分析技术（尤其是人工智能）如何影响工作的标准视角。虽然先前的研究通过聚合任务层面的效应来推导职业层面的结果（例如，自动化暴露度、工资变化），但对于如何为这些任务分配权重尚未达成共识。现有的方法依赖于具有特殊性或缺乏合理依据的启发式指标，例如 ONET 的“重要性”评分或“核心/补充”分类。尽管按工人从事任务的时间进行加权是一个在理论上合理的替代方案，但一直缺乏具有实证基础的时间份额估计。近期填补这一空白的尝试要么依赖于并非为此目的设计的粗糙 ONET 数据，要么依赖于对总时间份额进行黑箱化的语言模型（LM）诱导，后者缺乏透明的假设且无法针对基准真相进行验证。
方法论
作者提出了一种原则性的方法，用于估算全美 876 个职业中近 18,000 项任务的工作时间份额。该方法将完成单项任务的总时间分解为两个组成部分：
- 预期任务频率： 源自 ONET 从业人员调查数据和美国劳工统计数据（当前人口调查）。ONET 频率区间被转换为每日任务实例，并按职业层面的工作小时数进行归一化处理。
- 单次实例耗时： 通过求解约束满足问题（线性规划）而非直接从语言模型中诱导时间数值来估算。
约束满足法：
作者并未要求语言模型估计绝对时间持续时间（因为他们发现这与总工作日预算不一致），而是提示语言模型进行两两比较，以确定哪项任务完成单个实例所需的时间更长。
- 排序生成： 语言模型输出偏好（任务 A > 任务 B，任务 B > 任务 A，或“无法判断/相同”）。低置信度的配对会被舍弃。随后使用社会选择理论中的 Copeland 方法，为每个职业生成一个关于单次实例持续时间的总排序（排名）。
- 线性规划 (LP)： 作者构建了一个线性规划模型来寻找单次实例时间权重 w(t,o)，使其满足：
- 每日预算约束： 所有任务的（频率 × 单次实例时间）之和等于 7 小时工作日（考虑了休息等非任务活动）。
- 序数约束： 排名较高的任务的单次实例时间必须比排名较低的任务高出一个边际量 ϵ。
- 目标函数： 最大化职业内最长和最短单次实例任务之间的差距，以确保获得一个独特的解空间，尽管作者指出特定的目标函数对最终的可行域影响极小。
核心贡献
- 原则性地估算时间份额： 本文提供了首个涵盖近所有 O*NET 任务的时间份额权重数据集，超越了启发式方法，转向一种基于明确假设（频率数据 + 语言模型衍生的序数排名）的方法。
- 混合语言模型-人类验证： 作者通过以下方式验证其方法：
- 分析线性规划的解空间，以确保约束条件能够紧密锁定权重。
- 进行人类研究，让来自五种职业（人力资源经理、律师、秘书、软件开发人员、客服代表）的从业者根据单次实例持续时间对任务进行排序。由此衍生的线性规划排名与聚合的人类排名表现出显著的正相关性（肯德尔 τ 为 0.50–0.66）。
- 根据领域知识对任务频率进行抽查。
- 重新评估 AI 暴露度： 作者利用这些时间份额重新计算了美国职业对大语言模型（LLM）的暴露度，并将结果与广泛引用的 Eloundou 等人 [2024] 的“核心/补充”权重方案进行了比较。
结果
- 与先前指标的分歧： 基于时间加权的暴露度估计值与基于任务计数的估计值存在显著差异。先前的方法往往由于过度关注包含大量短促行政任务的职业而高估了其暴露度，而时间加权通过考虑实际的工作时长纠正了这一点。
- 扩大暴露度差距： 考虑时间份额会扩大最低暴露职业与最高暴露职业之间的差距。对于大多数职业，由于暴露的任务通常较短，其暴露度有所下降；但对于最高暴露的职业，由于暴露的任务（如分析或写作工作）占据了大量时间，其暴露度反而增加了。
- “最受暴露”职业的重组： 在使用时间份额进行重新加权时，原先被识别为受 AI 影响最大的前 25 个职业中有 11 个跌出了名单。这些职业主要是文书和客户服务角色（如簿记员、电话销售员）。取而代之的是分析类角色（如精算师、经济学家、统计学家），因为这些角色中少数高度暴露的任务（如数据分析、起草文件）占据了总工作时间的很大一部分。
- 案例研究：
- 按摩治疗师： 按任务计数，44% 的任务是“暴露”的，但这些任务仅占工作时间的 16%。
- 森林与保育工作者： 29% 的任务是暴露的，但仅占约 4% 的工作时间。
- 精算师： 37% 的任务是暴露的，但这些任务占总工作时间的 89%。
意义与主张
本文声称，时间份额是研究和政策制定有关劳动力经济学和技术经济学的“通用原语”。作者认为：
- 政策相关性： 当前媒体和政府报告关于 AI 对工作影响的讨论往往依赖于任务计数而非时间份额。这导致了一种偏差的叙事，即过度强调文书工作而低估了分析类角色。
- 方法论严谨性： 通过将频率与持续时间分离，并仅将语言模型用于序数排名而非直接时间估计，该方法在保持可扩展性的同时，避免了“黑箱”性质的直接时间估计问题。
- 纠正扭曲： 作者断言，其时间加权方法能更准确地刻画 AI 可能取代或增强劳动的程度，因为工资和经济价值通常是以单位时间来衡量的。
作者对局限性保持谦逊，承认时间份额权重可能会在职业内部发生变化，且可行解集虽然集中，但并非唯一的点。他们建议，可以通过使用新的频率数据或更新后的语言模型排名重新运行线性规划，从而实现对这些估计值的更新，以应对任务或 AI 能力的变化。
每周获取最佳 computer science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。