衝擊波與上升潮汐：AI自動化在數千項工作任務評估中的初步發現
arXiv - Artificial IntelligenceMatthias Mertens, Adam Kuzee, Brittany S. Harris, Harry Lyu, Wensu Li, Jonathan Rosenfeld, Meiri Anto, Martin Fleming, Neil Thompson
透過3,000+工作任務的17,000份工人評估，證實AI自動化呈現漸進式上升潮汐，而非突發衝擊波，並預測到2029年大多數文字任務成功率可達80–95%。
AI 幫你先抓重點
AI 重點 1
AI能力的漸進式提升（上升潮汐）是本研究的核心發現
滑鼠懸停看 AI 判斷理由
此觀點揭示AI自動化不會突然失控，而是持續擴散，對教育技術設計與學習資源分配具有長期影響，能幫助教師預測未來教學需求。
AI 重點 2
AI在2029年可達80–95%成功率的預測
滑鼠懸停看 AI 判斷理由
此預測提供了具體的時間框架，說明何時AI能夠支援大部分文字任務，對課程設計者決定何時引入AI輔助工具至關重要。
AI 重點 3
缺乏衝擊波現象的證據
滑鼠懸停看 AI 判斷理由
證明AI進步不會造成突發失業風險，對教育政策制定者評估AI對勞動市場的影響提供更穩健的依據。
核心研究發現
- 1
AI在3,000多項文字任務上已達到約50%成功率，並在2025年第三季提升至65%。
- 2
研究未發現“衝擊波”現象，與METR先前報告相反，顯示AI能力提升更為連續。
- 3
預測到2029年，LLM可在大多數文字任務中達到80–95%的成功率，且至少具備最低可接受品質。
- 4
若AI能力持續以目前速度增長，未來數年內可達到接近完美的成功率或更高品質的表現。
- 5
AI自動化的進展將改變勞動市場，企業採用AI將對經濟結構產生深遠影響。
對教育工作者的啟發
本研究顯示AI已能在多數文字任務中達到高成功率，教育工作者可依此調整教學內容與評量方式。例如，將重複性文字處理交由AI完成，教師可將時間投入於批判性思考與創造性討論。課程設計者亦可利用預測模型，選擇在2029年前先引入AI輔助工具，以提升學習成效與資源配置效率。政策制定者則可根據AI能力上升潮汐的趨勢，制定相應的職業再培訓與技能提升方案，減少勞動市場衝擊。
原始文獻資訊
- 英文標題：
- Crashing Waves vs. Rising Tides: Preliminary Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks
- 作者：
- Matthias Mertens, Adam Kuzee, Brittany S. Harris, Harry Lyu, Wensu Li, Jonathan Rosenfeld, Meiri Anto, Martin Fleming, Neil Thompson
- 來源：
- arXiv - Artificial Intelligence
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。