Google 經濟學家 Scott Strand 一語道破：「AI 的採用非常非常廣泛，涵蓋極廣的職業範圍。」 但數據同時顯示，AI 在單一職業中的使用深度仍然有限，自動化情況罕見，而且大部分 AI 活動根本不在辦公室內發生。

廣度 vs. 深度：AI 觸及眾多職業，但僅涉少量任務

ATLAS 最重要的發現是：AI 採用呈現 「廣但淺」 的格局 。這項技術已擴散至經濟體的顯著部分，但在任何特定職業中，員工僅將其用於每日任務的一小部分。

• 68% 的職業 顯示 AI 使用量高於研究的最低門檻，這些職業約佔美國就業人口的 90% 。
• 然而，在這些職業中，AI 平均僅用於 約 21% 的相關任務 。深度整合極為罕見：只有 約 4% 的職業 在四分之三或以上的任務中使用 AI 。
• 使用量高度集中於兩個類別：軟體開發與寫作任務合計佔所有互動的近半數 。

這種模式顯示，AI 正迅速成為許多行業的常見工具，但尚未如某些預測般成為全面性的工作流程變革。

人類依然主導：協作勝過自動化

對於擔心 AI 會完全取代其工作的人來說，ATLAS 提供了一些安慰：在工作場所，人們主要將 AI 視為夥伴，而非替代品。

• 少於 10% 的工作相關互動涉及完全自動化某項任務 。絕大多數屬於 增強 模式——將 AI 用於研究、構思、策略、草擬及迭代完善 。
• Google 自身的框架是 「協作勝於自動化」：AI 扮演腦力激盪夥伴或加速現有工作流程的工具，而非完全取代工人的代理人 。

此發現與 Anthropic 較早的研究一致，該研究指出約 57% 的 AI 使用傾向增強（提升人類能力），43% 傾向自動化（直接執行任務）。然而，ATLAS 數據使差距更為顯著——工作情境中自動化比例低於 10%——這表明增強與自動化的界線可能測量方式不同，或 Gemini 用戶特別注重協作。

誰在工作時使用 AI？知識工作者主導，體力勞動者亦現蹤

毫不意外，知識工作者主導了數據。軟體工程師、作家、營銷人員和分析師佔了互動的大部分 。但一個更有趣的發現是，體力勞動者在數據中亦有出現，儘管比例較低。

• Google 在 LinkedIn 的貼文特別強調：「辦公桌以外：體力勞動、建築與維修行業的工人亦在使用 Gemini」 。
• 然而，研究承認，數位參與度低或網路存取有限的職業在數據中將 代表性不足 。許多體力任務（例如操作車床、砌磚或修理引擎）難以透過文字對話捕捉，意味著該研究可能 低估 AI 對體力工作的相關性 。

一個重要的注意事項：數據來自主動選擇使用 Gemini 的用戶。此自我選擇偏誤可能高估科技 savvy、白領工作者，而低估藍領、體力勞動及離線為主的職業——這是報告中討論的一項重要限制 。

多數 AI 使用發生在工作場所以外

對許多讀者而言，最令人驚訝的發現或許是：相當大比例的互動發生在正式工作之外 。Google 報告指出，86% 的 AI 互動發生在工作場所之外 。

• 這些非工作互動包括個人生產力、學習、創意任務及家庭管理 。
• 由於 ATLAS 資料來自 Gemini App 及 AI Mode 等消費級產品（以及 Gemini API），它捕捉的是日常生活的所有情境，而非僅限辦公室 。

這表明，就目前而言，AI 最大的實際影響在於個人與家庭生產力——規劃餐點、協助功課、產生創意——而非重塑勞動市場。

重要限制：ATLAS 沒說的事

Google 的官方部落格文章及業界觀察者的報導均強調數項重要限制，意味 ATLAS 不應被視為 AI 經濟影響的決定性圖像 ：

• 平台偏誤：數據僅來自 Google 的 Gemini 生態系統。使用模式可能與 OpenAI 的 ChatGPT、Anthropic 的 Claude 或其他工具顯著不同。
• 自我選擇偏誤：樣本由已在使用 Gemini 的人組成，並非勞動力的隨機樣本。早期採用者通常較年輕、受教育程度較高，且集中於科技相關領域 。
• 時間窗口：數據取自 兩週期間（2026 年 4 月 6 日至 19 日） 。這段短暫時間可能無法捕捉季節性或專案型的使用變化。
• 分類不確定性：將約 1,465 萬次自由對話映射到恰好 800 個標準職業類別及 4,000 項任務，本質上並不精確。某些任務可能被錯誤分類或過於模糊而難以可靠歸類。
• 無生產力測量：該研究測量 人們使用 AI 做什麼，而非 AI 是否改善了產出、品質或收入 。它無法區分有效與無效的使用。
• 1.0 版本：Google 明確稱此為「首個迭代」，並將其定位為持續進行的研究努力，而非確定性的最終圖像 。未來版本可能追蹤不同模式或採用不同方法。

總結

ATLAS 研究提供了迄今最有力的證據，證明 AI 採用是真實的、廣泛的，並且正在增長。但它也顯示，在 2026 年中，AI 遠非某些人所擔憂的「工作取代巨獸」。相反，它是一個協作者：用於任務的適度部分，大多非自動化，且主要在辦公室外。

對工人而言，這意味著將 AI 作為工具使用的技能——提示、檢查輸出、將 AI 整合至工作流程——比為全面失業做準備更為迫切。對企業而言，大多數角色的淺層整合意味著更深層採用的空間，但 AI 的全面生產力收益可能仍需數年時間。

正如經濟學家 Scott Strand 所言：「AI 的採用非常非常廣泛」——但這種採用的深度，及其對經濟的意義，仍有待書寫 。

Google 經濟學家 Scott Strand 一語道破：「AI 的採用非常非常廣泛，涵蓋極廣的職業範圍。」 但數據同時顯示，AI 在單一職業中的使用深度仍然有限，自動化情況罕見，而且大部分 AI 活動根本不在辦公室內發生。

廣度 vs. 深度：AI 觸及眾多職業，但僅涉少量任務

ATLAS 最重要的發現是：AI 採用呈現 「廣但淺」 的格局 。這項技術已擴散至經濟體的顯著部分，但在任何特定職業中，員工僅將其用於每日任務的一小部分。

• 68% 的職業 顯示 AI 使用量高於研究的最低門檻，這些職業約佔美國就業人口的 90% 。
• 然而，在這些職業中，AI 平均僅用於 約 21% 的相關任務 。深度整合極為罕見：只有 約 4% 的職業 在四分之三或以上的任務中使用 AI 。
• 使用量高度集中於兩個類別：軟體開發與寫作任務合計佔所有互動的近半數 。

這種模式顯示，AI 正迅速成為許多行業的常見工具，但尚未如某些預測般成為全面性的工作流程變革。

人類依然主導：協作勝過自動化

對於擔心 AI 會完全取代其工作的人來說，ATLAS 提供了一些安慰：在工作場所，人們主要將 AI 視為夥伴，而非替代品。

• 少於 10% 的工作相關互動涉及完全自動化某項任務 。絕大多數屬於 增強 模式——將 AI 用於研究、構思、策略、草擬及迭代完善 。
• Google 自身的框架是 「協作勝於自動化」：AI 扮演腦力激盪夥伴或加速現有工作流程的工具，而非完全取代工人的代理人 。

此發現與 Anthropic 較早的研究一致，該研究指出約 57% 的 AI 使用傾向增強（提升人類能力），43% 傾向自動化（直接執行任務）。然而，ATLAS 數據使差距更為顯著——工作情境中自動化比例低於 10%——這表明增強與自動化的界線可能測量方式不同，或 Gemini 用戶特別注重協作。

誰在工作時使用 AI？知識工作者主導，體力勞動者亦現蹤

毫不意外，知識工作者主導了數據。軟體工程師、作家、營銷人員和分析師佔了互動的大部分 。但一個更有趣的發現是，體力勞動者在數據中亦有出現，儘管比例較低。

• Google 在 LinkedIn 的貼文特別強調：「辦公桌以外：體力勞動、建築與維修行業的工人亦在使用 Gemini」 。
• 然而，研究承認，數位參與度低或網路存取有限的職業在數據中將 代表性不足 。許多體力任務（例如操作車床、砌磚或修理引擎）難以透過文字對話捕捉，意味著該研究可能 低估 AI 對體力工作的相關性 。

一個重要的注意事項：數據來自主動選擇使用 Gemini 的用戶。此自我選擇偏誤可能高估科技 savvy、白領工作者，而低估藍領、體力勞動及離線為主的職業——這是報告中討論的一項重要限制 。

多數 AI 使用發生在工作場所以外

對許多讀者而言，最令人驚訝的發現或許是：相當大比例的互動發生在正式工作之外 。Google 報告指出，86% 的 AI 互動發生在工作場所之外 。

• 這些非工作互動包括個人生產力、學習、創意任務及家庭管理 。
• 由於 ATLAS 資料來自 Gemini App 及 AI Mode 等消費級產品（以及 Gemini API），它捕捉的是日常生活的所有情境，而非僅限辦公室 。

這表明，就目前而言，AI 最大的實際影響在於個人與家庭生產力——規劃餐點、協助功課、產生創意——而非重塑勞動市場。

重要限制：ATLAS 沒說的事

Google 的官方部落格文章及業界觀察者的報導均強調數項重要限制，意味 ATLAS 不應被視為 AI 經濟影響的決定性圖像 ：

• 平台偏誤：數據僅來自 Google 的 Gemini 生態系統。使用模式可能與 OpenAI 的 ChatGPT、Anthropic 的 Claude 或其他工具顯著不同。
• 自我選擇偏誤：樣本由已在使用 Gemini 的人組成，並非勞動力的隨機樣本。早期採用者通常較年輕、受教育程度較高，且集中於科技相關領域 。
• 時間窗口：數據取自 兩週期間（2026 年 4 月 6 日至 19 日） 。這段短暫時間可能無法捕捉季節性或專案型的使用變化。
• 分類不確定性：將約 1,465 萬次自由對話映射到恰好 800 個標準職業類別及 4,000 項任務，本質上並不精確。某些任務可能被錯誤分類或過於模糊而難以可靠歸類。
• 無生產力測量：該研究測量 人們使用 AI 做什麼，而非 AI 是否改善了產出、品質或收入 。它無法區分有效與無效的使用。
• 1.0 版本：Google 明確稱此為「首個迭代」，並將其定位為持續進行的研究努力，而非確定性的最終圖像 。未來版本可能追蹤不同模式或採用不同方法。

總結

ATLAS 研究提供了迄今最有力的證據，證明 AI 採用是真實的、廣泛的，並且正在增長。但它也顯示，在 2026 年中，AI 遠非某些人所擔憂的「工作取代巨獸」。相反，它是一個協作者：用於任務的適度部分，大多非自動化，且主要在辦公室外。

對工人而言，這意味著將 AI 作為工具使用的技能——提示、檢查輸出、將 AI 整合至工作流程——比為全面失業做準備更為迫切。對企業而言，大多數角色的淺層整合意味著更深層採用的空間，但 AI 的全面生產力收益可能仍需數年時間。

正如經濟學家 Scott Strand 所言：「AI 的採用非常非常廣泛」——但這種採用的深度，及其對經濟的意義，仍有待書寫 。