NBER 借助 AI 访谈打造 TaskNet，构建六类职业任务分类并补齐 ONET 79 项缺失任务

美国国家经济研究局（NBER）联合斯坦福、Mercor、ONET 资源中心推出名为 TaskNet 的职业任务分类体系，依靠一套混合主动式 AI 访谈系统大规模采集一线从业者的真实工作内容，覆盖六大典型职业，一共补充了 ONET 数据库里原本没有收录的 79 项任务，同时还细化优化另外 58 条原有任务描述，解决传统 ONET 更新慢、跟不上 AI 时代岗位变化的痛点。ONET 是美国劳工部主流职业信息库，长期用来测算岗位被自动化、大模型影响的风险，但它的数据收集周期很长，很多新出现、由 AI 催生的工作任务迟迟没有入库，导致学界估算 AI 对就业冲击的时候容易出现偏差；这套新方案改用 AI 充当访谈员，直接和在岗工人开展开放式对话，把口语化的工作描述提炼成标准化任务条目，整个流程可以批量跑，成本远低于传统人工访谈。研究团队一共访谈了 132 名从业者，收集 2726 条原始工作描述，最终整理出 202 条标准化任务，全部经过 ONET 分析师审核，再由 318 位在职人员完成七千多条相关性与重要性打分验证；这套分类覆盖的六个职业分别是软件开发者、个人护理助理、急诊医生、律师、小学教师、洗碗工，新增任务里面不少是和使用生成式 AI 协作相关的新型工作内容，更新之后对各个岗位的 AI 暴露度估算结果也发生改变，拉高了律师、程序员、教师的受影响分值，下调了护理助理的分值。这套体系后续开放开源，研究者、政策制定者都可以拿来更精准评估 AI 对不同工种的改造节奏，也能给求职、培训、劳动力政策提供更贴近现实的数据支撑。

TaskNet 覆盖六大职业清单

• 软件开发者：新增任务最多，一共 23 条，大多围绕 AI 辅助代码生成、代码评审、提示词工程
• 个人护理助理：新增 18 条，偏向个性化照料记录、沟通协调类任务
• 急诊医生：新增 17 条，包含 AI 辅助影像初筛、快速病历摘要整理
• 律师：新增 10 条，主要是 AI 检索判例、文书初稿生成与核验
• 小学教师：新增 9 条，包含借助 AI 定制分层教学材料
• 洗碗工：新增 2 条，以标准化台账、设备巡检记录为主

AI 访谈采集任务完整流程

1. AI 访谈启动：混合主动式系统面向在岗从业者发起访谈，引导对方描述日常所有实际工作。
2. 原始文本归集：收集大量开放式口述记录，汇总原始工作描述文本。
3. 标准化提炼：AI 将零散口述转化为规范、可入库的任务条目。
4. 专家初审：交由 O*NET 分析师审核，剔除无效条目，确认表述合规。
5. 从业者验证打分：邀请在岗人员对每条任务的重要性、出现频率打分。
6. 合并入库对比：和 O*NET 现有任务比对，区分全新任务、优化修订任务、重合任务。

TaskNet 和原版 ONET 的对比

小结

这套由 NBER 通过 AI 访谈搭建的 TaskNet，并不是直接替换 ONET，而是一套增量补充方案；它证明利用 AI 访谈可以低成本持续捕捉正在涌现的新型工作任务，修正过去学界对于岗位自动化风险的估算偏差，为劳动力市场研究提供一套更贴合当下真实工作场景的职业任务分类工具。

【相关 FAQ】

问题 1：NBER 通过 AI 访谈构建的六类职业任务分类法，补充了 ONET 的多少项缺失任务？

回答 1：NBER 通过 AI 访谈构建这套六类职业任务分类法，一共补充了 ONET 数据库中原本缺失的 79 项任务，同时还对另外 58 条已有任务做细化修订。

问题 2：NBER 用来搭建六类职业任务分类法的 AI 访谈系统，项目名称是什么？

回答 2：NBER 用来搭建这套六类职业任务分类法的项目叫做 TaskNet，是一套开源的职业任务目录，依靠混合主动式 AI 访谈系统采集从业者工作信息。

问题 3：NBER 使用 AI 访谈构建六类职业任务分类法，都包含哪六个职业？

回答 3：NBER 使用 AI 访谈构建这套六类职业任务分类法，选取的六个职业为软件开发者、个人护理助理、急诊医生、律师、小学教师、洗碗工。

问题 4：依托 AI 访谈产出的这套 NBER 六类职业任务分类法，为什么能够修正 AI 就业风险估算？

回答 4：依托 AI 访谈产出的这套 NBER 六类职业任务分类法，抓到很多 ONET 漏掉、和生成式 AI 协作相关的新兴任务，更新之后各个岗位的 AI 暴露度估算随之调整，让评估结果更准确。

问题 5：NBER 基于 AI 访谈的六类职业任务分类法，采集数据时一共访谈了多少工人？

回答 5：在搭建这套 NBER 基于 AI 访谈的六类职业任务分类法过程中，研究团队一共访谈了 132 名一线从业者，后续还有 318 位在岗人员参与任务有效性验证打分。

【参考资料】

[2026-10-27]（Introducing TaskNet: A New Taxonomy of Work）Mercor

[2026-10-27]（Mercor Says the US Job Map Misses $140B a Year of Work）FourWeekMBA

[2026-10-27]（TaskNet: Building Occupational Task Inventories from Worker Interviews at Scale）NBER

[2026-10-27]（TaskNet 项目主页）斯坦福数字经济实验室

【免责声明】

本文仅作为学术资讯科普；这套由 NBER、斯坦福、Mercor 联合推出、依托 AI 访谈的六类职业任务分类法，当前仅针对选定六个职业完成验证；新增任务数量、AI 暴露度估算、薪资测算均来自该研究的阶段性结论，后续样本扩大后结果可能变动；劳动力政策、就业风险研判请以官方劳工机构以及完整论文原文为准。