誰在將任務委派給 AI？基於五萬三千種代理配置的研究證據
arXiv - Computers and SocietyHyeongjae Lee, Jihyang Cheon, Lanu Kim
研究提出「委派暴露度」概念，發現 AI 實際被委派的職業分布與傳統預測的高風險職業顯著不同。
AI 幫你先抓重點
AI 重點 1
區分「AI 能做什麼」與「人類實際委派什麼」的關鍵差異。
滑鼠懸停看 AI 判斷理由
這改變了我們評估 AI 衝擊的邏輯。過去我們關注 AI 的技術能力（Exposure），但實務上更應關注人類是否願意將工作流中的任務「委派」給 AI（Delegation），這涉及了工作流程的重組與信任問題。
AI 重點 2
高學歷專業人士對 AI 採用的保留現象。
滑鼠懸停看 AI 判斷理由
這顯示技術可行性並非決定 AI 採用的唯一因素。專業領域的「專業裁量權」與「任務規格化難度」是阻礙 AI 滲透的重要屏障，這對於理解未來人機協作模式至關重要。
核心研究發現
- 1
AI 委派集中於的職業分布，與先前 AI 框架所預測的高風險職業呈現顯著差異。
- 2
代理採用指數（AAI）衡量的是 AI 的潛在能力，而非目前勞工實際的使用現況。
- 3
AAI 在學士學位層級與中高薪資水平處達到峰值，但在最高薪資與最高學歷層級則呈現下降趨勢。
- 4
技術可用性雖能解釋大部分變異，但高學歷職業的採用率不足，反映出專業裁量權或任務難以規格化的影響。
對教育工作者的啟發
對於教育設計者而言，教學目標不應僅停留在「學生是否具備 AI 技能」，而應轉向「如何設計能與 AI 代理協作的工作流」。課程設計應著重於培養學生在 AI 委派任務後的「監督與裁量能力」，特別是針對高階專業領域，應強化那些 AI 難以規格化、需要高度專業判斷的任務訓練，以應對未來勞動力市場中「委派型工作」的轉型。
原始文獻資訊
- 英文標題：
- Who Delegates to AI? Evidence from 53,000 Agent Configurations
- 作者：
- Hyeongjae Lee, Jihyang Cheon, Lanu Kim
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。