事实新闻与公开观点
记录谁在何时、何处表达了什么，不扩大原意。
FACT / RESEARCH / ANALYSIS
金宝博新闻与AI职业前沿研究
金宝博新闻不把评论当事实、不把预测当已发生，也不把个别公司经验当成整个行业。TYPE A记录可核查公开观点，TYPE B解释研究结果，TYPE C明确标注本站分析。
EDITORIAL METHOD
三种内容必须分开阅读
研究结果
说明样本、地区、指标和研究能支持的结论。
本站分析
把事实转化为职业问题，同时保留推论和不确定性。
RESEARCH FEED
已核查的AI职业前沿内容
TYPE B 研究结果
ILO更新生成式AI职业暴露指数：为什么“暴露”不等于岗位消失
ILO 2025材料强调生成式AI更可能改变任务组合，职业暴露不能直接换算成裁员比例。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE B 研究结果
AI职业暴露指标能告诉我们什么，又不能告诉我们什么
2026年ILO指标说明提醒读者：暴露衡量技术潜力，不自动包含采用速度、需求扩张和组织决策。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE B 研究结果
ASEAN生成式AI就业观察：显著暴露为何尚不等于大规模扰动
ILO 2026区域材料指出潜在转型明显，但不能据此宣布所有地区已发生相同就业结果。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE B 研究结果
OECD技能展望：AI改变的不只是岗位数量，还有岗位内技能组合
OECD材料把职业需求变化与技能变化分开，提示学习计划要围绕任务证据更新。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE B 研究结果
中小企业怎样使用生成式AI？先看任务与培训，不先下裁员结论
OECD七国调查关注中小企业采用、生产率、技能缺口与培训，不能代表所有企业。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE B 研究结果
AI技能并不等于人人都做模型研究：OECD 2026技能材料的职业启示
高级AI技能只属于部分岗位，多数工作还需要数字、数据解释、管理和问题解决能力。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE A 公开观点
Hinton在TIME谈AI工业革命：哪些是警告，哪些仍是预测
Hinton明确担心日常脑力劳动自动化及不平等，但其未来判断必须与就业统计分开阅读。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE C 本站分析
NIST生成式AI风险框架对Evaluation岗位有什么启示
风险识别、测量和管理要求把“效果好”改成可重复测试、失败记录与持续监控。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
TYPE C 本站分析
从模型演示到工作流改变，中间为什么还有很长一段路
能力、采购、数据、流程、合规、培训和责任链共同决定AI能否改变实际工作。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
来源：国际劳工组织：Workers’ exposure to AI（2026-04-17） · 来源：OECD：Generative AI and the SME Workforce（2025）
TYPE C 本站分析
验证为什么正在成为跨AI研发、内容和产品的共同技能
当生成成本下降时，来源、逻辑、测试、边界案例和人工复核构成新的质量工作。 本文按资料范围、可观察事实、推论边界和职业行动四层整理，所有数据均注明来源与核查日期。
来源：NIST AI 600-1：Generative AI Profile · 来源：OECD：AI and skills（2026）