O*NET权重应用受限，AI职业评估面临多重挑战
O*NET权重应用受限，AI职业评估面临多重挑战。数据显示仅不到三分之一相关任务具备足够覆盖范围以纳入加权计算。此外，统计功效不足、基准饱和及63%工作涉及物理组件等问题，均制约着评估的稳健性与适用范围。
# O*NET
共 2 篇相关文章
AI就业暴露研究失效：会计百年自动化回测揭示量化预测困境
Benedict Evans指出，量化AI对就业的“暴露度”研究存在根本缺陷。通过会计行业百年自动化历史回测发现，技术虽改变工作内容，但从业人数不降反增。职业分类失真、商业模式冲击及任务描述的不可穷尽性，使得基于O*NET等工具的静态分析无法准确预测AI带来的真实就业影响。