IT之家 7 月 25 日报道，谷歌首席经济学家法比安 · 库尔托 · 米利特于领英平台披露了内部代号为 ATLAS（活动、任务、环境与采用研究）的最新报告。该报告基于对 1500 万份去标识化 Google AI 交互日志的汇总分析，数据样本极为庞大，覆盖了全球 150 多个国家、140 种语言、800 种职业以及 4000 个具体任务。样本来源主要涵盖 Gemini 应用、搜索中的 AI 模式以及 Gemini API 的实际调用情况。报告核心结论指出，尽管 AI 的普及范围极广——全球已有 68% 的细分职业开始使用 AI，但在实际工作流中，这些职业仅在约 20% 的典型任务中调用 AI。谷歌将当前特征概括为“覆盖面广、使用深度浅”，即在多数实际场景下，AI 仍更偏向于辅助角色。在自动化维度，职场中的 AI 使用高度集中于构思、研究、草拟和学习等协作场景，而完全自动化任务的交互占比不足 10%。此外，报告还发现“非例行认知”类工作（如分析和创意设计）占据了职场 AI 交互的 65%，远高于其在整体经济任务中的占比。出人意料的是，超过 86% 的 AI 交互实际上发生在工作场景之外，主要用于家庭事务管理、购物研究及税务等政府服务的办理。
事件分析
这份报告的数据为审视当前 AI 落地现状提供了宝贵的宏观视角。数据明确反驳了“AI 将立即导致大规模失业”的激进观点，揭示了企业应用处于“广而不深”的试探性阶段。AI 目前主要被用于处理非例行、碎片化的认知任务，尚未嵌入核心业务流程的自动化闭环中，这反映出当前 AI 模型在长链条任务中的可靠性与执行能力仍存在瓶颈。高达 86% 的非工作场景交互占比，揭示了 C 端用户对 AI 的接受度实际上远高于 B 端规范化流程，且“助手”模式是目前最高频的刚需。从产业趋势看，未来 AI 产品的竞争焦点将从单纯的模型能力比拼，转向如何通过 Agent（智能体）技术和深度集成，提高单一任务中的自动化占比，真正实现从“辅助”到“执行”的跨越。
💡 核心观点：当前 AI 技术虽实现了广泛的职业覆盖，但受限于模型可靠性，仍处于“浅层辅助”阶段，突破“非例行认知”任务的应用瓶颈将是迈向深度自动化的关键。
原文链接：Linux.do
评论前必须登录！
立即登录 注册