谷歌发布了迄今为止最全面的研究，涉及人们如何实际大规模使用人工智能，早期的研究结果与有关人工智能驱动的工作岗位流失的最可怕的预测相悖。该公司分析了 1500 万次聚合和去识别化的交互，发现人工智能在大约 68% 的受调查职业中以某种方式使用，但这些工作中只有不到 10% 的任务完全自动化。

该研究于 2026 年 7 月 23 日发表，为现实世界中人工智能的采用提供了迄今为止最清晰的实证窗口。对于最新的人工智能行业报道 和塑造全球经济的发展，这些数据是在关于生成式人工智能是否会增强人类工人还是使人类工人被淘汰的激烈争论的时刻出现的。

首创的数据集

谷歌将该计划称为“人工智能与经济 ATLAS”——“活动”、“任务”、“景观”和“采用研究”的缩写。它被描述为对人们如何使用该公司的人工智能产品和工具的持续大规模检查。第一个数据集 1.0 版是由 1500 万条来自 Gemini 应用程序、AI 模式和 Gemini API 的汇总和去识别化的人类与人工智能交互构建而成，谷歌称这些服务每月有超过 10 亿人共同使用。

范围异常广泛。据谷歌称，ATLAS v1.0 洞察涵盖 150 多个国家、140 种语言、800 种职业和 4,000 种不同的任务。这使其成为大型科技公司有史以来发布的最大规模的工作场所人工智能使用分析报告之一，尤其是基于观察到的行为而不是调查自我报告的分析报告。

谷歌在宣布这项研究时表示：“作为一个社会，我们必须共同努力，积极塑造人工智能如何影响我们的生活、工作和经济。” “为了使这项共享工作有效，对人工智能在经济中如何被采用和使用有深入的了解至关重要。”

协作，而非替代

这一头条新闻的发现因其细微差别而引人注目。虽然人工智能工具已经渗透到大多数受调查的职业中，但研究发现该技术很少从头到尾接管整个任务。相反，员工倾向于使用人工智能作为协作者——起草、总结、集思广益和检查——同时保留人类的判断和监督。

结果是人工智能作为增强层而不是整体替代品。研究发现，人工智能最常应用于涉及写作、分析、编码辅助和信息检索的任务，但绝大多数情况下的最终输出仍然取决于人工审查和完善。在所研究的任务中，只有不到 10% 的任务是人工智能无需人类持续参与即可完全运行的任务。

这与越来越多的研究相一致，这些研究表明，尽管人工智能能力迅速扩展，但早期对大规模自动化的担忧在短期内并未成为现实。同周发表的另一篇《华尔街日报》报道引用了谷歌的一项研究，得出的结论是人工智能正在帮助工人提高生产力，而不是彻底取代他们。

为什么数据很重要

到目前为止，关于人工智能经济影响的大部分争论都依赖于调查、实验室实验或轶事证据。 ATLAS 试图利用从庞大用户群的实际使用情况中提取的行为数据来填补这一空白。通过检查人们实际上将哪些任务委托给人工智能，以及他们自己保留哪些任务，该研究提供了一张详细的地图，显示该技术在哪些方面正在获得关注，哪些方面没有。

职业细分尤其能说明问题。人工智能的使用涉及广泛的领域，从软件开发和营销到教育、医疗保健管理和创意工作。然而，使用强度差异很大，知识密集型和文本密集型角色渗透最深。

谷歌表示，ATLAS 将是一个正在进行的项目，未来的迭代将扩展数据集并完善分析方法。该公司将这项工作定位为公共利益贡献，认为政策制定者、企业和研究人员需要经验证据来就人工智能在经济中的作用做出明智的决策。

限制和警告

这项研究并非没有局限性。由于这些数据完全来自谷歌自己的产品，因此它只捕获了人工智能使用总量的一部分——不包括与 OpenAI 的 ChatGPT、Anthropic 的 Claude 或 Meta 的人工智能工具等竞争平台的交互。去识别化还意味着分析无法随着时间的推移跟踪个人用户，从而限制了有关采用模式如何演变的结论。

批评者还可能指出，谷歌将人工智能视为一种协作工具而不是一种破坏性力量具有商业利益，因为该公司向企业出售人工智能服务，并依赖于用户信任来提高采用率。尽管如此，数据集的庞大规模——150 个国家的 1500 万次互动——赋予了研究结果较小规模研究所缺乏的分量。

大局观

ATLAS 的结果发布之际，业界正就人工智能对劳动力市场的影响展开激烈争论。一些经济学家警告说，即使数百万工人实现部分自动化，也可能会抑制工资并取代初级职位。其他人则认为，生产率的提高将创造新的工作类别并抵消短期干扰。

谷歌的数据为两个阵营提供了动力：人工智能在劳动力中无处不在，但至少到目前为止，它并没有在大多数环境中自主运行。出现的景象是一种过渡而非断裂——一种将自身融入日常工作结构中的技术，但目前还没有将其解开。

对于经历这一转变的工作场所来说，迄今为止最大的现实世界数据集所传达的信息是：人工智能是一个已经广泛应用的合作者，但处于大多数任务中心的人类仍然不可或缺。

---

保持人工智能领先

人工智能正在以前所未有的速度改写工作、政策和技术规则。 阅读更多人工智能新闻 →