一分钟读论文：没有最后一英里，人类数据市场的持久性

你是不是觉得，现在人类做的那些数据工作——比如评估 AI 输出、审计结果、处理例外情况——只是暂时的？等 AI 越来越强，这些工作总会被自动化取代，这就是所谓的”最后一英里”问题。

但最新的研究挑战了这个观点：结构化人类数据工作不是临时的桥梁，而是 AI 经济中持久的生产要素。

核心发现

论文提出了”AI 能力存量”（Capability Stock）的概念：人类的结构化工作会积累成一个可重用的能力存量，这个存量不仅能提高现有任务的可靠性，还能扩大 AI 可以高置信度部署的任务边界。

但这个能力存量会折旧，有三个渠道：

1. 技术漂移：模型、工具或产品界面的更新会破坏之前的规则
2. 环境漂移：新意图、新内容、对抗性行为会创造新的边缘案例
3. 组织漂移：政策、品牌约束、风险承受能力的变化会重新定义什么是”好”的输出

关键数据

在保守校准下，稳态下的结构化劳动力份额集中在 5-7% 左右：

• 均值：5.85%
• 中位数：5.85%
• 标准差：1.98 个百分点
• Pr(s > 5%) ≈ 62.7%
• Pr(s > 8%) ≈ 17.1%

现实证据也支持这个结论：

• 到 2024 年底，近 40% 的美国 18-64 岁成年人报告使用生成式 AI
• 约 23% 的就业受访者报告在上周至少使用一次 AI 工作
• 在大型客户支持环境中，AI 助手使每小时解决的问题平均增加了约 15%

意义

这项研究有几个重要启示：

1. 劳动力政策：如果这类工作是永久性的，那么基于”最终会自动化”假设的政策可能会错误分配培训投资
2. AI 治理：当前监管关注模型部署时刻，但对持续维护工作关注较少
3. 企业战略：企业应该将结构化人类数据角色视为独特的职业类别，需要职业路径和相称的薪酬，而不是临时成本中心

这篇论文告诉我们：人类数据工作不会消失，它会被重新分配——漂移需要维护，创新会引入新的低成熟度任务系列。

arXiv:2603.00932