美国工作时间的90%都花在 AI 基准测试覆盖不好的任务上
一项新分析声称，大约 90% 的美国工作任务并未体现在当前的 AI 基准测试中，这引发了关于当下模型究竟能在多大程度上自动化“真实”工作的争论。评论者认为，LLM 很适合范围明确、可验证的数字任务，如编程，但在构成大多数工作的混乱、政治性和体力性环节上表现吃力，从协调利益相关方到清洁劳动皆是如此。许多人认为短期收益将是有限且不均衡的，并担忧这会损害就业质量、加剧不平等，而自动化主要只是为雇主降本，而非广泛提升生活水平。
AI 基准测试的范围与真实工作
- 讨论串一致认为，基准测试主要覆盖的是数字化、反馈闭环紧密的任务，而不是工作中那些混乱的、人与人之间的，或体力性的多数部分。
- 几位评论者指出，基准测试往往瞄准高薪的“AI 暴露”岗位（法律、编程），却忽略支持性岗位（法律秘书、文员、餐饮服务、清洁）。
- 还有人认为，即使是“被覆盖”的职业，基准测试也只测到低价值的子任务，而不是最具杠杆效应的工作。
软件工程师实际都在做什么
- 许多人表示，他们只有很少一部分时间在写代码；大部分时间是：
- 处理利益相关方、政治博弈、预期管理、会议。
- 跨团队协调、集成，以及应对组织层级。
- 有一种强烈观点认为，编码从来就不是主要瓶颈；AI 加速的只是原本就很快的那一部分。
自动化优先级与约束
- 共识是：AI 最容易切入的是数字化、可验证、且能用可扩展合成训练数据覆盖的任务（代码、数学、部分后台工作）。
- 机器人和物理操作被视为最后一道障碍；对于机器人是否会在不久的将来在经济上胜过低工资劳动，存在争论。
- 有人预计最终“一切能表示成程序的东西”都会被自动化；也有人提到现实世界自动化进展缓慢而艰难。
经济与社会影响
- 对于技术是否已经在生活必需品（住房、医疗、食品）上带来“通缩”，还是主要让奢侈品更便宜，争议很大。
- 许多人预计 AI 会先侵蚀高薪白领工资，加剧不平等并掏空中产阶级。
- 有人将此视为减少高智商职业的“非劳动回报”；也有人认为这只是财富进一步向亿万富翁集中。
- 人们担忧结构性失业会大幅上升，尤其影响年轻人和入门级员工；并呼吁税收和社会政策变革（UBI、更多对资本/AI 征税）。
废话工作、隐形劳动与门卫谬误
- 争论有多少工作属于“废话工作”，以及有多少实际上是在执行难以衡量但真实存在的协调、安全和客户体验职能。
- 以门卫/接待员为例说明：自动化往往会忽视无形价值，直到这种价值消失后才被意识到。
生产力、瓶颈与 AI 炒作
- 讨论中援引了阿姆达尔定律和鲍莫尔成本病：如果审批、对齐和质量保证占主导，那么加速那 10–20% 可自动化部分，并不会改变结果。
- 个人层面上，许多人报告了显著的提速（例如编程、脚本编写），但宏观上的生产率或裁员规模变化至今并不明显。
- 有人担心 AI 被过度炒作成“夺走工作”的元凶，却又在缺乏良好基准测试的领域被低估。