OpenAI 研究人員曾發(fā)文稱「約 80% 美國人的工作將被 AI 影響」。

文章的結(jié)論是，至少80%的美國勞動力會受到影響，他們的工作的10%會被GPT所替代。其中甚至有19%的美國勞動力的50%工作會被替代。

但需要注意的是，OpenAI的研究是對于美國職業(yè)來說的，中國的勞動力市場和美國有不少差異。

那中國的勞動力市場，有哪些職業(yè)的替代率最高，哪些職業(yè)的替代率最低呢？

今天看到了一篇詳細(xì)的，用數(shù)據(jù)分析的結(jié)論，分享給大家！

因此最近兩周，我們使用中國在過去8年的數(shù)億條招聘數(shù)據(jù)完成了這個研究，看中國哪些職業(yè)最有可能被GPT之類的大語言模型和其衍生品替代。

分析不同職業(yè)被GPT替代的可能性，需要對每種職業(yè)的職能和具體工作進(jìn)行分拆。

比如你籠統(tǒng)地問，“人力資源專員”這個職業(yè)，被GPT替代的可能性有多大呀？

這類問題就不好回答，因為太模糊了。

但是你可以根據(jù)招聘網(wǎng)站的情況，將“人力資源專員”給分拆成不同的職能，比如：

1、新員工的招聘，員工入職手續(xù)辦理

2、安排以及開展新員工入職培訓(xùn)

3、考勤及工資績效的核算

4、維護(hù)和拓展公司招聘渠道，協(xié)助社招及其他招聘活動

去問其中一個職能，例如“安排以及開展新員工入職培訓(xùn)”，人力資源專員工作的這一部分有多大可能被GPT替代，就直觀了一些。

我們還可以繼續(xù)分拆，把“安排以及開展新員工入職培訓(xùn)”，進(jìn)一步分拆成下列具體工作內(nèi)容——1，撰寫、準(zhǔn)備培訓(xùn)材料；2，交流、溝通并安排計劃時間表；3，演講、培訓(xùn)，提升員工技能……

再問其中每一個具體工作，

撰寫準(zhǔn)備培訓(xùn)材料，GPT可以替代多少？

交流和溝通安排時間表，GPT可以替代多少？

演講培訓(xùn)，GPT可以替代多少？

我們用O*net的數(shù)據(jù)，將中國的職業(yè)映射到O*net，再分拆成19265條工作任務(wù)和23534種工作內(nèi)容。

這么分拆下來，每一個職業(yè)拆分研究，再匯總，那么我們對每一個職業(yè)中有多少部分可以被GPT替代，就比較有把握了。

分析每一種具體的職能和工作內(nèi)容被GPT替代的可能性。

但是，要分析19265種工作任務(wù)，23534種工作內(nèi)容其中的每一種被GPT替代的可能性有多大，也是一個非常繁重的工作。一般來說我們會讓人工來打標(biāo)，這么四萬條內(nèi)容全部打標(biāo)，大概一個人就需要1周，一個人力的成本就要至少1萬元。這已經(jīng)是最低的價格了。

但我們知道，在對美國研究的工作論文中，OpenAI的工作論文提出了一種重要的方法。那就是讓GPT來打標(biāo)。

那我們何不也用GPT來打標(biāo)呢？

于是我們用了GPT的API，讓GPT扮演打分者，大概是這樣的prompt：

你是一名“大型語言模型替代勞動力評估師”。大型語言模型，是一種用于處理和生成自然語言文本的深度學(xué)習(xí)模型，最新的大型語言模型能夠基于自然語言文本生成、描述創(chuàng)建圖像與視頻。在這樣的背景下，你需要從“該任務(wù)是否能夠在大語言模型幫助下，在同樣時間達(dá)成同樣產(chǎn)出或者同樣效果的前提下，減少人類勞動時間的參與”的角度，給下列每一個任務(wù)打分。評分從0到5分，0代表該任務(wù)不能通過大語言模型的幫助減少人類勞動投入，1代表可以減少20%人類勞動投入，2代表可以減少40%的人類勞動投入，3代表可以減少60%的人類勞動投入，4代表可以減少80%的人類勞動投入，5代表可以減少100%的人類勞動投入，即該任務(wù)不再需要人類勞動參與。你的評分，代表著大語言模型可以在每一個任務(wù)中節(jié)省多少比例的勞動投入，請根據(jù)當(dāng)前大語言模型的進(jìn)步情況和你認(rèn)為未來可能的發(fā)展?fàn)顩r，謹(jǐn)慎評分。請按照“id,評分”的格式，每一行返回一條任務(wù)的評分結(jié)果。

這段算是API里面system部分輸入的內(nèi)容，然后在內(nèi)容部分輸入具體的工作任務(wù)和工作內(nèi)容，GPT就會刷刷返回了，一次可以輸入100條，gpt-3.5-turbo的返回很快，一屏幕一屏幕的0-5的分?jǐn)?shù)就這么回來了。

說實話，在看到這一屏屏的分?jǐn)?shù)出來，知道這是GPT在為自己能多大程度上替代人類勞動打分，有種審判日到了的感覺。

由于任務(wù)已經(jīng)被拆解得比較細(xì)致，對于每一條任務(wù)的打標(biāo)將會十分準(zhǔn)確，穩(wěn)健性也極高。更重要的是，使用GPT打標(biāo)，成本之低令人發(fā)指。標(biāo)注4萬條內(nèi)容，每次標(biāo)注100條，只需要400次，一次標(biāo)注和返回大約在4000token左右，且主要內(nèi)容是在prompt中，使用GPT-4的模型，每標(biāo)注100條，僅需要0.12美元。也就是說，共標(biāo)注4萬條內(nèi)容，只需要耗費48美元。如果使用不那么精確，但速度更快且更便宜的gpt-3.5-tubo模型，4萬條只需要耗費3美元。在這樣簡單的任務(wù)上，GPT-4和gpt-3.5-turbo的表現(xiàn)幾乎沒有差異。

人類數(shù)據(jù)標(biāo)注員要完成4萬條內(nèi)容的標(biāo)注，需要至少1萬元，一星期。

GPT只需要半小時，3美元，合20元人民幣左右。

而兩者的質(zhì)量是幾乎一樣的。

因此，很難不再次強調(diào)一遍這樣的事實——

剛剛出現(xiàn)沒幾年的全新職業(yè)——人類標(biāo)注員，他們喂養(yǎng)出來的大型語言模型GPT，在完成一項“GPT能夠替代哪些職業(yè)”的標(biāo)注工作任務(wù)時，首先替代掉了把GPT訓(xùn)練成材的人類數(shù)據(jù)標(biāo)注員自己。

將標(biāo)注結(jié)果匯總到職業(yè)層面

使用下圖的流程，我們將每一個具體工作被GPT替代的可能性匯總到每一個職業(yè)上。

就能得到中國所有職業(yè)被GPT替代的可能性了。下表是招聘規(guī)模比較大的職業(yè)被GPT替代可能性的前25名和后25名：

上表的這50個職業(yè)，可以理解為未來職業(yè)發(fā)展的晴雨表。

AI替代率最高的職業(yè)是翻譯，其次是保險核保專業(yè)人員以及劇作家。這三個職業(yè)，有90%以上的工作任務(wù)和內(nèi)容都暴露在AI替代的風(fēng)險中。

接下來，視覺傳達(dá)設(shè)計人員、裝飾美工、美術(shù)編輯、廣告設(shè)計師、剪輯師，這些與美術(shù)、視頻、作圖相關(guān)的職業(yè)，被AI替代的工作內(nèi)容也超過了80%。

文字編輯、網(wǎng)絡(luò)編輯、文學(xué)作家、文字記者，這些與文字生成和修改高度相關(guān)的職業(yè)，被替代的工作內(nèi)容也超過了75%。

呼叫中心服務(wù)員、前廳服務(wù)員（即為賓客提供咨詢、迎送、入住登記、結(jié)賬等前廳服務(wù)的人員）、節(jié)目主持人、秘書……這些職業(yè)，也出現(xiàn)在了前25名中。

不過最出乎意料的可能還是排名第25的計算機程序設(shè)計員，平均來說，程序員有75%的工作內(nèi)容，面臨被AI替代的風(fēng)險。

AI替代率最低的職業(yè)主要是各種制造業(yè)相關(guān)藍(lán)領(lǐng)人員。這并不意外，因為我們讓GPT評分標(biāo)注時扮演的角色就是“大型語言模型替代勞動力評估師”，它自然無法評估可能被其他機器所替代的職業(yè)。但仍然有幾個制造業(yè)工人以外的人員值得注意——綠化工、保潔員、洗衣師、按摩師、美甲師、中式面點師……看起來并不需要太高學(xué)歷，工資也不算最高的這些職業(yè)，反而成了最難被AI替代的職業(yè)。

容易被替代的職業(yè)都有什么樣的特征？

在OpenAI的那篇工作論文中，研究者發(fā)現(xiàn)了穩(wěn)定的正相關(guān)關(guān)系——工資越高的職業(yè)，被GPT們替代的可能性越高。這個趨勢在年收入大于10萬美元的職業(yè)之后才區(qū)域相反，見下圖。

但在我們的研究中，在中國，每個職業(yè)能夠被GPT替代的程度和該職業(yè)的收入?yún)s并沒有相關(guān)性，見下圖：

但是，每個職業(yè)除了工資以外，還有一個重要的參數(shù)——成長性。

“成長性”是我們另外計算的一個數(shù)據(jù)，是使用分經(jīng)驗?zāi)甓鹊恼衅笉徫粩?shù)據(jù)，計算跨年度的經(jīng)驗-工資差異得出的。

舉個例子，A崗位，在2018年時，市場上對0年經(jīng)驗需求的招聘崗位平均工資為5000元。2019年時，市場上對1年經(jīng)驗需求的A崗位招聘平均工資為6000元。

不難發(fā)現(xiàn)，2018年0年經(jīng)驗的這批人，和2019年時有1年經(jīng)驗的這批人來自同一個隊列。因此，6000÷5000=120%，就是同一個隊列的人口，從2018到2019年，0到1年經(jīng)驗帶來的工資增長倍數(shù)。

我們算出所有年份，包括2015到2016、2016到2017……2020到2021、2021到2022這樣7個0到1年的經(jīng)驗帶來的工資增長倍數(shù)，再按照招聘人數(shù)加權(quán)求平均，就得到了A崗位在過去8年時的0到1年經(jīng)驗帶來的工資增長倍數(shù)。

用同樣的方法，我們再一次算出1到2年的工資增長倍數(shù)、2到3年的工資增長倍數(shù)……8到9年的工資增長倍數(shù)。將每一年的工資增長倍數(shù)連乘，就得到了這個崗位從0年經(jīng)驗到9年經(jīng)驗一共10年工作的工資增長倍數(shù)，將這個倍數(shù)再開九次方，就得到了這個職業(yè)的“成長性”，即每增加一年工作年限，工資可能上升多少。

那么，從業(yè)年限的工資增長率，即這個工作的“成長性”，和每個職業(yè)的AI替代率之間存在什么關(guān)系？

可以看到，各職業(yè)的AI替代率，和每個職業(yè)的年限工資增長率有著非常顯著的關(guān)系，兩者之間存在正相關(guān)的顯著性水平在0.001以下。如果我們將上圖改為分段柱狀圖，我們將可以看到更明顯的趨勢。

從上圖可以看到，每增加一年從業(yè)年限工資增長最慢，低于8%的職業(yè)，相對最不容易被AI替代的。但如果一個職業(yè)每工作一年工資增長超過20%，被AI替代的可能性平均將大于60%。

這個趨勢，說明的是在本輪大語言模型和其衍生出來的相關(guān)AI的一個顯著特征，那就是人們在一個行業(yè)上積累的經(jīng)驗、學(xué)到的技巧、掌握的訣竅，是被大語言模型首先替代掉的東西。

被GPT們替代掉的，究竟是什么？

“成長性”越高的工作，越容易被替代，這說明什么呢？

第一種可能，是因為那些學(xué)習(xí)、工作后能積累更多經(jīng)驗，提高更快生產(chǎn)率的職業(yè)，本身更貴，因此更促使人們?nèi)フ业侥芴娲@些職業(yè)的AI，給這樣的AI產(chǎn)品更大的投資，因此這樣更貴的勞動力就成了第一批犧牲品。

這樣的說法初看有道理，但我們也能找到很多反例。最大的反例就是自動駕駛。一方面，駕駛這個技能，人們學(xué)習(xí)幾個小時至多十幾個小時就能掌握；另一方面，自動駕駛領(lǐng)域投資在人工智能行業(yè)內(nèi)數(shù)一數(shù)二，但目前的效果距離全路況自動駕駛依然有很長一段距離。

反過來，一些生物、化學(xué)方面的技能，化合物尋找、蛋白質(zhì)折疊，或者是在實驗流程上的全自動化，這些人們需要數(shù)年專業(yè)訓(xùn)練才能掌握的知識，盡管資本的介入比起自動駕駛只能算九牛一毛，卻已經(jīng)有了非常不錯的替代AI。

從這點看，因為某職業(yè)勞動更貴——為了節(jié)省這些勞動力而更多投資AI——更容易造出替代這些職業(yè)的AI，這樣的邏輯似乎是行不通的。

因此，我們不得不考慮第二種可能——AI確實已經(jīng)實現(xiàn)甚至超越了人類通過后天的實踐學(xué)習(xí)知識、積累經(jīng)驗和訣竅的技能。

是的，有必要再強調(diào)一遍，不是單個技能，也不是一組技能，而是那種通過艱苦的學(xué)習(xí)實踐來獲取知識、積累經(jīng)驗的技能，人類已經(jīng)落后于AI。那些高成長性的職業(yè)，不管現(xiàn)在是否還處在安全區(qū)，出現(xiàn)替代AI，也許就是這幾年，甚至幾個月之內(nèi)的事。

到頭來，那些人類孩提時期甚至出生時就已經(jīng)掌握的技能，那些精巧的人類生物學(xué)本能，似乎反而是AI最難模仿和替代的部分。

而那些后天學(xué)習(xí)到的知識，花上好長時間學(xué)會算術(shù)、學(xué)會寫作，學(xué)會畫畫，學(xué)會編程、學(xué)會做好看的ppt、學(xué)會看X光片、學(xué)會寫法律文書，學(xué)會很多種語言并且自如地交流……人類學(xué)會了各種各樣以此為傲的東西，并覺得這些特征似乎使人類和其他生物產(chǎn)生了哲學(xué)上的差異。

但在AI看來，這些東西一文不值。

審核編輯 ：李倩