人工智能暴露指数（TEAI）的建立共分为三步，首先，从O∗NET数据库中获取与每个标准职业分类（SOC）相关任务的描述。其次，将大型语言模型（LLM）应用于任务描述，以获得关于AI技术完成每项任务的程度的评级。第三，将职业层面的评级进行汇总，得到人工智能职业分数。
TEAI建立完毕后，将其应用于美国劳动力数据，以评估美国劳动力市场中人工智能的暴露程度以及人工智能对就业和工资的影响。
研究一：人工智能和技能的关系
为探讨TEAI与不同技能之间的关系，将TEAI与Acemoglu和Autor（2011年）得出的职业层面不同技能类型的强度进行比较（图1）。该图显示了人工智能技术的特殊性，它与认知分析（cognitive analytical）和人际交往技能（interpersonal skills）呈正相关，而与常规手工技能（routine manual skills）和需要身体适应能力的非日常手工技能（non-routine manual skills that require physical adaptability）呈负相关。令人惊讶的是，与认知常规技能（cognitive routine skills）的相关性仅为每周一次的正相关，而与需要人际适应能力的非日常手工技能（non-routine manual skills that require interpersonal adaptability）的相关性则为正。
▲图 1 TEAI指数与不同技能强度测量的相关性图
图1中的结果纯粹是描述性的，因此，通过从O∗NET中提取与每个职业相关的详细技能，增加了一项更可靠的分析。通过研究（表1），TEAI与认知技能、解决问题和管理技能呈正相关，与社交技能呈负相关，与技术技能的关系则非常微弱。也就是说，认知技能、解决问题和管理技能强依赖于人工智能的发展，而人工智能很难影响到社交技能，对技术技能的影响很难定性评估。
研究二：人工智能和就业、工资的关系
为探讨TEAI与劳动力市场之间的关系，本研究预先分析接触人工智能技术的工人的规模和特征。首先，将TEAI分数的分布分为三个等级，分别代表高、中、低人工智能接触程度。随后，利用美国劳工统计局（BLS）的就业数据计算了美国人口的接触程度。最后，对每个分层内的职业组别和技能组别进行了区分，结果如图2a和图2b所示。总体而言，2023年美国34%的就业人口接触人工智能技术程度高，管理、行政、金融等岗位占比最大（超20%的人口），中度和低度接触分别占32%和34%，三者比例近似，占比均衡。
▲图 2a 按SOC分列的TEAI
紧接着，本研究探讨了人工智能接触深度对就业和工资增长的影响。图3a和3b展示了起始于2003-2007年，结束于2019-2023年的，以四年为一个窗口期的TEAI得分与就业和工资水平增长率之间的关系（采用95%置信区间）。其中，点估计值（图中红点）代表TEAI分数，因变量分别为就业和工资的年百分比增长率，图示结果表明，就业和工资与人工智能接触程度之间成正相关关系，在2003-2023年期间，受人工智能影响较多的职业在该职业和部门内的就业和工资增长更为强劲，AI的发展在一定程度上带动了就业和工资增长。
▲图 3a TEAI和就业增长
总结
一是TEAI与认知、解决问题和管理技能呈正相关，强调了人工智能的最新进展对管理和决策任务的重大影响，但与社交技能呈负相关。二是在2003-2023年期间，人工智能与就业和工资增长都呈正相关，表明人工智能对生产率有积极影响。因此，至少从中期来看，人工智能对劳动力市场有整体的积极影响。不过，估算显示，人工智能的高接触率影响了大约三分之一的美国劳动力，其中最大的部分是高技能工作。未来，人工智能对这些工人来说是机遇还是威胁，将取决于人工智能是补充还是替代人类劳动。
