2023年9月，世界经济论坛和咨询公司埃森哲发布了白皮书《明日之职：大语言模型与就业》。世界经济论坛已发布包括《明日之职：描绘新经济中的机遇》、《明日之职：建设包容和可持续经济的社会和绿色就业》在内的《明日之职》系列报告，探讨劳动力转型问题。本次发布的《明日之职：大语言模型与就业》在以ChatGPT为代表的大语言模型不断融入生产、生活方方面面的时代背景下，探讨其对各行各业工作的潜在影响。

报告共分为六个部分，分别是前言；执行摘要；引言：大语言模型将如何影响未来的工作？；大语言模型与工作和任务的增长与衰退；以及结论。本系列文章将报告分为三期发布，下文为第一期（前言与执行摘要）：

前言

生成式人工智能，特别是大语言模型（LLMs），借助机器学习和自然语言处理的进步，代表了我们与信息互动以及工作方式的范式转变。这些技术能够创造原创内容，从大量数据中提炼见解，几乎以人类水平的精度翻译语言，甚至可以做出复杂决策。这些技术的多功能性和高效性可能对就业和未来工作产生深远影响。

虽然LLMs的应用可能会带来显著提升生产力、创造新型就业岗位，但也存在取代现有工作岗位的风险，加剧社会经济差异，并在全球劳动力中制造一种就业不安全感。因此，我们需要探索在工作场所整合人工智能的方法，以在抓住机遇和管理潜在干扰之间建立平衡。

生成式人工智能（AI）涵盖了一系列可以执行各种任务的技术。因此，关于其对工人潜在影响的公共讨论在不同时间范围内往往存在两极化和不确定性。在本报告中，我们关注大语言模型及其可以执行的活动。本文以一种结构化的方式来理解LLMs对具体工作的直接影响。这种分析将使利益相关者——企业领袖、政策制定者、工人和更广泛的公众——能够在技能培训、劳动力规划和其他战略投资方面做出更明智的决策。

生成式人工智能将通过新的运营模式以及新的产品和服务深度重塑行业和业务。然而，通过积极理解和解决直接的干扰，组织可以利用LLMs来提高生产力，开拓新机遇，同时确保员工平稳过渡。此外，本文提出的结构化方法来分析对工作的直接影响也为未来各个行业的技术进步提供了一个研究案例。

这份白皮书延续了我们“明日之职”系列，之前已经分析了绿色和社会岗位，现在旨在分析LLMs对工作的影响。在2023年底，该系列将以一个工具包的形式总结，以呼吁企业采取行动。该系列补充了《2023年未来就业报告》的结果，该报告深入研究了全球企业领袖对劳动力转型方向在所有关键区域和行业中的期望。

我们对新经济与社会中心（Centre for the New Economy and Society）的合作伙伴和成员，以及他们在就业议程方面的领导地位表示衷心感谢，同时也感谢埃森哲团队，他们是本报告的核心合作者。本文的研究结果将成为“就业联盟”的关键工具，该联盟由部长和首席执行官组成，旨在通过创造和过渡工作岗位来促进更美好的未来工作，也将成为“就业加速器”的工具，这是特定国家的促进公私合作的平台。通过企业、政府和工人的结构化分析、规划和积极准备，可以确保生成式人工智能和其他技术进步引领未来工作的改善和工人的新机会。

执行摘要

随着生成式人工智能（AI）的快速发展，大语言模型（LLMs）正以前所未有的速度崛起，成为具有重新定义就业格局潜力的变革性工具。像GitHub的Copilot、Midjourney和ChatGPT等工具的最新进展预计将在全球经济和劳动力市场引发重大变革。这些特定的技术进步与来自经济、地缘政治、绿色转型和技术力量的劳动力市场大幅动荡期相吻合。世界经济论坛的2023年《未来就业报告》预测，由于产业变革——包括人工智能和其他文本、图像和语音处理技术——全球23%的工作岗位将在未来五年发生变化。

本白皮书提供了LLMs对就业可能产生的直接近期影响的结构化分析。考虑到总工作时间的62%涉及基于语言的任务，广泛采用诸如ChatGPT之类的LLMs可能会对广泛范围的工作角色产生重大影响。

为了评估LLMs对就业的影响，本文对867种职业中的超过19,000项个体任务进行了分析，评估了每项任务对LLM的潜在暴露程度，并将它们分类为具有高度自动化潜力、高度增强潜力、两者皆有潜力的低潜力任务，或者不受影响的（非语言任务）。本文还介绍了由于采用LLMs而出现的新职业。

这些技术对重塑行业和业务模式的长期影响超出了本文的范围，但提出的结构化方法可以应用于技术变革的其他领域以及其对任务和工作的影响。

分析表明，由LLMs进行自动化潜力最高的任务往往是例行的、重复的任务，而具有增强潜力最高的任务则需要抽象推理和解决问题的能力。暴露潜力较低的任务需要高度的个人互动和合作。

–   潜在自动化程度最高的工作包括信贷审核员、检查员和办事员（可自动化工作时间的81%），管理分析师（70%），电话销售员（68%），统计助理（61%）和出纳员（60%）。

–   具有最高潜在任务增强能力的工作强调数学和科学分析，例如保险承保人（潜在的100%工作时间可以增强），生物工程师和生物医学工程师（84%），数学家（80%）和编辑（72%）。

–   具有较低自动化或增强潜力的工作是指预计将保持基本不变的工作，如教育、指导和职业顾问（84%的时间用于低暴露任务），牧师（84%），法律助理和法律助手（83%）以及家庭护理助手（75%）。

–   除了重塑现有工作，采用LLMs可能会在AI开发人员、界面和交互设计师、AI内容创作者、数据策展人以及AI道德和治理专家等工作类别中创造新角色。

–   通过将工作对行业层次的潜在暴露水平进行汇总来进行行业分析，注意到某些工作可能存在于多个行业。结果显示，总潜在暴露（自动化加增强措施）估计最高的行业是金融服务的两个部分：金融服务和资本市场以及保险和养老金管理。其次是信息技术和数字通信，然后是媒体、娱乐和体育。

–   同样，对功能组进行分析表明，对LLMs具有最大总潜在暴露的两个主题领域是信息技术，其工作时间的73%受到影响，以及金融，其工作时间的70%受到影响。

–   这些新发现直接关联到新经济与社会中心在《未来工作报告2023》中进行的早期工作。许多被发现具有大语言模型潜在自动化可能性的工作，也被企业领导预计在未来五年内将会出现就业下降，比如银行出纳员及相关文员、数据输入员以及行政和高级秘书等。与此同时，具有较高潜在增强可能性的工作预计将会增长，如人工智能和机器学习专家、数据分析师和科学家，以及数据库和网络专业人员等。这两份报告共同确认了技术变革与劳动力市场转型之间的重要主题。

本报告的研究结果揭示了大语言模型可能如何改变就业格局，为政策制定者、教育者和企业领导提供了宝贵的见解。大语言模型可能不会导致工作岗位的消失，而是可能引领一个基于任务的职业转型时期，需要采取积极的策略来为未来的工作岗位培训劳动力。

参考文献：https://www.weforum.org/whitepapers/jobs-of-tomorrow-large-language-models-and-jobs.