研究摘要Global

第三方研究摘要 · 国际劳工组织

AI 更可能重塑工作，而不是简单取代工作

国际劳工组织的全球指数显示，生成式 AI 具有广泛的潜在职业影响，但任务与岗位转型比简单替代更可能发生。

生成式 AI 与就业：全球职业暴露指数更新2025 年 5 月 20 日

阅读原始来源 ↗

概念视觉

独立编辑分析

本文是 FUURAA 基于所列公开来源撰写的编辑分析，与被引用机构相互独立。原始资料仍归其作者及发布机构署名，资料选择、综合与判断由 FUURAA 负责。除非另有明确说明，任何被引用机构均未审阅、认可或支持本文。

外部公开资料

公开来源说明了什么

国际劳工组织与波兰 NASK 估计，全球约四分之一的工作具有某种生成式 AI 潜在暴露，约 3.3% 的全球就业处于最高暴露类别；但“暴露”并不等同于“失业”。

报告的核心结论是：转型比替代更可能发生。影响会因职业、任务、国家、性别与收入水平而不同，因此不能用一个简单数字概括全球结果。

FUURAA 编辑分析

FUURAA 编辑观点

面向公共利益、以证据为基础的分析

更有价值的问题不是 AI 是否消灭某个岗位，而是工作如何被拆分、哪些任务得到增强、哪些判断必须由人承担，以及效率收益如何被合理分享。

Agent 系统应服务于可问责的人类工作：授权清楚、结果可复查、能力持续提升，并在高影响场景中具备升级机制。

核心判断

生成式 AI 的潜在职业暴露不能直接解释为岗位消失预测。更审慎的判断是，不同任务、职业与经济体将以不均衡方式经历工作重组。
转型质量与采用速度同样重要。如果员工失去参与权、技能、复核渠道或合理分享新增价值的机会，单纯的效率提升不能代表完整进步。
在后果重大的工作中，AI 辅助系统应保留可问责的人类判断，并让相关人员具备质疑、复核和否决系统输出的能力。

审慎理解职业暴露

国际劳工组织与波兰 NASK 估计，全球约四分之一的工作具有某种生成式 AI 潜在暴露，约 3.3% 的全球就业处于最高暴露类别。这些数字说明技术可能影响哪些工作，却不能直接证明多少岗位必然消失。报告更倾向于认为转型是一般情况下更可能出现的结果，并强调影响会因职业、任务、国家、性别和收入水平而变化。因此，公共讨论不应把一个具有差异性的暴露指数压缩成单一的失业结论，而应区分技术可能性、组织选择、经济条件以及雇主、员工和政策制定者的实际决策。

任务才是工作变化的实际单位

一个岗位通常不是单一活动，而是由常规处理、沟通、情境知识、专业判断、责任承担和人际关系等多种任务组成。AI 可能辅助其中一部分，另一些仍需要人类完成，也可能改变整个工作的先后顺序。因此，更准确的问题不是某个职业能否被自动化，而是哪些任务可以授权给系统、哪些结果必须复核、输出依据能否追踪，以及最终责任由谁承担。以任务为单位进行分析，可以避免把后果完全不同的工作套用同一种自动化方案，也有助于明确效率与风险出现在哪个环节。

工作转型必须保留员工参与权

既然报告指出不同国家、职业、性别和收入群体的影响并不相同，就不能假定收益与负担会自动公平分配。组织在重构流程时，应让受影响员工参与，说明系统如何使用，并提供真实可行的纠错与升级渠道。培训也不应只教授按钮操作，还应帮助员工识别系统局限、核实结果，并判断何时必须由人类专业意见优先。流程中名义上保留一位员工并不足以构成有效监督；监督者还必须拥有必要知识、充分时间、相关信息以及拒绝错误输出的实际权力。

Agent 系统应增强可问责工作

Agent 系统可能在呈现结果前自行规划和执行多个步骤，因此授权边界、任务记录、结果可复核性和高影响场景的升级机制更加重要。组织不能只测试一个流程是否更快，还要评估质量、韧性、安全和员工体验是否真正改善。凡是涉及生计、权利或安全的结果，责任都不能被转移给系统。AI 在工作中的长期价值，将取决于它能否帮助人类作出更好的判断、积累能力并理解过程，而不是让重要工作变得更难解释、更难纠正。

不同观点与不确定性

现有证据尚不能确定什么

审慎不应演变为认定所有自动化都有害。边界清楚的应用可以减少重复工作或支持员工，但其收益与人类影响都应经过评估，不能预先假定。
在流程中保留人工复核也不必然安全。如果复核者缺乏专业能力、时间、完整信息或否决权，所谓人类监督可能只是形式。

公共利益与各方影响

这对不同参与者意味着什么

公众

公众应能理解 AI 如何改变具体任务、哪些决定仍由人承担，以及出现错误或不公平结果时如何提出异议。

组织与产业

应以任务为单位重构工作，投资监督能力，并同时衡量质量、安全、包容性、员工体验与效率。

政策

转型支持措施应承认不同职业和群体的差异，不能把职业暴露估计当成已经确定的就业结果。

研究

持续观察任务构成、人类权限与收益分配如何变化，并特别关注报告所指出的差异化暴露群体。

下一步观察什么

组织是否开始衡量任务变化和工作质量，而不只是公布 AI 工具采用率。
培训是否让员工真正有能力核实、质疑并升级处理 AI 辅助决定。
职业、国家、性别和收入水平之间的影响差异是缩小还是进一步扩大。

结论

国际劳工组织的证据既不支持轻率乐观，也不支持把未来概括成大规模替代。它要求社会以任务为单位审视工作，区分暴露与实际结果，并让收益、风险和责任分配保持透明。AI 只有与有能力的人、可复核的流程和愿意衡量人类结果的制度结合，才可能推动更好的工作。FUURAA 的编辑立场是：技术进步与人的尊严必须放在同一框架中评估，并随着更充分证据出现而持续修正判断。

独立性与相关性披露

本文是 FUURAA 基于所列公开来源形成的独立编辑分析，不代表国际劳工组织或 NASK 的立场，不构成其对 FUURAA 的认可，也不把原研究结论延伸到其证据边界之外。

前瞻观察

实践重点

重新设计任务

区分常规自动化与判断、关系处理及高影响决策。

投资人的能力

培训应帮助员工监督、质疑并改进 AI 辅助工作。

衡量真实结果

除节省时间外，还应评估质量、安全、包容性与工作体验。