数据源

研究报告来源

01-data-sources/research-report-sources.md

研究报告来源

目的

独立研究报告用于校准公司案例解释，尤其是 AI 对任务、岗位、技能、招聘管道和劳动力市场的影响机制。

这类来源不能直接证明某家公司为什么裁员或招聘，但可以帮助判断公司案例中的组织变化是否符合更广泛的 AI 劳动力机制。

来源分组

前沿 AI 公司研究

优先使用真实产品使用数据和经济影响研究：

  • Anthropic Economic Index
  • OpenAI ChatGPT usage research
  • OpenAI jobs transition framework

适合回答：

  • AI 实际被用于哪些任务和工作活动
  • AI 使用更接近增强、自动化，还是两者并存
  • 哪些岗位族、任务族和职业阶段更容易受到影响

限制：

  • 样本来自特定产品用户，不等于整体劳动力市场
  • 使用数据不等于企业组织已经完成重构
  • 暴露度不等于实际就业变化

学术与公共研究

优先使用有清晰方法、数据口径和可审计来源的研究：

  • Stanford HAI AI Index
  • Stanford Digital Economy Lab
  • Microsoft Research
  • NBER / MIT / Brookings 等研究机构材料

适合回答：

  • AI 暴露度、任务适用性和岗位族差异
  • 招聘管道、早期职业阶段和技能需求变化
  • 劳动力市场变化是否已在就业或招聘数据中显现

限制：

  • 职业层面的暴露度不能直接映射到单家公司裁员
  • 学术研究的样本期、行业范围和方法差异需要单独说明

咨询报告与雇主调查

可使用大样本雇主调查和管理实践研究：

  • McKinsey State of AI
  • World Economic Forum Future of Jobs
  • Deloitte / Accenture / BCG / Bain 等机构报告

适合回答：

  • 企业管理层如何预期岗位创造、岗位替代和技能重组
  • AI 落地是否进入规模化阶段
  • 企业是否在调整组织、流程、治理和人才结构

限制：

  • 调查反映预期和自报实践，置信度低于公司披露和真实使用数据
  • 预测类数字不能直接作为本研究的核心事实结论

记录规则

研究报告进入 evidence-log.csv 时：

  • source_type 写 research
  • company 写 Research
  • summary 以 external_research: 开头
  • claim 应写成报告可直接支持的事实，不写过度推断
  • used_in 优先指向 03-research-reports/ 中对应单篇 report 的事实文件
  • 04-synthesis-analysis/ 可以引用同一 Evidence ID，但不替代 03 的事实沉淀文件
  • 明确区分已观察到的使用、暴露度、调查预期、预测和实际就业变化
  • 原始 PDF、HTML 或解析后的可读版本存放在 99-archive/research-reports/

示例：

E900,Research,2026-01-01,"示例研究报告发现，AI 使用集中在软件和办公支持任务。",Example Research Report,research,URL,"","external_research: 支持任务层面的暴露度分析，但不能证明具体公司裁员原因。",medium,03-research-reports/example-publisher/example-research.md

解释纪律

  • 不把“AI 暴露度高”直接写成“岗位会消失”。
  • 不把“用户报告生产率提升”直接写成“企业一定会减少人力”。
  • 不把雇主预测当成已经发生的就业变化。
  • 只有当公司案例、外部研究和岗位/招聘证据相互支持时，才提出更强的组织变化判断。

目录规则

03-research-reports/ 中的文件只记录单篇 report 的事实和范围说明，不写跨报告综合判断。

跨报告综合、对公司案例的校准、组织建议和结论应放在：

  • 04-synthesis-analysis/
  • 05-conclusions/