研究做了什么，发现了什么
这是一篇预印本论文，标题是《枯燥、肮脏、危险？》（Dull, Dirty, Dangerous?），作者是普渡大学丹尼尔斯商学院的 Siyi Yu，2026年11月4日发布于 arXiv（2611.06888）。我们还没核实它的同行评审状态。它是一项观察性研究：用已有的公开数据，在不同职业之间找规律，没有新增访谈或实地观察。作者说得很直白：这两个指标都没有观察到AI的实际部署或者失业。
可以想象两把尺子。第一把量工作条件有多辛苦，用的是美国政府职业数据库 O*NET 第31.0版里的21项评分，分成危险、肮脏、枯燥三组。第二把量AI语言模型能帮这份工作提速多少，用的是两套已发表的评分：Eloundou 等人请人和GPT-4给任务打的分，以及 Felten 等人2021年的一套更早的评分。“暴露度”只是对潜力的评分，不代表已经在用。研究覆盖754种职业，占美国政府2021年5月就业统计里92%的工作。
规律是：AI尺子上越高的工作，辛苦尺子上往往越低，每高一格，大约低三分之一格。但把每份工作有多耗体力考虑进去以后，关联明显减弱（从负0.343降到负0.093）。在最完整的模型里，再加上学历、上岗准备和工资，语言模型评分的可能取值范围包含零；更早那套评分仍在零以下。AI暴露度对职业差别的额外解释只占很小一点（1.1%和2.4%）。作者强调，这只是描述规律，不说明因果。
辛苦、两套AI评分又都不高的这个角落，有286种职业、将近四千一百万个工作岗位，占研究全部工作的31.6%，包括建筑工人、重型卡车司机、护理助理、餐馆厨师、园林工人和客房清洁工。这个数字数的是2021年5月数据里的岗位，不是想要帮助的人数，也不是面临风险的人数。而且辛苦各不相同：建筑工人自己的三项得分里“肮脏”最高（2.07），客房清洁工则是“枯燥”最高（1.18）。
证据有多硬
我们通读了论文，并顺着引用追到原始数据。研究对来源的描述是准确的。主要的AI评分规定：语言模型能把任务时间缩短至少一半、质量不变，才算“暴露”；评分者还被告知模型没有任何实物工具或材料。那项研究自己也说，至少目前体力劳动不会暴露于语言模型。所以体力活在这把尺子上得分低，有一部分是尺子本身决定的。
- 两套AI评分用的是同一个职业数据库，相关高达0.833，不是两个互相独立的证人。
- 更早那套评分，我们只能打开主要论文的摘要，打不开下面的众包调查。
- “枯燥、肮脏、危险”这句口号，我们没能追溯到任何针对工人的研究。研究引用的一篇2026年机器人综述发现，用这句话的论文里只有25篇（2.7%）给了正式定义。
- “枯燥”指对重复和自主程度的评分，不是无聊的感觉。“自己说了不算”和AI评分的关联比“重复”强得多，但这个差别没有做正式检验。
我们的结论：扎实，但在意料之中。
我们的小实验
我们下载了 O*NET 31.0（2026年8月）和已公开的暴露度评分，运行前先写下要测什么、预期什么（这是我们自己的记录，不是外部登记），用21项评分里的9项做了一个更简单的辛苦指标。在772种职业上，关联是负0.70；在同一职业大类里比较是负0.36，研究是负0.343。加入体力因素后，我们的降到负0.15，少了一半以上，与预期一致，但没有像研究的负0.093那样接近零。我们的指标更简单，也没加学历和工资，两者不能直接比较。第一次运行时代码在出数字前就崩了，已经修好。
数据科学家在AI尺子上高于95%的职业，在辛苦尺子上只高于9%；软件开发人员是98和5；建筑工人正好相反，辛苦94、AI 12。我们的角落里，772种职业中有305种（39.5%）辛苦又低暴露，但这数的是职业种类，不是人数，和31.6%不是同一种数字。
可以怎么用
语言模型分数低，不是护身符。在我们的一个项目里，仓库装卸区上方的摄像头把每一步和标准流程对照，对不上就打时间戳；只看动作、不认人，没有人脸识别。手工搬运工在AI尺子上接近零，AI还是来到了他们的工作里。研究也提醒：分数低不能说明不受别的自动化或管理工人的软件影响。
有人推荐“让工作更安全的AI”时，先问三个问题：它改变哪项任务？哪种条件会变好，搬重物、噪音还是节奏？工作又流向哪里？再和调整人手、换更安全的设备这类朴素办法比一比。对自己的工作，可以写下十项主要任务，逐一标记：语言模型能提速吗？是体力活吗？是不是风险高、出不得错？