斯坦福大学构建了首个AI智能体劳动力市场审计框架，通过WORKBank数据库量化分析104种职业844项任务的自动化需求。研究揭示了46.1%的任务工人希望自动化，核心技能正从信息处理向人际能力转移，为AI研发方向提供了数据支撑。
智能速览
WORKBank数据库覆盖104种职业844项任务的双维度评估
46.1%的任务工人希望自动化，集中在低价值重复工作
任务分为四个区域：绿灯区、红灯区、研发机会区和低优先级区
工人偏好更高人类参与度，47.5%任务期望HAS级别高于专家评估
核心技能从信息处理转向人际与组织能力
41%的Y Combinator公司投资集中在低价值区域
精华内容
通过构建人类智能体量表(HAS)和WORKBank数据库，这项研究首次从工人需求和技术能力双视角，系统评估了AI智能体在劳动力市场的应用潜力与边界。
研究方法创新
研究团队开发了人类智能体量表(HAS)，将人机协作划分为H1到H5五个级别，从AI完全自主到必需人类参与。
通过音频增强调查，让1500名熟悉任务的工人和52位AI专家分别评估自动化需求和可行性。
从O*NET数据库的2131项任务中筛选出844项计算机兼容任务，确保分析的针对性和实用性。
数据验证显示工人分布与美国劳动力行业分布一致，专家评估的评分者间一致性达到0.539。
自动化需求图谱
研究发现46.1%的任务工人持积极自动化态度，主要动机是释放时间用于高价值工作(69.38%)和减少任务重复性(46.6%)。
税务准备员安排客户预约、公共安全电信人员维护紧急呼叫文件等事务性工作自动化意愿最高，达5.00分。
艺术、设计与媒体领域仅17.1%任务受自动化青睐，编辑撰写文本、平面设计师创建概念等创意工作意愿最低，仅为1.60-1.78分。
工人抵抗自动化的核心担忧包括对AI准确性不信任(45.0%)和担心失业(23.0%)。
四象限投资指引
研究构建了欲望-能力矩阵，将任务划分为四个区域。
绿灯区(13.3%任务)：高需求高能力，如税务准备员安排预约，是优先落地场景。
红灯区(10.6%任务)：高能力但低需求，如物流分析师联系供应商，警示需关注社会接受度。
研发机会区(18.5%任务)：高需求但低能力，如计算机科学家审批预算，需要技术突破。
低优先级区(57.6%任务)：低需求低能力，应减少资源投入。值得注意的是，41%的Y Combinator公司投资集中在低价值区域。
人机协作边界
HAS谱系分析显示，47.5%的任务中，工人期望的人类参与度高于专家评估的可行级别。
45.2%的职业以H3(平等合作)为主，强调人机协作而非完全替代。
编辑是唯一以H5(必需人类参与)为主的职业，体现内容创作的独特性。
这种认知差异反映了技术落地过程中的人机协作边界争议，需要更多社会层面的沟通和调整。
技能转移趋势
研究发现核心技能正从信息处理向人际能力转移。
信息分析、信息记录等纯信息处理技能，与薪资和人类参与度关联较弱，重要性明显下降。
培训教学、指导下属等人际协作技能，与薪资和人类参与度呈正相关，重要性显著上升。
高薪资技能与高人类代理需求技能的排名差异巨大，预示劳动力市场技能需求的根本性转变。
这项研究为AI智能体的研发与部署提供了科学的数据框架，揭示了技术能力与工人需求之间的匹配关系。未来需要更多关注红灯区任务的社会接受度问题，同时加速研发机会区的技术突破。对劳动者而言，提升人际协作能力将成为应对AI冲击的关键策略。
