AI暴露度
2023年OpenAI提出的关键概念：用大语言模型能力匹配职业任务描述，得出技术可行性的热力图。暴露度高≠被替代，暴露度是一张”可能受影响的”地图，不是”已发生变化的”时间表。
简介
AI暴露度（AI exposure）回答的是技术可行性问题：给定当前大模型能力，某职业的哪些任务可以显著缩短完成时间。它来自劳动经济学与 LLM 能力评估的交叉，用来把模糊的”AI 会不会取代我”拆成可度量的任务级热力图。
暴露度叙事在 2023 年春天进入公众视野，是之后三年 AI 与就业讨论的起点。它的价值在于校准粒度——从职业标签下沉到任务；它的误用则在于把”能做到”直接读成”已经发生”。理解暴露度，必须同时理解其后的校准：理论覆盖度与实际覆盖度之间，隔着组织部署、制度约束与资本偏好。
关键信息
核心特性
定义
2023年3月，OpenAI发布研究论文，将大语言模型（GPT系列）的能力与美国劳工部O*NET数据库中1016个职业的19265项任务进行逐一匹配。暴露度的定义是”任务可通过大语言模型显著减少完成时间（至少减少50%）“，核心含义是”技术能做到”，不等于”岗位会被替代”。
关键发现
- 约**80%的美国劳动者至少10%**的工作任务受到GPT影响
- 约**19%的劳动者超过50%**的任务暴露于AI
- 编程与写作技能的暴露度接近100%
- 数学家、报税员、量化分析师、作家、网页设计师排在风险排序前列
- 法律行业约**44%**的任务可自动化（高盛同月估算）
- 行政支持领域约**46%**的任务可自动化
同一时期的其他估算
- 高盛（2023年3月）：全球约3亿个全职岗位可能暴露于自动化
- 麦肯锡全球研究院（2023年6月）：生成式AI每年可为全球经济增加2.6万亿至4.4万亿美元产值；销售、营销、软件工程和客户运营是价值增量最大的四个职能
- 两份报告代表了2023年舆论场的两极：替代叙事和增量叙事
从暴露度到实际覆盖度的演进
2026年3月，Anthropic发布《Labor market impacts of AI: A new measure and early evidence》，首次将”理论AI覆盖度”与”实际AI覆盖度”分离：
- 法律、艺术与媒体、教育等领域理论覆盖度接近或超过80%，但实际应用高度集中在计算机与数学、商业与金融、管理、办公与行政四个领域
- 受AI影响最深的10个职业中，程序员排第一——与 2023 年高结构化任务优先穿透的排序高度重合
- 法律、教育等行业理论覆盖高而实际有限，原因常在制度、合规与组织流程，而非模型能力本身
- 从技术可行到组织部署之间的距离，是过去三年最被低估的变量
概念澄清
暴露度是一个技术可行性指标，不是就业预测。它只回答”AI技术上能做什么”，不回答”企业会不会部署”、“部署速度多快”、“人会如何适应”。混淆暴露度和替代率，是2023-2024年AI焦虑的主要来源之一。
不同素材中的观点
- 2026-07-16-woshipm-ai-career-transformation：详细梳理了暴露度概念从OpenAI 2023年提出到Anthropic 2026年校准的完整演进过程。指出暴露度叙事与增量叙事构成2023年舆论场的两极，后续三年人们反复在这两极之间摆动。核心贡献是将”暴露度≠替代”与”理论覆盖度vs实际覆盖度”的两个阶段串联为完整认知链；并说明高结构化、输入输出明确的任务最先被穿透。