研究引入了名为“观察暴露度”（observed exposure）的新指标，用以衡量 AI 替代劳动的风险。该指标结合了大语言模型（LLM）的理论能力与实际使用数据，优先考虑完全自动化和实际工作应用场景。
分析基于三个数据源：包含约 800 个美国职业的 O*NET 职业数据库、Anthropic 经济指数中的 AI 使用数据，以及 2023 年研究中的任务自动化能力评估。
β 量表评估 AI 加速工作的能力：如果 LLM 能使速度翻倍，则 β=1；如果需要额外工具支持，则 β=0.5；如果无法自动化，则 β=0。
结果显示，AI 目前仅发挥了其理论能力的一小部分。例如，计算机与数学类职业中 94% 的任务可由 LLM 辅助，但实际使用率仅约为 33%。
暴露度最高的职业包括计算机程序员（75% 的任务可自动化）、客服人员和录入员（约 67%）。
约 30% 的劳动者几乎不受 AI 影响，因为其任务未出现在使用数据中，包括厨师、摩托车修理工、救生员、调酒师和洗碗工。
与美国劳工统计局的预测对比显示，高 AI 暴露度的职业到 2034 年的就业增长趋势较低。
暴露度每增加 10 个百分点，预测的就业增长率就会下降约 0.6 个百分点。
受影响严重的职业群体通常年龄较大，女性比例高出 16 个百分点，平均收入高出 47%，且受教育程度更高。
拥有研究生学位的人在高度暴露组中占 17.4%，几乎是低暴露组（4.5%）的 4 倍。
自 2016 年至今的美国失业数据分析显示，自 2022 年底 ChatGPT 出现以来，尚无证据表明 AI 导致失业率上升。
然而，招聘数据出现了早期信号：22-25 岁年轻劳动力进入高 AI 暴露度职业的比例较 2022 年下降了约 14%。 📌 结论： 研究表明，AI 仍远未达到理论极限，尚未造成大规模失业。然而，编程、客户服务和财务分析等职业暴露度较高。受影响的群体通常收入高出 47%，学历更高。2016-2025 年的数据显示失业率未上升，但年轻人进入易被 AI 替代职位的比例下降了 14%，预示着 AI 的早期影响。
