人工知能が雇用に与える影響に関する議論では、「暴露度」という概念が中心となっている。2023年、Eloundouらによる論文「GPTs are GPTs」は、米国労働者の80％が少なくとも10％の職業タスクを大規模言語モデルにさらされており、19％が50％以上さらされていると推定した。この数字は国際通貨基金（IMF）、経済協力開発機構（OECD）、米国上院の提案などで広く引用されている。しかし、これらのスコアは当初、技術的実現可能性を測定するために設計されたものであり、政策決定に使用される際には注意が必要である。
スコアは2023年初頭のGPT-4モデルの能力に基づいており、その後AI機能は大幅に向上している。また、米国労働省の職業分類を使用しており、他の労働市場にはそのまま適用できない。さらに、仕事は個別のタスクに分解されているが、判断力、人間関係、文脈など仕事の本質的な部分は捉えられていない。これらの限界は、スコアが国境を越えて使用される際に増幅される。特に、データワーカー（AIシステムを支える労働者）はデータセットにカテゴリーとして含まれておらず、政策議論から除外されている。
研究コミュニティは対応を進めている。動的指標は現在のAI能力を評価し、実際の労働市場データと結びつける。一つの研究では、職業暴露度が10ポイント上昇すると雇用が5.6〜8.5％減少することが示された。アンサンブルアプローチは複数の暴露フレームワークを組み合わせ、より信頼性の高い推定を提供する。タスクフレームワークの拡張は、タスクの順序と隣接性が重要であることを示す。労働者中心の測定は、労働者の希望と適応能力を加える。採用データはAIの実際の使用状況を明らかにする。
政策立案者は暴露スコアを一つのシグナルとして扱い、労働者保護の強化、再訓練インフラへの投資、対応能力の構築を優先すべきである。研究者は政策決定に必要な証拠基盤を構築し、AI能力の更新に合わせた測定ツールを開発し、米国以外の労働市場にも拡張し、労働者を認識的パートナーとして扱うべきである。80％の暴露数値は特定の前提に基づく技術的可能性を表すものであり、予測でも命令でもない。未来の仕事は研究者、政策立案者、労働者が共に形作るものであり、その基盤となる証拠はその任務に適したものであるべきだ。