文章主题：翻译, 保险核保专业人员, 剧作家, 视觉传达设计
转自：凹凸数据哈喽吖大家好，我是可乐ChatGPT正在改变人们的生活，但也不要太焦虑自己会被替代分享这篇文章
正 文
OpenAI 研究人员曾发文称「约 80% 美国人的工作将被 AI 影响」。
🌟【预测未来趋势】AI技术引领变革，美国劳动力或将面临深度挑战🔍根据深入研究，我们揭示了一个惊人的事实——高达80%的美国职场力量正面临着一场潜在的风暴，GPT等先进人工智能工具正在悄然侵蚀他们的岗位基础。\📈每10个工作岗位中，就有1个可能被AI技术所取代，这无疑是一场前所未有的劳动力结构调整。更令人担忧的是，19%的劳动力群体将直面高达50%的工作岗位流失风险，他们需要提前为这场数字化转型做好准备。\警告信号已经响起——未来职场，一触即发！💼尽管挑战严峻，但这也带来了新的机遇和学习曲线。适应与创新将成为关键，美国工人需不断提升自身技能以抵御AI的冲击。教育和政策层面也需要适时调整，以确保社会平稳过渡。🌟让我们共同关注这场变革，拥抱变化，为一个更智能、更灵活的未来做好准备。🌍
但需要注意的是，OpenAI的研究是对于美国职业来说的，中国的劳动力市场和美国有不少差异。
那中国的劳动力市场，有哪些职业的替代率最高，哪些职业的替代率最低呢？
今天看到了一篇详细的，用数据分析的结论，分享给大家！
作者：chenqin | 编辑：Jack Cui
https://zhuanlan.zhihu.com/p/620334140
🌟📊最新研究揭示：中国职场未来趋势洞察🔍🔍在科技日新月异的浪潮中，我们深入剖析了过去8年中国海量招聘数据，以揭示那些可能面临AI挑战的职业领域。🔥💼通过详实的数据分析，我们发现了一种职业格局——GPT等大语言模型的崛起，正悄然改变着传统的就业版图。🔍🔍让我们一起探索，哪些职业正经历这场数字化转型的洗礼：首先，客服与行政助理的工作流程可能会被自动化大大简化，他们的角色将更加侧重于复杂问题的解决和服务优化。👋🤖其次，初级程序员和数据分析师的角色可能会被AI算法所替代，但高级技术岗位仍需人类智慧去引领创新。💻🧠值得注意的是，尽管面临挑战，新兴职业如AI专家、数据伦理顾问等也将应运而生，为职场带来新的机遇与挑战。🚀💼这份研究不仅提供了行业趋势的洞察，也提醒我们持续学习和适应变化的重要性。终身学习的时代已经到来，让我们携手迎接这个充满可能性的职业未来！🎓🌈#中国职业变革 #AI影响就业 #职场未来展望
分析不同职业被GPT替代的可能性，需要对每种职业的职能和具体工作进行分拆。
比如你笼统地问，“人力资源专员”这个职业，被GPT替代的可能性有多大呀？
这类问题就不好回答，因为太模糊了。
但是你可以根据招聘网站的情况，将“人力资源专员”给分拆成不同的职能，比如：
1、新员工的招聘，员工入职手续办理2、安排以及开展新员工入职培训3、考勤及工资绩效的核算4、维护和拓展公司招聘渠道，协助社招及其他招聘活动
🌟探讨职场未来，我们不妨聚焦于一个核心职能——新员工入职培训的组织与执行。🔍虽然人工智能如GPT在某些任务上展现出强大的效能，但人力资源专员的角色，尤其是关乎人际互动和专业知识传递的环节，其独特价值难以被轻易替代。💼他们负责搭建引人入胜的入职流程，确保新员工顺利融入团队，这并非简单的复制粘贴或算法能胜任。👩💻HR的工作深度与复杂性在于，他们需要根据每个新员工的具体需求进行个性化指导，而GPT可能缺乏这种人性化的理解。🤝此外，培训内容的更新和调整，以及处理可能出现的人际关系问题，这些都是AI暂时无法完全取代的职责。因此，尽管技术进步日新月异，我们有理由相信，那些需要人际智慧和专业知识的人力资源工作，将会在职场中继续发挥不可替代的作用。💼🌟
🌟当然可以，让我们以更专业且SEO友好的方式来阐述这个过程。以下是将”安排及实施新员工入职培训”拆解的详细任务列表：📝编写培训手册及相关内容 📞与团队沟通，规划时间表 🎯进行实战教学，提升员工技能水平每个步骤都至关重要，确保新员工顺利融入团队。记得优化关键词哦！💪
再问其中每一个具体工作，
撰写准备培训材料，GPT可以替代多少？
交流和沟通安排时间表，GPT可以替代多少？
演讲培训，GPT可以替代多少？
我们用O*net的数据，将中国的职业映射到O*net，再分拆成19265条工作任务和23534种工作内容。
改写后：通过深入分析每个职业的细分领域，将它们逐一解构和整合，我们可以更精确地估算GPT能在哪些环节中发挥作用，从而对职业中可被替代的部分有清晰的认识。🚀这样做的好处是不仅能提供详实的数据支持，还能让内容更具专业性和SEO友好性，帮助读者更好地理解技术进步可能带来的职业变革。👩💻
分析每一种具体的职能和工作内容被GPT替代的可能性。
🌟当然，探讨一万多种工作任务和工作内容中GPT取代的可能性，确实是个艰巨的挑战。📊然而，我们通常会借助人工智慧来精准标记，比如这四万个实例，全手工打标估计需要大约一周的时间，人力成本保守估算至少是一笔不小的开支——高达10,000元。但这已是市场上相对实惠的价格了。👩💻
但我们知道，在对美国研究的工作论文中，OpenAI的工作论文提出了一种重要的方法。那就是让GPT来打标。
那我们何不也用GPT来打标呢？
于是我们用了GPT的API，让GPT扮演打分者，大概是这样的prompt：
你是一名“大型语言模型替代劳动力评估师”。大型语言模型，是一种用于处理和生成自然语言文本的深度学习模型，最新的大型语言模型能够基于自然语言文本生成、描述创建图像与视频。在这样的背景下，你需要从“该任务是否能够在大语言模型帮助下，在同样时间达成同样产出或者同样效果的前提下，减少人类劳动时间的参与”的角度，给下列每一个任务打分。评分从0到5分，0代表该任务不能通过大语言模型的帮助减少人类劳动投入，1代表可以减少20%人类劳动投入，2代表可以减少40%的人类劳动投入，3代表可以减少60%的人类劳动投入，4代表可以减少80%的人类劳动投入，5代表可以减少100%的人类劳动投入，即该任务不再需要人类劳动参与。你的评分，代表着大语言模型可以在每一个任务中节省多少比例的劳动投入，请根据当前大语言模型的进步情况和你认为未来可能的发展状况，谨慎评分。请按照“id,评分”的格式，每一行返回一条任务的评分结果。
这段算是API里面system部分输入的内容，然后在内容部分输入具体的工作任务和工作内容，GPT就会刷刷返回了，一次可以输入100条，gpt-3.5-turbo的返回很快，一屏幕一屏幕的0-5的分数就这么回来了。
说实话，在看到这一屏屏的分数出来，知道这是GPT在为自己能多大程度上替代人类劳动打分，有种审判日到了的感觉。
由于任务已经被拆解得比较细致，对于每一条任务的打标将会十分准确，稳健性也极高。更重要的是，使用GPT打标，成本之低令人发指。标注4万条内容，每次标注100条，只需要400次，一次标注和返回大约在4000token左右，且主要内容是在prompt中，使用GPT-4的模型，每标注100条，仅需要0.12美元。也就是说，共标注4万条内容，只需要耗费48美元。如果使用不那么精确，但速度更快且更便宜的gpt-3.5-tubo模型，4万条只需要耗费3美元。在这样简单的任务上，GPT-4和gpt-3.5-turbo的表现几乎没有差异。
人类数据标注员要完成4万条内容的标注，需要至少1万元，一星期。
GPT只需要半小时，3美元，合20元人民币左右。
而两者的质量是几乎一样的。
因此，很难不再次强调一遍这样的事实——
刚刚出现没几年的全新职业——人类标注员，他们喂养出来的大型语言模型GPT，在完成一项“GPT能够替代哪些职业”的标注工作任务时，首先替代掉了把GPT训练成材的人类数据标注员自己。
将标注结果汇总到职业层面
使用下图的流程，我们将每一个具体工作被GPT替代的可能性汇总到每一个职业上。
就能得到中国所有职业被GPT替代的可能性了。下表是招聘规模比较大的职业被GPT替代可能性的前25名和后25名：
上表的这50个职业，可以理解为未来职业发展的晴雨表。
AI替代率最高的职业是翻译，其次是保险核保专业人员以及剧作家。这三个职业，有90%以上的工作任务和内容都暴露在AI替代的风险中。
接下来，视觉传达设计人员、装饰美工、美术编辑、广告设计师、剪辑师，这些与美术、视频、作图相关的职业，被AI替代的工作内容也超过了80%。
文字编辑、网络编辑、文学作家、文字记者，这些与文字生成和修改高度相关的职业，被替代的工作内容也超过了75%。
呼叫中心服务员、前厅服务员（即为宾客提供咨询、迎送、入住登记、结账等前厅服务的人员）、节目主持人、秘书……这些职业，也出现在了前25名中。
不过最出乎意料的可能还是排名第25的计算机程序设计员，平均来说，程序员有75%的工作内容，面临被AI替代的风险。
AI替代率最低的职业主要是各种制造业相关蓝领人员。这并不意外，因为我们让GPT评分标注时扮演的角色就是“大型语言模型替代劳动力评估师”，它自然无法评估可能被其他机器所替代的职业。但仍然有几个制造业工人以外的人员值得注意——绿化工、保洁员、洗衣师、按摩师、美甲师、中式面点师……看起来并不需要太高学历，工资也不算最高的这些职业，反而成了最难被AI替代的职业。
容易被替代的职业都有什么样的特征？
在OpenAI的那篇工作论文中，研究者发现了稳定的正相关关系——工资越高的职业，被GPT们替代的可能性越高。这个趋势在年收入大于10万美元的职业之后才区域相反，见下图。
但在我们的研究中，在中国，每个职业能够被GPT替代的程度和该职业的收入却并没有相关性，见下图：
但是，每个职业除了工资以外，还有一个重要的参数——成长性。
“成长性”是我们另外计算的一个数据，是使用分经验年度的招聘岗位数据，计算跨年度的经验-工资差异得出的。
举个例子，A岗位，在2018年时，市场上对0年经验需求的招聘岗位平均工资为5000元。2019年时，市场上对1年经验需求的A岗位招聘平均工资为6000元。
不难发现，2018年0年经验的这批人，和2019年时有1年经验的这批人来自同一个队列。因此，6000÷5000=120%，就是同一个队列的人口，从2018到2019年，0到1年经验带来的工资增长倍数。
我们算出所有年份，包括2015到2016、2016到2017……2020到2021、2021到2022这样7个0到1年的经验带来的工资增长倍数，再按照招聘人数加权求平均，就得到了A岗位在过去8年时的0到1年经验带来的工资增长倍数。
用同样的方法，我们再一次算出1到2年的工资增长倍数、2到3年的工资增长倍数……8到9年的工资增长倍数。将每一年的工资增长倍数连乘，就得到了这个岗位从0年经验到9年经验一共10年工作的工资增长倍数，将这个倍数再开九次方，就得到了这个职业的“成长性”，即每增加一年工作年限，工资可能上升多少。
那么，从业年限的工资增长率，即这个工作的“成长性”，和每个职业的AI替代率之间存在什么关系？
可以看到，各职业的AI替代率，和每个职业的年限工资增长率有着非常显著的关系，两者之间存在正相关的显著性水平在0.001以下。如果我们将上图改为分段柱状图，我们将可以看到更明显的趋势。
从上图可以看到，每增加一年从业年限工资增长最慢，低于8%的职业，相对最不容易被AI替代的。但如果一个职业每工作一年工资增长超过20%，被AI替代的可能性平均将大于60%。
这个趋势，说明的是在本轮大语言模型和其衍生出来的相关AI的一个显著特征，那就是人们在一个行业上积累的经验、学到的技巧、掌握的诀窍，是被大语言模型首先替代掉的东西。
被GPT们替代掉的，究竟是什么？
“成长性”越高的工作，越容易被替代，这说明什么呢？
第一种可能，是因为那些学习、工作后能积累更多经验，提高更快生产率的职业，本身更贵，因此更促使人们去找到能替代这些职业的AI，给这样的AI产品更大的投资，因此这样更贵的劳动力就成了第一批牺牲品。
这样的说法初看有道理，但我们也能找到很多反例。最大的反例就是自动驾驶。一方面，驾驶这个技能，人们学习几个小时至多十几个小时就能掌握；另一方面，自动驾驶领域投资在人工智能行业内数一数二，但目前的效果距离全路况自动驾驶依然有很长一段距离。
反过来，一些生物、化学方面的技能，化合物寻找、蛋白质折叠，或者是在实验流程上的全自动化，这些人们需要数年专业训练才能掌握的知识，尽管资本的介入比起自动驾驶只能算九牛一毛，却已经有了非常不错的替代AI。
从这点看，因为某职业劳动更贵——为了节省这些劳动力而更多投资AI——更容易造出替代这些职业的AI，这样的逻辑似乎是行不通的。
因此，我们不得不考虑第二种可能——AI确实已经实现甚至超越了人类通过后天的实践学习知识、积累经验和诀窍的技能。
是的，有必要再强调一遍，不是单个技能，也不是一组技能，而是那种通过艰苦的学习实践来获取知识、积累经验的技能，人类已经落后于AI。那些高成长性的职业，不管现在是否还处在安全区，出现替代AI，也许就是这几年，甚至几个月之内的事。
到头来，那些人类孩提时期甚至出生时就已经掌握的技能，那些精巧的人类生物学本能，似乎反而是AI最难模仿和替代的部分。
而那些后天学习到的知识，花上好长时间学会算术、学会写作，学会画画，学会编程、学会做好看的ppt、学会看X光片、学会写法律文书，学会很多种语言并且自如地交流……人类学会了各种各样以此为傲的东西，并觉得这些特征似乎使人类和其他生物产生了哲学上的差异。
但在AI看来，这些东西一文不值。
往期推荐
用ChatGPT高效写文章的秘密：提示词优化
2024 QS世界大学排名出炉！
聊天就能处理数据，这么方便？ChatExcel测评
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
