WORKBank

WORKBank (AI Agent Worker Outlook and Readiness Knowledge Bank)是一个收集了1,500名领域工人偏好的数据库，以及AI专家针对超过844项任务、涵盖104个职业的能力评估。这个数据库用于评估哪些职业任务工人希望AI代理进行自动化或增强，并分析这些愿望与当前技术能力的匹配程度。

WORDBank (AI Agent Worker Outlook and Readiness Knowledge Bank) is a specialized database compiling preferences from 1,500 domain workers, as well as capability assessments covering over 844 tasks across 104 occupations conducted by AI experts. This database is employed to assess which occupational tasks workers desire to have automated or augmented by AI agents, and to analyze the degree of alignment between these preferences and prevailing technological capabilities.

搜集汇总

数据集介绍

构建方式

WORKBank数据集构建过程融合了多源数据采集与专家评估机制，通过系统性调查方法收集了2025年1月至5月期间美国1500名领域工作者对AI代理的任务偏好，并邀请AI专家对104种职业中的844项任务进行技术能力评估。数据采集采用音频增强型交互界面，结合定量评分与语音转录分析，确保响应数据的校准性和上下文丰富度。

特点

该数据集的核心特点在于其双维度架构：既包含工作者对AI代理自动化与增强化潜力的主观意愿，又涵盖专家对技术可行性的客观评估。数据覆盖职业领域广泛，任务粒度精细，且通过多模态设计提升数据深度。其独特价值体现在首次将人类工作意愿与AI技术能力进行跨维度对齐，为劳动力转型研究提供立体化视角。

使用方法

研究者可通过HuggingFace数据集库分模块加载 worker_desire、expert_ratings 和 task_meta_data 三个核心组件，分别对应工作者意愿、专家评分及任务元数据。配合GitHub仓库提供的代码手册与分析工具，可实现自动化潜力审计、人机协作模式分析等研究场景。组织机构还可通过专项表单申请部署定制化审计框架。

背景与挑战

背景概述

WORKBank数据集诞生于2025年，由斯坦福大学SALT-NLP研究团队联合多位学者共同构建，聚焦于人工智能时代劳动力转型的核心议题。该数据集通过系统化采集美国1500名领域工作者对844项职业任务的自动化偏好与专家技术能力评估，首次实现了对人类工作意愿与AI技术成熟度的交叉验证，为劳动经济学和人机协作研究提供了前所未有的实证基础。其创新性审计框架被发表于《未来工作与AI智能体》研究论文，推动了 workforce transformation 领域的量化研究范式转变。

当前挑战

该数据集致力于解决职业任务自动化与增强潜力评估这一新兴交叉领域的测量难题，其核心挑战在于建立跨学科的评价标准体系：既要准确捕捉工作者对AI代理的主观接受度，又需客观量化AI技术对复杂职业任务的执行能力。在构建过程中，研究团队面临多模态数据融合的技术壁垒——需协调音频转录的语义分析、定量评分的标准化处理以及跨职业领域知识的结构化标注，同时还要确保1500名受访者样本的职业分布与全美劳动力市场结构保持统计代表性。

常用场景

经典使用场景

在人工智能与劳动力研究的交叉领域，WORKBank数据集为分析职业任务中人类工作者与AI代理的协作模式提供了关键实证基础。研究者通过该数据集可系统评估844项具体任务中自动化与增强化的潜在分布，揭示不同职业领域工作者对AI技术的接受度与技术实现能力之间的对应关系，为构建人机协同的新型工作范式提供数据支撑。

解决学术问题

该数据集有效解决了劳动经济学与人工智能交叉研究中的核心问题：如何量化评估AI技术对特定职业任务的适用性。通过融合1500名领域工作者的意愿数据与专家技术能力评估，它突破了传统研究中对技术可行性单向度测量的局限，为理解技术应用与社会接受度之间的张力提供了多维分析框架，推动了人机协作理论的实证化发展。

衍生相关工作

基于WORKBank的审计框架已衍生出多项创新研究，包括开发多模态数据采集接口以增强响应校准精度，以及构建动态更新机制持续追踪技术能力演进。相关研究进一步探索了不同行业背景下自动化偏好的文化差异，并建立了任务可替代性与技能要求之间的关联模型，推动了劳动力转型预测工具的精细化发展。