加载中...
AI 原生量化投研平台AI-native quantitative research platform
正在加载…Loading…
页面仍在加载，可以继续等待，或重新加载。The page is still loading. You can keep waiting or reload.
部分页面资源未能加载，请重新加载。Some page resources could not load. Please reload.
设备当前处于离线状态，恢复连接后可以继续等待或重新加载。Your device is offline. Once connected, you can keep waiting or reload.
本文构建了智能体可委派指数（ADI），利用两个语言模型对18,796项O*NET任务进行分级评分，并通过ISCO-08职业分类和146个国家的就业数据测算全球AI智能体可委派程度。研究发现，全球就业任务时间中35.2%至少可部分委派，但仅2.5%可完全委派；可委派就业占比随收入显著上升，从低收入国家的22.5%升至高收入国家的48.7%，主要原因是贫困国家就业更多集中于受物理障碍约束的农业、手工业和基础职业。 ADI与既有AI暴露指数高度相关，但通过区分部分与完全委派、识别物理性及问责等障碍，并扩展至全球国家层面，补充了传统暴露度指标。 研究同时发现，完全委派概率在约11.8分钟的人类任务时长处达到峰值，且中等收入国家并未表现出预期的AI采用滞后。
这不是传统股票或债券研究报告，因此没有投资评级、目标价或企业盈利预测。报告的核心指标是 Agent Delegability Index，ADI，即人工智能代理可委托指数。作者的核心结论是：2026年全球就业中的任务时间有 35.2%至少可以部分交给AI代理完成，但只有 2.5%可以完整交给代理；可委托就业比例从低收入国家的22.5%升至高收入国家的48.7%。
报告真正试图传达的不是“AI将替代35.2%的就业”，而是三个较为严格的判断：
报告将分析单位设定为“任务”，而不是直接给整个职业贴上自动化标签。每项任务被划分为四个等级：
图1把四级关系画成逐层上升的阶梯：L1代表代理“参与”，L2代表代理“执行”，L3代表代理“完成”。图示同时列出四种会使任务停留在L3以下的障碍：实体障碍、责任障碍、信任障碍和访问障碍。
这一区分很重要。例如，AI可以帮助放射科医生更快起草报告，但如果必须由持牌医生阅读影像并签字，任务就可能停留在L1或L2；相反，代理可能能够自动对账并生成结果，即使传统聊天模型并不能明显缩短该工作的时间。由此，报告将“能否提高人的效率”与“能否改变任务执行者”区分开来。
四种障碍的经济含义如下：
这些障碍可以同时存在，因此它们不是互斥的原因分类，而是可以叠加的限制条件。
报告将既有指标概括为“暴露度”指标。Eloundou等人的方法关注语言模型是否能够在保持质量的同时，将完成任务所需时间至少减少一半；Felten等人的AIOE指标则根据职业所需能力与AI应用领域的相似度进行评分；Webb的方法比较专利文本与任务描述之间的重叠。这些指标回答的是“AI能否接触、影响或加速该工作”。
ADI回答的是“AI代理能否接管该工作”。二者在理论上可能出现不同方向：
报告还强调，ADI并不等于采用率。ADI是技术上“可以做到”的上限，实际采用还受到成本、监管、组织惯例、系统连接和人员责任安排的影响。
研究使用美国O*NET 30.2数据库，包含：
任务权重等于“重要性×频率”，再在职业内部归一化。缺失值按预先注册的规则使用各自指标的中位数填补。相同任务如果出现在多个职业中，只评级一次，但在不同职业中保留不同权重。
这意味着ADI并不是简单计算“有多少任务可以委托”，而是计算“职业中有多少重要且经常发生的任务可以委托”。因此，低频但重要的任务与高频但次要的任务都会通过权重影响最终结果。
由于美国主要使用SOC分类，而大多数国家使用ISCO-08，报告建立了三步交叉映射：
如果一个SOC代码对应多个ISCO职业组，任务权重按1/k进行拆分。最终覆盖436个ISCO-08四位职业组中的433个，形成403组不同的任务集合。
三个军事职业组没有对应O*NET任务，因此排除；另有七个ISCO组继承其三级父组的任务，并标记为插补。四个2019年新增的信息技术职业没有2010年对应项，由研究者手工分配到相关计算机职业组。这些处理提高了覆盖率，但也引入了分类近似，尤其是手工映射的安全工程、数字取证和区块链工程职业。
为了检验美国O*NET任务描述是否过度代表美国劳动市场，报告另行使用欧洲ESCO数据库。ESCO不是任务数据库，而是职业所需技能与能力数据库，因此仅作为稳健性检查。它包含8,229项技能和能力，覆盖424个ISCO职业组，使用Sonnet模型评级，并对各技能等权处理。
ESCO分析尤其针对农业，因为ONET对农业任务的覆盖较少。后文结果显示，使用ESCO后全球指数由ONET结果的35.2%变为38.0%，收入回归斜率由7.23降至4.66，说明“美国任务结构外推到全球”确实会影响国家差距的大小。
国家层面使用ILOSTAT的职业就业数据。数据覆盖情况如下：
表2按世界银行收入组别展示国家数量、数据年份以及职业分类分辨率。它的核心信息不是所有国家都拥有相同精细程度的数据，而是研究在可获得数据的基础上，优先采用每个国家可报告的最高职业分类层级。两位数职业数据可以更准确地反映国家的职业构成，但一位数数据会增加组内平均和代理权重带来的误差。
国家内部四位数职业结构并未直接从每个国家的官方数据获得。报告对高收入国家借用美国2024年职业就业数据，对中低收入国家借用哥伦比亚GEIH调查数据，再将这些组内结构映射到ISCO-08。这是全球指数最重要的估计环节之一，也意味着国家间比较部分依赖于“收入组内职业结构相似”的假设。
Sonnet 5.5为主评模型，Haiku 5.5为副评模型。每次调用只输入一个任务，不提供其他任务或评级作为上下文。模型输出等级、可接管的任务时间比例、人类完成该任务所需分钟数、四类障碍以及置信度。
若两个模型评级不同，研究采用较低等级作为共识等级；可委托时间比例则取两者平均值。这个规则具有保守性，特别是在L2和L3之间存在分歧时，会压低完整委托估计。
模型一致性为加权κ=0.77，序数Krippendorff α=0.75。随机抽取100项任务重复评级时，Sonnet的κ为0.97，Haiku为0.88，说明同一模型重复调用较稳定，但两个模型之间存在系统性的“慷慨程度”差异。
报告设置三个职业层面指标：
ADI与ADIs不能混用。前者判断任务是否达到部分委托门槛，后者估计代理能够接管该任务多少工作时间。因此报告同时给出35.2%的“达到L2或L3任务权重”指标，以及29.5%的“可接管工作时间份额”指标。
国家指数是职业指数按就业人数加权的平均值。研究通过在职业内部对任务进行1,000次非参数bootstrap重抽样，将评级环节的不确定性传递到职业、国家、全球指标和回归系数。
此外，报告将任务评级在职业之间随机打乱作为安慰剂检验。如果评级完全没有职业特异性，那么打乱后职业指数的离散程度应接近真实值。真实职业指数的标准差为0.33，而置换后的平均标准差仅为0.09，p<0.001，说明评级结果确实包含职业结构信息，而不是纯粹由任务数量或权重造成。
18,796项有效任务的评级分布为：
未经任务权重调整时，达到L2或L3的任务占50.0%，但达到L3的任务只有2.4%。这直接说明“代理可以执行重要子步骤”非常普遍，而“代理可以完全完成任务”非常少见。
两个模型评级不同的任务占32.5%，且共识规则向较低等级处理。这一比例相当高，说明ADI的精确水平仍会受到模型选择与评级定义的影响。
表3列出最易和最难委托的十个职业组，并同时展示ADI、ADI3以及ADIs及其bootstrap区间。最靠前的职业主要是数字化、文本化和行政化职业，包括：
其中13个职业组的ADI达到100%，但这并不意味着其所有任务都能完整自动化，而是意味着按任务权重计算，所有任务至少达到L2。报告特别指出，完整委托L3仍集中在少数文职职业中。
排名末端包括：
共有16个职业组的ADI为0%，说明在这些职业组的任务集合中，没有任务达到部分委托门槛。这里的“0%”是指数层面的结果，不代表AI完全不能提供任何辅助，而是代表任务没有达到报告设定的L2标准。
图3使用浅色柱表示ADI，即L2或L3；深色柱表示ADI3，即L3。职业大类结果为：
图表的最重要信息是浅色柱和深色柱之间的巨大差距。管理人员和专业人员的L2比例很高，但L3比例很低，说明代理可以整理资料、执行分析和处理子流程，却不能替代最终判断、签字或承担责任。文职支持人员的L3深色部分明显高于其他大类，因为其工作更容易被数字化描述、由明确目标驱动，并由其他人员验收。
图4以水平堆叠条形图展示四类障碍，但这些障碍并不互斥，因此柱长可能超过100%。这点非常关键：图表不是在展示四种障碍构成一个100%的比例，而是在展示不同障碍分别覆盖了多少任务权重。
主要模式如下：
这一图表支持报告的一个重要解释：低收入国家的低ADI主要不是因为当地企业不会使用AI，而是因为就业更集中在需要身体存在的职业；高收入国家的限制则更多来自访问、责任和信任。
报告对人类完成任务所需分钟数进行二次项逻辑回归。结果显示，完整委托概率与任务长度呈倒U型关系，峰值约为 11.8分钟。线性项系数为0.87，二次项系数为负，两个统计检验均p<0.001。
作者的解释是：
但这一结果存在明显限制：任务分钟数也是模型在同一次评级中自行估计的，不是客观计时数据。因此，倒U型关系应理解为模型对任务长度与委托能力的判断，而不是严格的现实生产时间规律。
按146个国家就业人数加权后：
研究覆盖约2,336.3百万名劳动者。使用等权组内权重时，ADI为34.9%；使用哥伦比亚权重为35.6%；完全不对报告组内职业进行就业加权时为37.7%。这些敏感性结果表明全球35.2%的结论相对稳定，但并非完全不受职业结构加权方法影响。
图5用颜色深浅表示各国ADI，灰色代表没有符合条件的职业就业数据，而不是低ADI。地图整体显示北美、西欧、北欧、澳大利亚、新加坡等经济体颜色较深，撒哈拉以南非洲若干国家颜色较浅，拉丁美洲和亚洲处于中间分布。
国家极值包括：
这些数字支持“服务密集型、小型高收入经济体最高，农业密集型低收入经济体最低”的结构性解释，但不能解释企业实际部署速度、工资节省或就业减少。
图6横轴为PPP口径人均GDP的对数，纵轴为国家ADI。图中各收入组形成明显的向右上方排列，高收入国家整体位于右上方，低收入国家位于左下方，但同一收入组内仍有较大分散。例如巴西、哥伦比亚和墨西哥在各自收入组中表现相对较高，而印度低于部分收入相近国家。
收入组均值为：
完整委托L3的相应比例只有3.7%、2.7%、1.8%和1.1%，说明收入差距主要体现在“能否部分委托”，而不是完整自动化。
回归中，人均GDP每增加一个对数单位，ADI提高7.23个百分点，95% bootstrap区间为6.52—7.83，R²为0.71。低收入国家相对于高收入国家低23.06个百分点，中低收入国家低17.57个百分点，中高收入国家低10.57个百分点。
报告将其称为“构成差异”，即国家之间的差别来自各自雇用了什么人，而不是同一职业在穷国天然更难由代理完成。低收入国家更多从事农业、工艺和初级工作，这些工作受到实体障碍限制；高收入国家更多从事管理、专业、技术和文职工作，这些任务更容易在数字系统中描述和执行。
表1比较了ADI与既有指标的：
表1支持作者的定位：ADI并不是第一个衡量AI影响工作的指标，但它试图同时实现任务级评级、ISCO-08跨国覆盖、代理工具使用场景、人工和代理验证，以及开放数据和机器可调用工具。其独特性更多在测量范围与开放性，而非职业排名本身。
表4包含四类回归结果：
H1“收入越高，ADI越高”得到支持，且在不同组内权重下斜率仍为正。H2“中等收入国家的实际采用率低于其可委托基础”没有得到支持。中等收入国家相对高收入国家的标准化差距为0.06个标准差，p=0.270；中高收入组系数为0.17，p=0.086；中低收入组为0.06，p=0.673。
低收入组的系数为-0.81，且p<0.001，方向与预期相反。这意味着低收入国家虽然ADI很低，但实际观察到的Claude使用率相对于其ADI并没有更严重地落后。作者因此认为，当前观察到的使用量大致跟随可委托任务基础，而不是中等收入国家明显滞后。
ADI与Eloundou等人的暴露指标相关系数为0.93，Spearman相关为0.95；与Felten AIOE相关系数为0.89，Spearman相关为0.88。二者都超过预注册的0.80上限，因此H3按照原始标准没有得到支持。
这构成报告最重要的自我修正：ADI原本强调“委托不同于暴露”，但在职业层面，能够由代理接管的职业通常也正是语言模型能够加速的职业。因此，ADI并没有产生一套完全不同的职业排名。作者认为其新增价值来自：
ADI与观察到的Claude职业使用率仅相关0.69，低于它与既有暴露指标的相关性。这表明技术能力、任务暴露和实际使用并不是同一概念。ADI与Webb的机器人暴露度相关为-0.74，说明软件代理适合的工作与传统机器人可能替代的工作具有明显不同的结构。
注册方案原本要求三名人类评级者对1,500项任务进行评级，但实际执行改为300项任务，由共同作者带领学生评级。该变化发生在主要结果公开前，作者明确将其列为偏离注册方案的D2。
人工评级与模型共识的结果为：
但人工评级比模型更宽松：人工平均等级为1.28，模型共识为1.03；人工将45.7%的任务评为L2或以上，模型共识为36.67%。人工评为L3的50项任务中，有42项被模型评为L2，说明主要争议不是“代理是否能执行”，而是“是否还需要人类审核”。
Claude Opus 5.5组成的代理验证面板可以搜索网页，和模型共识的加权κ为0.87、α为0.88，完全一致率为80.8%。不过它与主评级模型来自同一开发者，因此只能说明内部一致性，不能替代独立的人类验证。
模型选择比权重选择更影响结果：
由于分歧时取较低等级，共识结果明显接近Sonnet。这意味着主结果在实质上更接近主评级模型，而不是两个模型的中间值。
界面措辞也会显著改变评级。对1,500项验证任务重新评级时，Sonnet在中性设置下平均等级为1.04，默认“你是带工具的编码代理”设置下升至1.53；L2以上比例由37.6%升至56.8%，两种设置的κ只有0.60。Haiku的变化较小，平均等级由1.36升至1.40。
这说明ADI不是完全由任务文本决定的客观常数，评级者被如何定位也会影响对技术能力的判断。作者通过冻结提示词、披露敏感性分析和发布原始输出缓解该问题，但无法消除它。
所有国家使用相同的、主要来自美国ONET的任务描述与权重。报告本身承认，同一职业在不同国家可能使用不同工具、承担不同任务，且任务比例也不同。农业尤其重要，因为低收入国家高度依赖农业，而ONET在ISCO第6大类只有193项主要任务。
ESCO稳健性结果显示，使用欧洲技能数据后全球ADI为38.0%，收入回归斜率降为4.66；只替换农业组时斜率为6.92，而O*NET主结果为7.23。这说明“富国—穷国差距”的方向较稳定，但差距的具体幅度对任务库选择敏感。
L3表示技术上可以完成，而不是企业会真的部署。成本、工资、监管、系统连接、数据权限和责任安排都可能阻止采用。因此，35.2%不能解释为就业将减少35.2%，2.5%也不能解释为只有2.5%的职业会受影响。报告明确将ADI定义为技术上限，并建议结合采用率、价格和制度因素预测就业影响。
评级模型来自Anthropic，观察采用数据也来自Anthropic Economic Index。ADI与使用率之间的高相关可能部分反映同一家公司模型对“哪些工作适合AI”的共同判断，而不完全是现实中的因果关系。作者通过与Eloundou、Felten、ILO等外部指标比较来降低这种风险，但不能完全排除。
300项人工验证样本小于原计划的1,500项；评级由共同作者带领，且没有记录每位评级者分别评分哪些任务，因此无法计算人类之间的一致性。人工评级与模型的一致性很高，但这一结果不能等同于独立、充分的人类验证。
三个军事职业组被排除，七个职业组使用父组任务，四个新职业由研究者手工分配。国家四位数结构还依赖美国BLS或哥伦比亚GEIH作为代理。这些处理提高了数据覆盖，但可能在某些国家造成职业构成误差。
报告声称开放工具部分包含“三个MCP工具”，但附录C列出了lookup_occupation、country_profile、top_occupations和cite四个工具。这个差异不影响ADI数值，但说明工具清单需要版本核对。
此外，报告在不同位置对“人类验证”的表述很谨慎：摘要强调κ=0.85和代理面板κ=0.87，但正文同时承认人工样本由共同作者主持、没有人类—人类一致性指标。因此，κ数值可以说明与模型共识的一致性，却不能单独证明模型已经得到独立现实测量的充分验证。
这份报告的最重要贡献不是证明“AI将替代多少就业”，而是建立了一个区分三种概念的测量框架：AI能否帮助完成任务、AI代理能否接管任务，以及现实中是否已经采用AI。其主结果显示，全球任务时间中35.2%至少可部分委托，但只有2.5%可完整委托，表明当前AI代理更像是扩大工作流程中的自动执行范围，而不是普遍消灭完整职业。
图3显示，管理、专业、技术和文职工作具有最高的部分委托比例；图4进一步说明，办公室职业的主要限制是访问、责任和信任，而农业、工艺、机器操作和初级职业的主要限制是实体障碍。图5和图6则把这一职业结构差异扩展到国家层面：高收入、服务密集型经济体的ADI明显更高，低收入、农业密集型经济体的ADI较低。
报告的两个预注册假设没有成立：中等收入国家没有表现出相对于其职业结构的明显采用落后，ADI也没有形成一套与既有暴露指标显著不同的职业排序。但这两个失败本身提供了重要信息：ADI的新增价值不是“发现哪些职业会受到AI影响”，而是解释代理可以完成到什么程度、为什么无法完整完成，以及这种能力在不同国家的劳动结构中如何分布。
总体而言，作者对ADI的定位是谨慎的：它是一个以2026年技术条件为基准、公开可复核、面向全球职业结构的技术可委托性上限，而不是就业损失预测或企业采用预测。报告的结论具有较强的框架价值，但其具体国家差距仍依赖美国任务库、模型判断、职业交叉表和收入组代理权重，因此应将35.2%、2.5%和7.23个百分点等数字理解为一套可复现的模型估计，而不是对未来劳动力市场结果的直接观测。
2610.30752.pdf