官方职业地图漏掉的工作：语言模型采访六个职业，补出79项任务，留存集覆盖率从78.6%升至89.3%
核心概要
TaskNet 把美国经济中六个职业的任务目录改由语言模型直接采访从业人员来编写，不再只依赖固定问卷。O*NET 式的标准化问卷难以捕捉新出现的任务，由人主持的访谈更有探索性，却昂贵、难以放量。该系统边问边追问澄清，再与工人确认任务清单；在未参与建库的57名工人、1184份任务报告上，六个职业平均覆盖89.3%的报告任务，O*NET 为78.6%；另有79项任务经 O*NET 分析师确认有效却没有对应条目，其中5项因 AI 采用而新出现或被重塑。
深度剖析
斯坦福、Mercor、O*NET 资源中心与美国国家经济研究局的研究者把六个职业的任务目录延伸到 O*NET 之外，补出79项在 O*NET 中没有对应条目、又经 O*NET 分析师确认有效的任务，其中5项由 AI 采用直接造成或重塑。 O*NET 主要靠标准化问卷收集任务信息，静态问卷难以发现刚出现的任务；由人主持的访谈更有探索性，却昂贵、难以扩大规模。 在57名工人、1184份未参与建库的任务报告上，这套清单平均覆盖六个职业89.3%的报告任务，O*NET 本身为78.6%。
访谈由语言模型主持，遇到含糊的描述就追问澄清，最后和工人一起确认整理出的那组任务。 这套做法叫 AI 访谈：问题随回答改变，而不按固定问卷逐条念，因而保留了访谈的探索性，又不必为每一次深访派出一个人。 六个职业的候选任务表述共229条交由 O*NET 分析师逐条复核，全部达到该中心对有效任务的标准，其中21%因偏离风格规范或描述的是别的职业而被改写。
启示与展望
覆盖范围目前是美国经济中的六个职业，89.3%这一覆盖率来自57名工人的1184份留存任务报告的平均值；把访谈扩展到更多职业并隔一段时间重复，是这份目录列出的下一步。
复核时分析师指出，部分任务表述偏离 O*NET 的风格规范，或描述的是主要由其他职业完成的工作，21%的任务因此被改写。5项由 AI 采用直接造成或重塑的任务多数出现在软件工程，律师等非技术领域也有；79项新任务对应的每年数十亿小时工作量与约1400亿美元按时间调整工资是估算值。