那个"只有 3.3%"的 AI 暴露数字，对加拿大女性文职是 9.6%
关于 AI 与就业，被引用最多的安慰数字是国际劳工组织那个 3.3%——全球只有 3.3% 的就业落在生成式 AI 暴露最高的一档。这个数字是对的，但它是全球平均值，而全球平均值里装着一大批低收入国家的农业和体力劳动。
同一份报告把它按收入和性别拆开之后，数字变了形状：在高收入国家，落在最高暴露档的女性就业占 9.6%，男性 3.5%。高收入国家的总体暴露率是 34%，低收入国家是 11%。
源
加拿大是高收入国家。所以如果你是在温哥华做行政、文秘、簿记、客服或资料整理的女性，与你相关的那一格不是 3.3%，是 9.6%——差了将近三倍。
这份指数在量什么
ILO 这份工作论文更新的是它 2023 年那版全球职业暴露指数。方法是从波兰职业分类系统的 29,753 项任务里抽取代表性样本，调查 1,640 名分布在各个 ISCO-08 一位数职业组的在职者，收集了 52,558 个关于 2,861 项任务自动化潜力的数据点。这些结果再与一个较小规模的国际专家组做问卷和多轮德尔菲式讨论对照，最后训练出一个能为 ISCO-08 技术文档里的任务打分的 AI 助手。2025 年的分数被放进一个由低到高四档的暴露梯度框架里。源
这个方法本身就是一条要交给读者的信息。任务自动化潜力的原始判断来自波兰的职业分类和波兰的在职者样本，再由专家和模型外推到全球。它衡量的是"这项任务在多大程度上可能被生成式 AI 处理"，不是"这个人多久会失业"。
三个数字要一起记住：全球约四分之一的劳动者所处的职业存在某种程度的生成式 AI 暴露；3.3% 落在最高暴露档；文职职业依然是暴露水平最高的一组。源
为什么按国家收入拆开之后差这么多
高收入国家 34% 对低收入国家 11%，这个三倍差距不是因为高收入国家的 AI 更强，是因为它们的就业结构里文职和数字化岗位的占比高得多。低收入国家大量就业在农业和体力劳动，那些任务生成式 AI 目前碰不到。
同样的逻辑解释性别差距。全球最高暴露档里女性 4.7%、男性 2.4%，差不多两倍；到了高收入国家变成 9.6% 对 3.5%，接近三倍。ILO 写明，这些差异随国家收入上升而扩大。源
原因在职业分布上：文秘、行政助理、簿记、数据录入、基础客服这些高暴露岗位，在高收入国家里女性占比明显更高。国家越富，这类岗位在总就业里的比重越大，性别差距就被放得越开。
这一层对本地读者的意义很直接。温哥华的华人就业里，行政、前台、簿记、客服、翻译整理类岗位相当密集，而且以女性居多。全球那个 3.3% 对这批人是严重的低估。
报告自己没有说"会被替代"
同一份摘要里，ILO 的结论落在另一个词上：由于大多数职业由需要人类投入的任务组成，生成式 AI 最可能带来的影响是工作的转型，而不是整体替代。源
这句限定必须和 9.6% 一起读。暴露高不等于失业概率高，它等于"你这份工作里可被处理的任务比例高"。真正的风险形态通常不是职位名称突然消失，而是原来占满一整天的标准化任务被压缩到两小时之后，公司不再需要同样多的人做同样多的重复工作。
还有一层被大多数转述漏掉的更新。相比 2023 年那版，一些高度数字化的职业暴露度上升了，ILO 说这体现了生成式 AI 在专业和技术岗位的特定任务上能力扩张。源 也就是说，两年之间往上走的不只是文职那一格，专业技术岗位也在往里挪。
技能不稳定度其实在下降
另一把常被拿来吓人的尺子是世界经济论坛的 39%。这份《Future of Jobs Report 2025》于 2025 年 1 月 7 日发布，汇集了超过 1,000 家全球雇主的看法，这些雇主合计代表 22 个行业集群、55 个经济体的 1,400 多万名劳动者，观察期是 2025 到 2030 年。源
39% 指的是劳动者现有技能组合中会被改变或过时的平均比例。但报告紧接着写了一句几乎没被转述过的话：这个"技能不稳定度"相比历年版本是在放缓的——2023 年是 44%，2020 年疫情之后的高点是 57%。WEF 给的一个可能解释是，完成过培训、再培训或技能提升的劳动者比例在上升，从 2023 年版的 41% 升到 50%。源
57、44、39 这三个数排在一起，讲的是一个和"AI 让一切加速失控"相反的故事。技能变化的速度在这三版报告里是逐次下降的，而 AI 恰恰是这三年最热的那件事。
那个"100 人里 59 人需要培训"的比喻也有下半段。59 人当中，雇主预计 29 人可以在现岗位上完成技能提升，19 人可以在组织内部提升后转岗，只有 11 人可能拿不到所需的培训，就业前景因此面临风险。源
29 加 19 等于 48。也就是说，雇主预期中的技能提升，八成以上发生在你现在这家公司里面，而不是靠辞职去读一个新专业。这个分布直接决定了转型的第一步该往哪走。
雇主打算怎么做
WEF 同一份摘要给了四个并列的雇主计划，一起读才完整：85% 打算优先给现有员工做技能提升，70% 预计会招具备新技能的人，50% 打算把员工从萎缩岗位转到增长岗位，40% 打算在技能变得不再相关时裁减人员。源
单看 40% 是一个吓人的数字，四个放一起是另一幅图：多数雇主的第一反应是培训和内部转岗，裁减排在最后且比例最低。技能差距被 63% 的雇主列为业务转型的最大障碍，这也解释了为什么他们更想留住已经懂业务的人。源
至于补什么，报告有一个比"AI 与大数据排第一"更有用的答案。WEF 单独列出了最能区分增长岗位与萎缩岗位的几项技能：韧性、灵活性与敏捷性；资源管理与运营；质量控制；编程与技术素养。源
质量控制出现在这份名单上值得停一下。在一个越来越多初稿由机器产出的工作环境里，能判断产出好不好、错在哪、要不要放行，正在从一项后台职能变成一项核心技能。这和 ILO 那句"工作的转型而非替代"指向的是同一个位置。
分析性思维仍然是雇主最看重的核心技能，十家公司里有七家认为它在 2025 年是必需的。源 明确在往下走的是另一类：手部灵巧度、耐力与精准度，24% 的受访者预计它们的重要性会下降。
如果 9.6% 那一格里有你
第一步不是转行，是把自己的工作按任务拆一遍。哪些是标准化的信息录入、整理、转述和格式处理，哪些依赖判断、责任、临场沟通和跨部门协调。前一堆的时间占比，比你的职位名称更能说明你的处境。
第二步是往验收那一侧移，而不是往"另一个也做标准化数字流程的岗位"移。从录入转到校验与异常处理，从整理材料转到分析与解释，从执行流程转到设计流程。这三条对应的都是 WEF 那份区分名单上的质量控制和资源管理，也对应 ILO 说的转型而非替代。
第三步是在现岗位上先兑现。雇主的 29 加 19 已经说明，八成的技能提升机会在你现在的组织里面。能先用新技能把手头的活做深、并且让主管看见的人，比先辞职再押注一个热门标签的人，验证成本低得多。
如果你本来就在护理、教育、建筑、销售、配送或技术类这些增长侧职业，同一份报告的意思也不是可以不动。岗位增长和技能变化是同时发生的，增长侧只是让你有更多时间去做第一步和第二步。
顺着去读：各国官方数据对"AI 会不会造成大规模失业"这个问题的横向对照，包括加拿大统计局与加拿大央行的口径，见AI会不会让我失业：加美中官方数据 vs 传言。把一份工作拆成任务再逐项判断的做法，见AI抢走的不是你的工作，是工作里的某几件事。
这篇哪里可能过时或不适用
9.6% 与 3.5% 是"高收入国家、最高暴露档（Gradient 4）“的就业占比，不是加拿大的单独数字。ILO 这份报告按国家收入分组给数，没有逐国拆分，本文因此写的是"加拿大属于高收入国家组”，不是"加拿大是 9.6%"。大温层面更没有同口径数据。
ILO 的任务自动化潜力打分建立在波兰职业分类的任务样本和 1,640 名波兰在职者的判断之上，再经专家组和模型外推。这套外推对加拿大就业结构的适配程度，报告本身没有给出误差范围。
暴露不是失业概率。报告的结论是工作的转型比整体替代更可能发生，本文所有对"高暴露"的解读都停在这条线内，没有把它写成裁员预测。
WEF 的 1.70 亿新增、9,200 万替代、7,800 万净增，以及 39%、59/29/19/11 这几组数，全部是对超过 1,000 家受访雇主预测的外推，不是实际统计。它们是全球总量，不能读成某个城市或某个行业的就业保证。本文正文没有把这三个总量数字当作论证主干，正是因为它们的外推链条最长。
"文职高暴露岗位在高收入国家女性占比更高"这一层因果解释，是我们对 ILO 分组数据与常见职业性别分布的并读，报告给出的是分组数字本身，没有做这一步归因。
"从录入转校验、从执行流程转设计流程"这类迁移路径是我们给出的做法建议，不是 ILO 或 WEF 的逐字结论。
weforum.org 对本机的裸 curl 请求返回 403，本文引用的 WEF 内容取自可读镜像还原的页面正文，抓取日为 2026 年 8 月 26 日；ilo.org 本机直接可读。
标记：源＝国际劳工组织与世界经济论坛官方出版物页原文。