關於人工智能對就業市場衝擊的討論持續升溫，但如何準確評估具體崗位的“AI暴露度”仍存在根本性分歧。科技分析師Benedict Evans在其最新文章中指出，試圖為不同工作、公司和行業分配AI暴露評分並繪製圖表，與大型語言模型進展進行對照，這種做法“基本上是不可能的”。與此同時，MIT Sloan Management Review的一篇文章將焦點轉向技術挑戰對員工壓力的隱性影響。文章援引數據稱，截至2022年，壓力導致醫療費用增加和生產力下降，在高收入國家造成的年度成本估計高達3000億美元。

政策內容

Benedict Evans在文章中詳細闡述了他的判斷依據。他認為，人們希望分析哪些工作、公司和行業最容易受到AI影響，並為此打分、製圖、追蹤LLM進展，但這一路徑面臨三重障礙。

“我認為這基本上是不可能的：你不知道工作將如何變化，你不知道圍繞這一點還會發生甚麼其他變化，而且你根本無法那樣衡量工作。”

Evans的核心論據在於，工作內容本身是動態的，AI技術的滲透會同時改變崗位職責、組織結構和行業生態，因此靜態的暴露評分難以捕捉真實影響。這一觀點對當前流行的“AI替代崗位清單”式分析提出了直接質疑。

MIT Sloan Management Review的文章則從另一個維度切入AI與就業的關係。文章指出，員工壓力已成為工作場所內外的重要社會問題，而數字工具和應用程序的激增——例如Zoom等——可能加劇了這一狀況。

文章引用數據表明，壓力帶來的經濟代價驚人：在高收入國家，壓力導致醫療支出增加和生產力下降，年度成本估計高達3000億美元。這一數字揭示了技術挑戰對勞動力市場的隱性影響，其規模不亞於直接的崗位替代效應。

適用對象

兩篇素材共同勾勒出AI就業衝擊的多面性。一方面，Evans強調崗位暴露度無法通過簡單評分預測，因為工作本身會演變；另一方面，MIT Sloan的研究提示，技術應用帶來的員工壓力成本已經十分可觀。

對於政策制定者而言，這意味著AI對勞動力市場的影響不僅涉及“哪些崗位會消失”的靜態問題，還涉及工作質量、心理健康和生產力等動態維度。如何設計兼顧就業轉型支持與員工福祉的政策框架，將成為後續討論的關鍵。

時間節點

目前，關於AI暴露度評估的方法論爭議仍在持續，而技術壓力成本的具體構成和應對措施也有待進一步研究。各方觀點均指向一個共識：AI對就業的影響遠比簡單評分複雜，需要更細緻的實證分析和政策回應。

注意事項

在討論AI就業影響時，需注意區分原文表述與通俗解釋。Benedict Evans的觀點基於工作動態變化的邏輯，而MIT Sloan的數據聚焦於壓力成本，兩者均未提供具體的執行細則或量化標準。政策制定應避免臆測未明確的執行細節，而應基於現有實證分析推進。