未来工作辩论存在证据不足问题
文章指出关于未来工作的辩论缺乏可靠数据，呼吁基于实证的讨论，避免空泛推测。
当前关于AI对就业影响的讨论往往缺乏实证数据支持，Cohere认为政策制定者和企业应更多依赖事实而非推测。这种数据缺失可能导致决策偏差，因此需要系统性收集和分析证据来指导未来的工作模式。
正文摘录
关于未来工作形态的辩论，证据方面存在问题 关键要点 - 一篇 2023 年的论文估计 80% 的美国工人其工作任务会暴露给大型语言模型，该论文已被 IMF、欧洲议会引用，并出现在美国参议院的提案中。三年后，这篇论文的原始结论与其发现被应用的场景之间存在错位，这对政策决策产生了影响。 - 这些评分的局限性并非相互独立；针对某个模型、使用美国职业分类体系、分解为离散任务计算的评分，并非简单叠加这些约束，而是使其复杂化。 - 存在更动态、更具代表性且更可操作的证据衡量工具，但它们未能以政策讨论所需的速度传递给政策制定者。 - 政策制定者和研究人员都有责任弥合现有证据与所需决策之间的差距，并且双方都需要开始将工人视为这一过程中的合作伙伴，而非分析对象。 [阅读完整报告](https://arxiv.org/abs/2606.23633) 你可能听说过 AI 会取代你的工作。现实情况比任何一个单一数字所暗示的都要复杂。 当研究人员谈论 AI 对劳动力市场的影响时，最常讨论的概念之一是“暴露度”（exposure）。一个职业的暴露度评分估算了该职业的核心工作任务中有多少可能由 AI 系统更快、更便宜或同样好地完成。思路很简单：列出一系列职业，列出每个职业涉及的任务，然后问有多少任务 AI 可能 处理。 暴露度评分的存在是因为 [关于 AI 实际劳动力市场影响的实证证据尚无定论](https://www.piie.com/blogs/realtime-economics/2026/research-ai-and-labor-market-still-first-inning)。AI 的采用速度比我们当前劳动统计系统所能捕捉的要快——从历史上看，新技术的影响需要数年时间才能在就业和工资数据中清晰显现。在此期间，研究人员转向理论测量：基于 AI 理论上能做什么，来估计哪些工作最可能受到影响。