中国最容易和最难被 GPT 所代替的TOP25 职业！

因此最近两周，我们使用中国在过去 8 年的数亿条招聘数据完成了这个研究，看中国哪些职业最有可能被 gpt 之类的大语言模型和其衍生品替代。

分析不同职业被 GPT 替代的可能性，需要对每种职业的职能和具体工作进行分拆。

比如你笼统地问，“人力资源专员” 这个职业，被 GPT 替代的可能性有多大呀？

这类问题就不好回答，因为太模糊了。

但是你可以根据招聘网站的情况，将 “人力资源专员” 给分拆成不同的职能，比如：

• 1、新员工的招聘，员工入职手续办理
• 2、安排以及开展新员工入职培训
• 3、考勤及工资绩效的核算
• 4、维护和拓展公司招聘渠道，协助社招及其他招聘活动

去问其中一个职能，例如 “安排以及开展新员工入职培训”，人力资源专员工作的这一部分有多大可能被 GPT 替代，就直观了一些。

我们还可以继续分拆，把 “安排以及开展新员工入职培训”，进一步分拆成下列具体工作内容 ——1，撰写、准备培训材料；2，交流、沟通并安排计划时间表；3，演讲、培训，提升员工技能……

再问其中每一个具体工作，

撰写准备培训材料，GPT 可以替代多少？

交流和沟通安排时间表，GPT 可以替代多少？

演讲培训，GPT 可以替代多少？

我们用 O*net 的数据，将中国的职业映射到 O*net，再分拆成 19265 条工作任务和 23534 种工作内容 。

这么分拆下来，每一个职业拆分研究，再汇总，那么我们对每一个职业中有多少部分可以被 GPT 替代，就比较有把握了。

分析每一种具体的职能和工作内容被 GPT 替代的可能性。

但是，要分析 19265 种工作任务，23534 种工作内容其中的每一种被 GPT 替代的可能性有多大，也是一个非常繁重的工作。一般来说我们会让人工来打标，这么四万条内容全部打标，大概一个人就需要 1 周，一个人力的成本就要至少 1 万元。这已经是最低的价格了。

但我们知道，在对美国研究的工作论文中，OpenAI 的工作论文提出了一种重要的方法。那就是让 GPT 来打标。

那我们何不也用 GPT 来打标呢？

于是我们用了 GPT 的 API，让 GPT 扮演打分者，大概是这样的 Prompt：

这段算是 API 里面 system 部分输入的内容，然后在内容部分输入具体的工作任务和工作内容，GPT 就会刷刷返回了，一次可以输入 100 条，gpt-3.5-turbo 的返回很快，一屏幕一屏幕的 0-5 的分数就这么回来了。

说实话，在看到这一屏屏的分数出来，知道这是 GPT 在为自己能多大程度上替代人类劳动打分，有种审判日到了的感觉。

由于任务已经被拆解得比较细致，对于每一条任务的打标将会十分准确，稳健性也极高。更重要的是，使用 GPT 打标，成本之低令人发指。标注 4 万条内容，每次标注 100 条，只需要 400 次，一次标注和返回大约在 4000token 左右，且主要内容是在 prompt 中，使用 GPT-4 的模型，每标注 100 条，仅需要 0.12 美元。也就是说，共标注 4 万条内容，只需要耗费 48 美元。如果使用不那么精确，但速度更快且更便宜的 gpt-3.5-tubo 模型，4 万条只需要耗费 3 美元。在这样简单的任务上，GPT-4 和 gpt-3.5-turbo 的表现几乎没有差异。

人类数据标注员要完成 4 万条内容的标注，需要至少 1 万元，一星期。

GPT 只需要半小时，3 美元，合 20 元人民币左右。

而两者的质量是几乎一样的。

因此，很难不再次强调一遍这样的事实 ——

刚刚出现没几年的全新职业 —— 人类标注员，他们喂养出来的大型语言模型 GPT，在完成一项 “GPT 能够替代哪些职业” 的标注工作任务时，首先替代掉了把 GPT 训练成材的人类数据标注员自己。

更多优质资源请微信扫码访问：盘姬资源网小程序