2023年GPT將如何影響我們的工作

GPT將如何影響我們的工作?

報告摘要：

OpenAI官網(wǎng)發(fā)布了最新研究論文GPTsareGPTs:Anearlylookatthe

labormarketimpactpotentialoflargelanguagemodels,論文中對LLM語

言模型和GPT對美國不同職業(yè)的潛在影響進(jìn)行了探討,論文研究結(jié)果表

明，在美國：

1、多數(shù)取業(yè)將受到GPT的沖擊：80%的工人有至少10%的任務(wù)可以

被GPT減少》50%的工作時間；19%的工人有至少50%的任務(wù)可以

被GPT減少》50%的工作時間；

2、GPT的影響橫跨各類薪資層級：盡管存在部分特殊情況，但整體來

看，工資越高，受GPT沖擊的程度越大；

3、職業(yè)技能與GPT的沖擊程度有關(guān)：科學(xué)和批判性思維技能最不容

易受GPT沖擊，而編程和寫作技能受影響的程度最高；

4、高學(xué)歷更容易受到GPT的沖擊：持有學(xué)士、碩士和更高學(xué)位的人比

沒有正規(guī)教育學(xué)歷的人更容易受到GPT的沖擊；

5、在取培訓(xùn)時間時長與GPT沖擊程度呈負(fù)相關(guān)：在職培訓(xùn)時長最長

的職業(yè)收入水平偏低，且受GPT沖擊程度最低，而沒有在職培訓(xùn)或

只需實習(xí)的工作則表現(xiàn)出更高的收入水平和更容易受GPT沖擊的

屬性。

6、證券相關(guān)和數(shù)據(jù)處理行業(yè)受GPT影響程度最高：在人類打分和GPT

打分模式下，證券商品合約及其他金融投資和數(shù)據(jù)處理托管分別是

受GPT沖擊程度最高的行業(yè)；在進(jìn)一步開發(fā)GPT衍生功能的情況

下，量化分析師的所有任務(wù)將被GPT降低50%以上的工作時間。

此外，我們運(yùn)用論文中的方法，對中國證券行業(yè)情況進(jìn)行了類似的打

分和統(tǒng)計，并得出如下結(jié)論：

1、受GPT沖擊的程度：二級賣方分析師〉投行一級市場〉基金經(jīng)理。

2、在經(jīng)過專業(yè)知識訓(xùn)練的LLM和GPT的幫助下，賣方分析師可能

有82%的任務(wù)將被減少50%以上的工作時間，基金經(jīng)理可能有

55%的任務(wù)被減少50%以上的工作時間。

與美國的對比：國內(nèi)賣方分析師、一級市場（投行）和基金經(jīng)理受到GPT

沖擊的程度可能略好于美國證券行業(yè)受沖擊的平均水平，這可能與量化

分析師比例和資本市場有效性的差異有關(guān)。

目錄

1.總結(jié)：GPT對工作的沖擊將跨越各個職業(yè)..........................4

2.統(tǒng)計指標(biāo)來源及解釋.............................................4

2.1.數(shù)據(jù)來源........................................................................4

2.1.1.美國職業(yè)、工作活動和任務(wù)數(shù)據(jù)的來源........................................................4

2.1.2.工資、就業(yè)及人口數(shù)據(jù)來源...................................................................5

2.2.暴露度Exposure:用于衡量GPT對各職業(yè)的沖擊程度..............................5

3.研究結(jié)論：30%的職業(yè)或任務(wù)將受到GPT沖擊......................7

4.研究結(jié)論：工資水平與GPT沖擊程度呈正相關(guān)......................8

5.研究結(jié)論：科學(xué)和批判性思維是受GPT沖擊最小的技能.............10

6.研究結(jié)論：學(xué)歷水平和在職培訓(xùn)時長與GPT沖擊程度相關(guān)..........12

7.研究結(jié)論：證券投資和數(shù)據(jù)處理可能是受沖擊程度最高的職業(yè)........14

8.對國內(nèi)的探討：賣方分析師N80%的工作可能受GPT沖擊...........20

圖表目錄

圖1:經(jīng)濟(jì)體暴露度（左圖：職業(yè)和任務(wù)暴露度的分布，右圖：工人和任務(wù)暴露度的分布）............8

圖2:各職業(yè)就業(yè)水平的暴露度分布（人類打分和GPT打分模式）..................................8

圖3:各取業(yè)工資的暴露度分布（人類打分和GPT打分模式）......................................9

圖4:五個工作區(qū)對應(yīng)的職業(yè)暴露度0.........................................................................................................................12

圖5:不同行業(yè)受GPT的影響程度（人類打分模式）..............................................16

圖6:不同行業(yè)受GPT的影響程度（GPT打分模式）..............................................17

圖7:全要素生產(chǎn)力和勞動生產(chǎn)力對暴露度并無顯著影響...........................................18

表1:O*NET數(shù)據(jù)庫中取業(yè)、任務(wù)和DWA的示例..................................................5

表2:GPT和人類打分兩種方式的一致性和皮爾遜相關(guān)系數(shù)情況....................................6

表3:統(tǒng)計數(shù)據(jù)匯總（人類打分和GPT打分）.....................................................7

表4:O*NET技能和暴露度的OLS回歸結(jié)果......................................................10

表5:O*NET技能的列表和定義.................................................................11

表6:不同工作區(qū)的分類方法及對應(yīng)的暴露度......................................................13

表7:按準(zhǔn)入學(xué)歷分職業(yè)暴露度的平均值..........................................................13

表8:按在職培訓(xùn)時長分職業(yè)暴露度的平均值......................................................13

表9:不同GPT技術(shù)水平下，受沖擊程度最高的聯(lián)業(yè)..............................................15

表10:對GPT沒有任何暴露度的行業(yè)主要以體力勞動為主.........................................19

表11:二級賣方分析師、一級市場投行和基金經(jīng)理受GPT沖擊的情況..............................20

表12:二級賣方分析師、一級市場投行和基金經(jīng)理的任務(wù)列表......................................21

表13:論文中關(guān)于暴露度分類的詳細(xì)定義.........................................................22

1.總結(jié)：GPT對工作的沖擊將跨越各個職業(yè)

3月17日，OpenAI官網(wǎng)發(fā)布最新研究論文GPTsareGPTs:Anearlylookatthelabor

marketimpactpotentialoflargelanguagemodels,對LLM語言模型，特別是GPT,

對美國不同職業(yè)和行業(yè)的潛在影響進(jìn)行了探討。我們將論文中的結(jié)論進(jìn)行了匯總：

1、多數(shù)職業(yè)將受到GPT的沖擊：80%的工人有至少10%的任務(wù)可以被GPT減少

>50%的工作時間；19%的工人有至少50%的任務(wù)可以被GPT減少>50%的工

作時間；

2、GPT的影響橫跨各類薪資層級：盡管存在部分特殊情況，但整體來看，工資越

高，受GPT沖擊的程度越大；

3、職業(yè)技能與GPT的沖擊程度有關(guān)：科學(xué)和批判性思維技能最不容易受GPT沖

擊，而編程和寫作技能受影響的程度最高；

4、高學(xué)歷更容易受到GPT的沖擊：持有學(xué)士、碩士和更高學(xué)位的人比沒有正規(guī)教

育學(xué)歷的人更容易受到GPT的沖擊；

5、在職培訓(xùn)時間時長與GPT沖擊程度有關(guān)：在職培訓(xùn)時長最長的職業(yè)收入水平偏

低，且受GPT沖擊程度最低，而沒有在職培訓(xùn)或只需實習(xí)的工作則表現(xiàn)出更高

的收入水平和更容易受GPT沖擊的屬性。

6、證券相關(guān)和數(shù)據(jù)處理行業(yè)受GPT影響程度最高：在人類打分和GPT打分模式

下，證券商品合約及其他金融投資和數(shù)據(jù)處理托管分別是受GPT沖擊程度最高

的行業(yè)；在直接調(diào)用GPT模型的情況下，口譯筆譯和數(shù)學(xué)家分別是受影響最大

的職業(yè)；在進(jìn)一步開發(fā)GPT衍生功能的情況下，數(shù)學(xué)家和會計審計則分別為受

影響最大的職業(yè)。

2.統(tǒng)計指標(biāo)來源及解釋

2.1.數(shù)據(jù)來源

2.1.1.美國取業(yè)、工作活動和任務(wù)數(shù)據(jù)的來源

論文中使用了O*NET27.2數(shù)據(jù)庫，包含1016種職業(yè)，以及各個職業(yè)的工作活動

(DetailedWorkActivities,簡稱DWA)和任務(wù)(Task)。論文中對工作活動和任務(wù)

給出了定義：

>詳細(xì)工作活動DWA是由完成任務(wù)構(gòu)成的綜合操作，大多數(shù)工作活動與一個或

多個任務(wù)相對應(yīng)，該數(shù)據(jù)集中包括2087種DWA;

>任務(wù)Task是某個特定職業(yè)的基礎(chǔ)單位，一項任務(wù)可以與0個、1個或多個DWA

關(guān)聯(lián)，且每個任務(wù)都有與之對應(yīng)的職業(yè)，該數(shù)據(jù)集中包括19265種任務(wù)。

例如，對于職業(yè)“急癥護(hù)理護(hù)士”，其工作活動DWA包括“操作診斷或治療性醫(yī)療儀

器或設(shè)備”和“準(zhǔn)備醫(yī)療用品或設(shè)備”，其任務(wù)包括“設(shè)置、操作或監(jiān)測侵入性設(shè)備和

裝置，例如結(jié)腸造口術(shù)或氣管切開術(shù)設(shè)備、機(jī)械呼吸機(jī)、導(dǎo)管、胃腸道管和中心插

管

表1:O*NET數(shù)據(jù)庫中取業(yè)、任務(wù)和DWA的示例

TaskIDOccupationTitleDWAsTaskDescription

14675ComputerSystemsMonitorcomputersystemperformanceMonitorsystemoperationtodelectpotential

Engineers/Architectstoensureproperoperation.problems.

18310AcuteCareNursesOperatediagnosticortherapeuticSetup.operate,ormonitorinvasive

medicalinstrumentsorequipment.equipmentanddevices,suchascolostomyor

Preparemedicalsuppliesorequipmenttracheotomyequipment,mechanical

foruse.ventilators,catheters,gastrointestinaltubes,

andcentrallines.

4668.0GamblingCageExecutesalesorotherfinancialCashchecksandprocesscreditcardadvances

Workerstransactions.forpatrons.

15709OnlineMerchantsExecutesalesorotherfinancialDelivere-mailconfirmationofcompleted

transactions.transactionsandshipment.

6529KindergartenInvolveparentvolunteersandolderstudentsin

Teachers,Exceptchildren'sactivitiestofacilitateinvolvement

SpecialEducationinfocused,complexplay.

6568ElementarySchool一Involveparentvolunteersandolderstudentsin

Teachers,Exceptchildren'sactivitiestofacilitateinvolvement

SpecialEducationinfocused,complexplay.

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguage

Models

2.1.2,工資、就業(yè)及人口數(shù)據(jù)來源

論文選取了美國勞工統(tǒng)計局（BureauofLaborStatistics,以下簡稱BLS）提供的2020

年和2021年職業(yè)就業(yè)系列中的就業(yè)和工資數(shù)據(jù)。該數(shù)據(jù)集包括職業(yè)名稱、每個職

業(yè)的工人數(shù)量、2031年職業(yè)水平的就業(yè)預(yù)測、取業(yè)準(zhǔn)入的教育水平以及獲得職業(yè)能

力所需的在職培訓(xùn)情況。BLS數(shù)據(jù)庫可以同O*NET數(shù)據(jù)庫進(jìn)行聯(lián)動：通過當(dāng)前人

口調(diào)查（CurrentPopulationSurvey,簡稱CPS）,將O*NET中的任務(wù)和工作活動數(shù)

據(jù)集與BLS勞動力人口統(tǒng)計數(shù)據(jù)聯(lián)系起來，形成截面數(shù)據(jù)。

2.2.暴露度Exposure:用于衡量GPT對各職業(yè)的沖擊程度

論文中設(shè)定了暴露度Exposure這一指標(biāo)，作為重點(diǎn)討論的對象。暴露度Exposure

用于衡量GPT對特定工作活動和任務(wù)的沖擊程度，即保證一項工作活動和任務(wù)完成

質(zhì)量相同的情況下，使用GPT或GPT驅(qū)動的系統(tǒng)是否能夠?qū)?zhí)行工作活動或任務(wù)

的所需時間減少50%以上。

論文采用了兩種暴露度的注釋方式，分別為人工評分法與GPT-4評級法：

>人工評分：通過對O*NET數(shù)據(jù)庫中的每一個工作活動DWA和任務(wù)進(jìn)行人為

歸類并注釋打分。

>GPT-4評級：采用早期版本的GPT-4對工作活動和任務(wù)進(jìn)行注釋打分。

論文將暴露度分為以下三類：

E0無暴露度：如果經(jīng)驗豐富的工人在高質(zhì)量完成任務(wù)時所需的時間沒有明顯減少

50%,或使用GPT相關(guān)技術(shù)會降低工作活動/任務(wù)的完成質(zhì)量，則定義為E0（例：

需要高強(qiáng)度人際互動的任務(wù)）。

E1直接暴露：在保證完成質(zhì)量相同的前提下，如果通過ChatGPT或OpcnAI直接訪

問LLM或GPT-4可以將完成工作活動或任務(wù)所需時間減少50%及以上，則將其定

義為E1（例：指令編寫、轉(zhuǎn)換文本和代碼的任務(wù)）。

E2LLM+暴露：直接訪問LLM不能將完成任務(wù)所需的時間減>50%,但在LLM基

礎(chǔ)上開發(fā)額外功能后可以達(dá)成目的，則定義該類工作活動和任務(wù)為E2（例：總結(jié)超

過2000字的文檔并回答關(guān)于文檔的問題）。

為了更為準(zhǔn)確地衡量暴露度這一指標(biāo)的統(tǒng)計學(xué)意義，論文中構(gòu)建了三個度量指標(biāo)，

a、p和，，分別衡量低、中、高水平下的GPT對各職業(yè)的沖擊程度。其中，a=El,

代表一個職業(yè)受GPT沖擊程度的下限；p=El+0.5*E2,其中E2的0.5倍權(quán)重旨在解

釋通過補(bǔ)充工具或應(yīng)用程序來完成任務(wù)/工作活動需要額外計算的暴露度；,=E1+E2,

代表一個職業(yè)受GPT沖擊程度的上限，可用于評估一項工作/任務(wù)對于GPT及GPT

驅(qū)動的系統(tǒng)的最大暴露度（即GPT進(jìn)一步開發(fā)后，一項工作/任務(wù)受到的最大影響）。

表2:GPT和人類打分兩種方式的一致性和皮爾遜相關(guān)系數(shù)情況

ComparisonyWeightingAgreementPearson's

GPT-4,Rubric1;HumanaEl80.8%0.223

BEl+.5*E265.6%0.591

E1+E282.1%0.654

GPT-4,Rubric2;HumanaEl81.8%0.221

BEl+.5*E265.6%0.538

El+E279.5%0.589

GPT-4,Rubric1;GPT-4,Rubric2aEl91.1%0.611

BEl+.5*E276.0%0.705

El+E282.4%0.680

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguage

Models

注：作者采用了兩種GPT-4的打分規(guī)則，論文中作者應(yīng)用了GPT-4規(guī)則1進(jìn)行統(tǒng)計解釋.

3.研究結(jié)論：30%的職業(yè)或任務(wù)將受到GPT沖擊

前文將暴露度Exposure這一指標(biāo)的定義進(jìn)行了描述，論文中還將暴露度的衡量指標(biāo)

a、0和C進(jìn)行了統(tǒng)計數(shù)據(jù)的匯總。不論采取人類打分的方式還是GPT-4打分，暴露

度a的均值在0.14左右，表示了從平均意義上說，15%左右的職業(yè)/任務(wù)暴露于GPT,

即15%左右的工作可能會被現(xiàn)有的LLM/GPT-4降低50%以上的工作時間。類似

地，暴露度0和C均值分別在0.3和0.5左右，代表30%/50%的取業(yè)或任務(wù)將受到

中/高水平的GPT沖擊，即減少工作時間50%及以上。

表3:統(tǒng)計數(shù)據(jù)匯總（人類打分和GPT打分）

OccupationLevelExposure

HumanGPT-4

meanstdmeanstd

a0.140.140.140.16

0.300.210.340.22

40.460.300.550.34

TaskLevelExposure

HumanGPT-4

meanstdmeanstd

a0.150.360.140.35

0.310.370.350.35

0.470.500.560.50

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguage

Models

4.研究結(jié)論：工資水平與GPT沖擊程度呈正相關(guān)

論文探索了職業(yè)、工人分布程度與暴露度之間的關(guān)系。對于中等水平的GPT（似

來說，約19%的工人有50%以上的任務(wù)將受到GPT的沖擊，80%的工人有10%以

上的任務(wù)受到了GPT的沖擊；18%的職業(yè)中有50%以上的任務(wù)受到了GPT的沖

擊。從圖表上看，職業(yè)/工人百分比的暴露度分布相似，表明GPT的沖擊程度與不

同職業(yè)下工人的情況無直接相關(guān)性.

圖1:經(jīng)濟(jì)體暴露度（左圖：職業(yè)和任務(wù)暴露度的分布，右圖：工人和任務(wù)暴露度的分布）

ExposureofoccupationstoautomationExposureofworkerstoautomation

Minimumpercentofexposedtasks

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels論文還對

工資、就業(yè)水平與暴露度的相關(guān)性進(jìn)行了探討。兩種打分模式下，盡管存

在一些高暴露度的低工資職業(yè)和低暴露度的高工資職業(yè)，整體圖表顯示，工資越高,

受GPT影響的程度也隨之增加。而GPT沖擊程度與就業(yè)水平則并無顯著關(guān)聯(lián)。

圖2:各取業(yè)就業(yè)水平的暴露度分布（人類打分和GPT打分模式）

ExposuretoGPTsbyOccupationExposuretoGPTsbyOccupation

06-06-

U

Brt

EL.

Hned

81012148101214

Log(7btalEmployment)Log(lotaIEmployment)

數(shù)據(jù)來源：GPTsarcGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels

圖3:各取業(yè)工資的暴露度分布（人類打分和GPT打分模式）

ExposuretoGPTsbyOccupation

Log(AnnualWage)

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels

5.研究結(jié)論：科學(xué)和批判性思維是受GPT沖擊最小的技能

論文研究了不同職業(yè)中技能重要性與GPT暴露度之間的關(guān)系。作者將O*NET數(shù)據(jù)

庫中的基本技能進(jìn)行標(biāo)準(zhǔn)化，并將其與暴露度指標(biāo)（a,仇G進(jìn)行回歸分析，檢險

技能重要性和暴露度之間的關(guān)聯(lián)度。結(jié)果表明,科學(xué)和批判性思維技能（Scienceand

CriticalThinking）與暴露度呈強(qiáng)烈的負(fù)相關(guān)（以0作為研究，相關(guān)系數(shù)分別-0.23和

-0.19）,即需要該技能的職業(yè)或任務(wù)不太可能受到GPT的沖擊；相反，編程和寫作

技能（ProgrammingandWriting）與暴露度呈現(xiàn)出強(qiáng)正相關(guān)（相關(guān)系數(shù)分別為0.62

和0.47）,即涉及該技能的職業(yè)更容易受到GPT的沖擊.

表4:O*NET技能和暴露度的OLS回歸結(jié)果

ap

(stderr)(stderr)(stderr)

Constant0.082***-0.112***0.300***

(0.011)(0.011)(0.057)

ActiveListening0.128**0.214***0.449***

(0.047)(0.043)(0.027)

Mathematics-0.127***0.161***0.787***

(0.026)(0.021)(0.049)

ReadingComprehension0.153***0.470***-0.346***

(0.041)(0.037)(0.017)

Science-0.114***-0.230***-0.346***

(0.014)(0.012)(0.017)

Speaking-0.0280.133***0.294***

(0.039)(0.033)(0.042)

Writing0.368***0.467***0.566***

(0.042)(0.037)(0.047)

ActiveLearning-0.157***-0.065**0.028

(0.027)(0.024)(0.032)

CriticalThinking-0.264***-0.196***-0.129**

(0.036)(0.033)(0.042)

LearningStrategies-0.072*-0.209***-0.346***

(0.028)(0.025)(0.034)

Monitoring-0.067**-0.149***-0.232***

(0.023)0.020)(0.026)

Programming0.637***0.623***0.609***

(0.030)(0.022)(0.024)

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguage

Models

表5:O*NET技能的列表和定義

技能名稱定義

ReadingComprehension理解與工作相關(guān)的文檔中的書面句子和段落

ActiveListening專注于他人的表達(dá)，理解所提出的觀點(diǎn)，適當(dāng)?shù)靥釂?，不在不恰?dāng)?shù)臅r間打斷

Writing根據(jù)受眾的需求以書面形式進(jìn)行有效溝通

Speaking與他人交談以有效傳達(dá)信息

Mathematics用數(shù)學(xué)方法解決問題

Science用科學(xué)的規(guī)則和方法解決問題

CriticalThinking使用邏輯和推理來確定替代解決方案、結(jié)論或解決問題方法的優(yōu)缺點(diǎn)

ActiveLearning了解新信息對當(dāng)前和未來問題解決和決策的影響

LearningStrategies在學(xué)習(xí)或教授新事物時選擇和使用適合情況的培訓(xùn)/指導(dǎo)方法和程序

Monitoring監(jiān)控/評估您自己、其他個人或組織的績效，以進(jìn)行改進(jìn)或采取糾正措施

Programming編寫計算機(jī)程序

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels

6.研究結(jié)論：學(xué)歷水平和在職培訓(xùn)時長與GPT沖擊程度相關(guān)

論文研究了不同工作類型的準(zhǔn)入壁壘與暴露程度的關(guān)系。作者選取O*NET數(shù)據(jù)庫

中的“工作區(qū)（JobZone）”概念作為變量，同一工作區(qū)中的職業(yè)在準(zhǔn)入教育水平、

準(zhǔn)入相關(guān)經(jīng)驗、在職培訓(xùn)程度方面具有更高的相似度.O*NET數(shù)據(jù)庫將工作區(qū)分為

5種，隨著準(zhǔn)入工作經(jīng)驗的增加，各工作區(qū)收入的中位數(shù)單調(diào)遞增，如工作區(qū)1的

準(zhǔn)入工作經(jīng)驗是3個月，收入的中位數(shù)為30,230美元，而工作區(qū)5的準(zhǔn)入工作經(jīng)驗

是為年，收入中位數(shù)為80,980美元。

研究結(jié)果顯示，從工作區(qū)1到工作區(qū)4,暴露度水平逐漸增加，但在工作區(qū)5則保

持相似甚至有所降低。平均來說，在不同工作區(qū)，50%以上任務(wù)受到GPT沖擊的職

業(yè)比例分別為0.00%（工作區(qū)1）、6.11%（工作區(qū)2）、10.57%（工作區(qū)3）、34.5%

（工作區(qū)4）和26.45%（工作區(qū)5）。

圖4:五個工作區(qū)對應(yīng)的職業(yè)暴露度p

ExposuretoGPTsbyJobZone

?2023Human(JobZone1.0)

▲2023r3odel(JobZone1.0)

?2023Human(JobZone2.0)

▲2023Modoi(JobZonv2.0)

?2023Human(JobZone3.0)

▲2023Model(JobZona3.0)

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels

表6:不同工作區(qū)的分類方法及對應(yīng)的暴露度

JobPreparationEducationExampleOccupationsMedianlotHMHMHM

ZoneRequiredRequiredIncomeEmpaaBB

(000)

1NoneorlittleHighschooldiplomaFoodpreparationworkers,$30,23013,1003.713.846.455.979.198.11

(0-3months)orGED(optional)dishwashers,floorsanders

2Some(3-12HighschooldiplomaOrderlies,customer$38.21573.9627.0311.8815.7419.5/24.4527.19

months)servicerepresentatives,

tellers

3Medium(1-2Vocationalschool,Electricians,barbers,54,81537,88111.2813.7226.0832.1140.8850.62

years)on-the-jobtraining,medicalassistants

orassociate'sdegree

4ConsiderableBachelor'sdegreeDatabaseadministrators,$77,34556,83322.6817.8；46.7851.3(70.8784.78

(2-4years)graphicdesigners,cost

estimators

5Extensive(4+Master'sdegreeorPharmacists,lawyers,$81,98021,22122.8113.3(43.1144663.4175.92

years)higherastronomers

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels論文還單

獨(dú)研究了職業(yè)準(zhǔn)入教育水平和在職培訓(xùn)情況與暴露度的關(guān)系。結(jié)果表明，

持有學(xué)士、碩士和更高學(xué)位的人比沒有正規(guī)教育學(xué)歷的人更容易受到GPT的沖擊；

在職培訓(xùn)時間最長的取業(yè)受GPT沖擊程度最低（且這類工作的收入水平更低），而

沒有在職培訓(xùn)或只需要實習(xí)的工作表現(xiàn)出更高的收入水平和更容易受GPT沖擊的

屬性。

表7:按準(zhǔn)入學(xué)歷分職業(yè)暴露度的平均值

MedianIncomeEmp(000s)HaMaHSM3H<M；

Noformaleducationalcredential$31,90036,1870.050.060.100.100.150.15

Highschooldiplomaorequivalent$45,47067,0330.090.130.200.250.310.37

Postsecondarynondegreeaward$48,3159,6360.070.150.190.280.310.41

Somecollege,nodegree$40,9702,8980.230.340390.530.550.72

Associate'sdegree$60,3603,5370.120.140.310.360.490.59

Bachelor'sdegree$78,37571,6980.230.170.470.510.700.84

Master'sdegree$79,6053,2160.260.140.460.440.660.74

Doctoralorprofessionaldegree$82,4205,2900.210.130.410.430.600.74

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels

表8:按在取培訓(xùn)時長分職業(yè)暴露度的平均值

Med(Med)IncEmp(000s)HaMaHAMAH<

None$77,44090,7760.200.160.420.460.630.76

Apprenticeship$55,9953,0660.010.020.040.060.070.10

Internship/residency$77,1103,0630.160.060.360.380.550.71

Short-termon-the-jobtraining$33,37066,2340.110.150.210.250.320.34

Moderate-termon-the-jobtraining$46,88031,2850.090.120.210.250.320.38

Long-termon-the-jobtraining$48,9255,0700.080.100.180.220.280.33

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels

7.研究結(jié)論：證券投資和數(shù)據(jù)處理可能是受沖擊程度最高的

職業(yè)

論文中對各行業(yè)受GPT沖擊的程度進(jìn)行了排序。結(jié)果表明，人類打分模式下，證券

商品合約及其他金融投資及相關(guān)活動是受GPT沖擊最為嚴(yán)重的行業(yè)，而GPT打分

模式下，數(shù)據(jù)處理托管和相關(guān)服務(wù)的受沖擊程度最高.

在直接調(diào)用GPT模型的情況下（暴露度a）,口譯筆譯和數(shù)學(xué)家分別是兩種打分模

式下受影響最大的職業(yè)。在進(jìn)一步開發(fā)GPT衍生功能的情況下（暴露度G，人類打

分模式中，有15項職業(yè)的所有任務(wù)都將被GPT降低50%以上的工作時間，包括數(shù)

學(xué)家、稅務(wù)準(zhǔn)備、量化分析師、作家、網(wǎng)頁和數(shù)字化頁面設(shè)計師；GPT打分模式中，

有86項職業(yè)的所有任務(wù)都將被GPT降低50%以上的工作時間，包括審計會計、新

聞分析記者、法務(wù)專員、臨床數(shù)據(jù)經(jīng)理、氣象變化政策分析師等。從方差角度看，

搜索營銷策略師、平面設(shè)計師、投資基金經(jīng)理、財務(wù)經(jīng)理、汽車損壞保險估價師可

能是受GPT影響程度爭議最大的幾項職業(yè)。

表9:不同GPT技術(shù)水平下，受沖擊程度最高的取業(yè)

GroupOccupationswithhighestexposure%Exposure

HumanaInterpretersandTranslators76.5

SurveyResearchers75.0

Poets,LyricistsandCreativeWriters68.8

AnimalScientists66.7

PublicRelationsSpecialists66.7

HumanpSurveyResearchers84.4

WritersandAuthors82.5

InterpretersandTranslators82.4

PublicRelationsSpecialists80.6

AnimalScientists77.8

Human(Mathematicians100.0

TaxPreparers100.0

FinancialQuantitativeAnalysts100.0

WritersandAuthors100.0

WebandDigitalInterfaceDesigners100.0

Humanslabeled15occupationsasHfullyexposed.n

ModelaMathematicians100.0

CorrespondenceClerks95.2

BlockchainEngineers94.1

CourtReportersandSimultaneousCaptioners92.9

ProofreadersandCopyMarkers90.9

ModelpMathematicians100.0

BlockchainEngineers97.1

CourtReportersandSimultaneousCaptioners96.4

ProofreadersandCopyMarkers95.5

CorrespondenceClerks95.2

Model(AccountantsandAuditors100.0

NewsAnalysts,Reporters,andJournalists100.0

LegalSecretariesandAdministrativeAssistants100.0

ClinicalDataManagers1(X).O

ClimateChangePolicyAnalysts100.0

Themodellabeled86occupationsas''fullyexposed.H

HighestvarianceSearchMarketingStrategists14.5

GraphicDesigners13.4

InvestmentFundManagers13.0

FinancialManagers13.0

InsuranceAppraisers,AutoDamage12.6

數(shù)據(jù)來源：GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguage

Models

圖5:不同行業(yè)受GPT的影響程度（人類打分模式）