本篇文章更新時間：2026/03/17
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知或向一介資男的 LINE 社群反應。
如果本站內容對你有幫助，歡迎贊助支持 。
重新看見美國工作版圖：從資料到洞察的 AI 影響力視覺化
編輯前言：這篇文章介紹了 Andrej Karpathy 用來探索美國職業市場的互動式研究工具。我認為它最有價值的地方不是視覺效果，而是它重新定義了「AI 對不同職業的衝擊」該怎麼被理解與衡量。
核心觀點 (Key Takeaways)
- 這是一個以 BLS（美國勞工統計局）資料為基礎的可視化工具，可觀察 342 種職業、涵蓋 1.43 億份工作。
- 工具支援以 LLM 自訂提示（prompt）重新上色，根據使用者關心的維度（AI 暴露、機器人風險、氣候影響、外移風險等）自動評分職業。
- 所謂的「Digital AI Exposure」不是預測失業，而是評估 AI 對職業型態的重塑程度。
深入解析
Karpathy 在原文開宗明義指出，這不是研究論文，也不是嚴謹的經濟報告，而是「一個用來探索 BLS 資料的開發工具」。這一點讓我覺得很貼切：它的價值，反而在於讓使用者能用 AI 建立自己的分類方式，而不是被動接受一套既定的風險分析。
原文提到：「You write a prompt, the LLM scores each occupation, and the treemap colors accordingly.」
換句話說，你只要能寫出評估邏輯，AI 就能一次性幫你重新分類所有職業。這種彈性讓 AI 分析從此不再只是資料科學家的專屬能力，而變成人人可用的分析工具。
- AI Exposure 的核心判斷邏輯：是否「數位化」。只要一份工作能在電腦前完成，AI 的介入門檻就極低，風險自然偏高。
- 評分範例也非常清楚：從 0 到 10，以職業的「數位程度」、「是否需要人類在場」與「資訊處理比重」來做出定量判斷。
原文中的等級尺度非常具體，例如：
- 0–1 分：屋頂工、潛水員、園藝工，完全實體、不可能被 AI 自動化。
- 8–9 分：軟體工程師、設計師、翻譯、資料分析師——AI 進步最快的領域。
- 10 分：資料輸入、電話行銷員，已經被 AI 大幅重塑。
值得注意的是，Karpathy 特別提醒讀者：「高暴露不代表會消失」。例如軟體工程師拿到 9 分，但需求可能因為 AI 強化生產力而更大。
筆者心得與啟發
我覺得這篇文章最大的啟發，是把 AI 的職業風險重新定義成「重塑程度」，而不是「被取代機率」。過去我們常用二元方式看 AI：會取代 vs. 不會取代。但這個工具更像是在描繪「轉變程度的光譜」。
另外，能自訂 prompt 重新分類所有職業，這件事的意義非常重大。它讓政策學者、產業分析者、企業 HR，甚至一般職涯規劃者，都能用自己的問題重新審視整個職場版圖。
如果是我，我可能會想寫一個 prompt 去評估「技能可轉移性」，看哪些職業在 AI 加速下最容易轉換跑道。畢竟在劇烈變動的年代，彈性可能比穩定更重要。