許多人在討論 AI 時，容易陷入兩個極端：要麼認為 AI 會立刻取代所有工作，要麼認為它只是個聊天機器人。但對於工程師或產品開發者來說，我們更需要的是基於真實數據的觀察，而不是預測。Google 最近發布了一項名為 ATLAS 的大規模研究，分析了超過 1,500 萬筆去識別化的 AI 互動數據，揭露了 AI 在現實世界中被使用的真實樣貌。
這項研究最核心的價值在於，它將 AI 的使用行為從單純的對話，量化為對經濟活動與工作流程的影響。
AI 在職場中是廣泛但淺層的協作
從數據來看，AI 的滲透率極高，美國約 90% 的就業人口所從事的職業中，有 68% 已經在將 AI 納入工作流程。然而，有趣的地方在於 AI 並沒有全面接管工作，而是在每個職位中僅被用於約 21% 的任務。
這意味著 AI 目前的角色是輔助者而非替代者。大多數的互動集中在腦力激盪、策略擬定、資訊檢索與學習。特別是在非例行性認知任務（Non-routine Cognitive Tasks），例如創意設計或假設驗證，AI 的出現頻率遠高於傳統經濟活動中的比例。目前只有不到 10% 的互動是為了完全自動化某項任務。
對 Junior 工程師來說，這提供了一個重要的視角：AI 的價值不在於取代整個 Job Role，而是在於優化特定的 Task。
打破白領壟斷：藍領與技術工人的 AI 實踐
大眾常認為 AI 是程式設計師或分析師的工具，但 ATLAS 發現，汽車技師、工業機械師等體力與技術勞工也正將 AI 作為即時協作者。
這些使用者傾向於使用多模態 AI（Multimodal AI，指能同時處理文字、圖片、影片等不同形式數據的 AI）。他們會利用 AI 來解析複雜的測試結果、除錯電路接線或檢查機械磨損。這種將 AI 視為即時診斷工具的行為，顯示出 AI 在實體產業中具有極強的實作價值。
AI 對於生活行政成本的消減
研究發現，超過 86% 的 AI 互動其實發生在工作時間之外。AI 正在解決許多傳統經濟指標無法量化的行政摩擦（High-friction Administrative Tasks），例如研究購買產品、操作家電，甚至是處理繁瑣的政府稅務、執照申請與罰單申訴。這些看似微小的效率提升，實際上是在降低個體的生活管理成本。
全球普及度與數位落差
AI 的普及程度在很大程度上與各國的人均 GDP 正相關，這顯示出數位落差（Digital Divide）依然存在。但也有例外，部分南美洲與中東的中等收入國家，其 AI 採用率已與高收入國家相當。此外，語言不再是絕對障礙，英文僅佔全球 AI 對話的三分之一，使用者在處理複雜任務時，依然傾向使用母語。
技術背後的實現：如何分析千萬級對話數據
為了從海量的非結構化對話中提取洞察，Google 使用了一套名為 OCTO（Observation Clustering and Taxonomy Organisation）的工具。這是一種觀察聚類與分類組織技術，能將雜亂的 LLM 對話轉化為有組織的實體與類別，讓研究人員能將對話映射到具體的職業與任務上。
在隱私處理上，ATLAS 採取了多層保護，除了移除個人識別資訊（PII），還透過自動刪除敏感參考、切斷使用者日誌連結以及對文本進行摘要聚合，確保數據在分析過程中不會洩露個體隱私。
總結與展望
ATLAS v1.0 告訴我們，AI 經濟的現狀是協作大於自動化，且應用場景正從知識工作擴展到實體技術工作。對於開發者而言，這提示我們在設計 AI 產品時，應更多考慮如何將 AI 嵌入到特定的任務流中，而非試圖建立一個能解決所有問題的通用工具。
來源：blog.google (Understanding the AI economy)
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。