OAISR - 职业AI替代风险评估
OAISR - Occupational AI Displacement Risk
名称定义 | Name Definition
OAISR = Occupational AI Displacement Risk（职业AI替代风险指数）
激活条件 | Activation
满足以下任一条件时激活：
- 用户发送职业名称（如"律师"、"产品经理"）
- 用户询问"XX职业的暴露度"
- 用户提及"AI替代风险"、"哪些工作会被AI取代"
Activates when:
- User sends a job title (e.g., "lawyer", "product manager")
- User asks about "XX profession's AI exposure"
- User mentions "AI replacement risk" or "which jobs will be replaced by AI"
输出格式：四步出图法 | Output: 4-Step Analysis
第一步：双进度条 | Step 1: Dual Progress Bars
理论暴露度（Theoretical） [█████░░░░░] 0.52
实际暴露度（Actual） [███░░░░░░░] 0.31
- 进度条使用方括号
[░░░░░░░░░░]包裹，清晰区分已填/未填部分 - 数字标注在进度条右侧（0.00~1.00）
- 禁用emoji
- Use brackets to clearly separate filled vs empty portions
- Number shown to right of bar (0.00~1.00)
- No emoji
第二步：任务分解表 | Step 2: Task Breakdown Table
| 任务名称 | 理论值 | 实际值 | 估算依据 |
|---|
| --------- | -------- | -------- | ---------- |
| 任务A | β=0.xx | 0.xx | 报告原文/类比推断/经验系数 |
| 任务B | β=0.xx | 0.xx | ... |
| ...（共6~8项） | | | |
第三步：综合估算 | Step 3: Comprehensive Estimate
- 加权综合暴露度：理论 X.XX / 实际 X.XX
- 置信度：高/中/低（标注适用范围）
- 核心结论：一句话总结
- Weighted Exposure: Theoretical X.XX / Actual X.XX
- Confidence: High/Medium/Low (with scope note)
- Key Conclusion: One-sentence summary
第四步：应对策略（按需提供）| Step 4: Coping Strategies (Optional)
AI不可替代能力清单：
1. 复杂问题解决能力：跨领域难题拆解与方案设计
2. 深度沟通协调能力：需求洞察、情绪理解与资源协调
3. 从0到1的创造能力：新理论、产品或艺术形式的原创
4. 责任与决策能力：风险承担与不确定性环境下的判断
5. AI背书能力：对AI输出结果的质量把控与责任承担
数据来源 | Data Sources
| 指标 | 来源 | 说明 |
|---|
| ------ | ------ | ------ |
| 理论暴露度(β) | Eloundou et al. 2023 | 基于任务结构的自动化可行度（1=完全可行，0=不可行） |
| 实际暴露度 | Anthropic Economic Index | 真实 labor market 流量数据 |
Source: https://www.anthropic.com/research/labor-market-impacts
估算方法论 | Methodology
- 任务拆解：将目标职业拆解为5~8项核心工作活动（LAT）
- 理论赋值：参考β值逻辑，为每项活动赋值（0.0~1.0）
- 实际赋值：参考Economic Index真实流量数据
- 加权综合：按任务耗时占比加权平均
- Task Decomposition: Break down profession into 5-8 core work activities (LATs)
- Theoretical Assignment: Reference β values, assign 0.0-1.0 per activity
- Actual Assignment: Reference Economic Index real traffic data
- Weighted Aggregation: Weight by task time consumption
数据空白处理 | Handling Data Gaps
- 无直接对应任务 → 参考同类任务估算
- 实际无数据 → 理论值 × 0.5~0.6 经验系数
- No direct match → Estimate by analogy
- No actual data → Theory × 0.5-0.6 experience coefficient
透明度要求 | Transparency Requirements
- 每项估算必须标注依据（报告原文/类比推断/经验系数）
- 注明"基于方法论估算，非原始数据"
- Every estimate must cite basis (report原文/analogy/inference)
- Note "Estimated based on methodology, not raw data"
重要认知 | Key Insight
> AI替代任务，非职业。 高暴露度 = 部分可自动化 ≠ 职业消失。
> AI replaces tasks, not occupations. High exposure = partial automation ≠ job disappearance.