Google 經濟學家 Scott Strand 精準地總結了這個時刻：「AI 的採用非常、非常廣泛，涵蓋了極為多樣的職業。」 但數據也顯示，在單一職位內部的使用深度仍然很淺，自動化情況罕見，而且大部分的 AI 活動完全發生在辦公室之外。

廣度 vs. 深度：AI 觸及許多職業，但僅深入少數任務

ATLAS 研究最重要的發現是，AI 的採用是 「廣但淺」 的 。這項技術已擴散到經濟的顯著部分，但在任何特定職業中，工作者僅將其用於日常工作中的一小部分。

• 68% 的職業顯示出高於研究最低門檻的 AI 使用率，這些職業約佔美國 90% 的就業人口 。
• 然而，在這些職業中，AI 平均僅用於其 約 21% 的相關任務 。深度整合非常罕見：只有約 4% 的職業 在四分之三或更多的任務中使用 AI 。
• 使用高度集中在兩個類別：軟體開發與寫作任務合計佔了近一半的互動 。

這個模式表明，AI 正迅速成為許多行業中熟悉的工具，但它尚未成為某些預測中那種全面改變工作流程的力量。

人類仍在主導：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。

• 不到 10% 的工作相關互動涉及完全自動化任務 。絕大多數屬於 增強——使用 AI 進行研究、構思、策略擬定、草稿與迭代優化 。
• Google 自身的定義是「協作勝過自動化」：AI 扮演腦力激盪夥伴或加速現有工作流程的工具，而非完全取代工作者的代理人 。

這項發現與 Anthropic 先前的研究一致，後者發現約 57% 的 AI 使用傾向於增強（提升人類能力），而 43% 傾向於自動化（直接執行任務）。然而，ATLAS 的數據使差距更為懸殊——在工作環境中自動化比例低於 10%——這表明增強與自動化之間的界線可能測量方式不同，或者 Gemini 的使用者特別傾向於協作。

誰在工作中使用 AI？知識工作主導，體力勞動者亦現蹤

不出所料，知識工作者佔據了數據的主體。軟體工程師、作家、行銷人員和分析師貢獻了絕大多數的互動 。但其中一個更有趣的發現是，體力勞動行業也出現在數據中，儘管比例較低。

• Google 一篇 LinkedIn 貼文特別強調：「超越辦公桌：體力勞動、建築與維修行業的工人也在使用 Gemini」。
• 然而，該研究承認，數位參與度低或網路存取受限的職業，在數據中的代表性會不足 。許多體力任務（例如操作車床、砌磚或修理引擎）無法在基於文字的聊天互動中良好呈現，這意味著該研究可能 低估 了 AI 與實際動手工作的相關性 。

一個重要的注意事項：數據來自已經選擇使用 Gemini 的人。這種自我選擇偏誤可能過度代表了熟悉科技的白領工作者，而低估了藍領、體力勞動及高度離線的職業——這是報告中討論到的一個重要限制 。

大多數 AI 使用發生在工作之外

對許多讀者來說，最令人驚訝的發現或許是，有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 全部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、創意任務和家庭管理 。
• 由於 ATLAS 的資料來源包括 Gemini App 和 AI Mode（以及 Gemini API）等消費性產品，它捕捉了日常生活各個面向的使用情況，而不僅是辦公室 。

這表明，就目前而言，AI 最大的實際影響是在個人和家庭生產力上——規劃餐點、協助做功課、產生創意——而不是在重塑勞動市場。

關鍵注意事項：ATLAS 沒有告訴我們的事

Google 自家的部落格文章以及產業觀察家的報導，都強調了幾個重要的限制，這意味著 ATLAS 不應被視為 AI 經濟影響的最終定論 ：

• 平台偏誤：數據完全來自 Google 的 Gemini 生態系統。在 OpenAI 的 ChatGPT、Anthropic 的 Claude 或其他具有不同使用者介面和能力的工具上，使用模式可能會有顯著差異。
• 自我選擇偏誤：樣本由已經使用 Gemini 的人組成，並非勞動力的隨機樣本。早期採用者往往更年輕、受教育程度更高，並集中在科技相關領域 。
• 時間窗口：數據來自 2026 年 4 月 6 日至 19 日 這兩週的樣本 。這個短期窗口可能無法捕捉人們使用 AI 的季節性或專案性變化。
• 分類不確定性：將約 1465 萬次自由形式的對話，精確地映射到 800 個標準職業類別和 4000 項任務，本質上是不精確的。某些任務可能被錯誤分類，或過於模糊而無法可靠歸類。
• 無生產力測量：該研究測量的是 人們用 AI 做什麼，而不是它是否改善了產出、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「首次迭代」，並將其定位為一個持續演進的研究工作，而非最終的確定性圖像 。未來版本可能會追蹤不同的模式或使用不同的方法。

這一切意味著什麼

ATLAS 研究提供了迄今為止最好的證據，證明 AI 的採用是真實、廣泛且持續增長的。但它也表明，在 2026 年中，AI 遠非某些人所恐懼的「工作取代巨獸」。相反地，它是一個協作者：用於一小部分任務，多半非自動化，且主要在辦公室之外。

對工作者而言，這意味著將 AI 作為工具使用的技能——即提示、核查輸出、將 AI 整合到工作流程中——比準備應對全面工作取代更為迫切。對企業而言，跨大多數角色的淺層整合意味著還有更深層採用的空間，但也意味著來自 AI 的全面生產力提升可能仍需數年時間。

正如經濟學家 Scott Strand 所說：「AI 的採用非常、非常廣泛」——但這種採用的深度，以及它對經濟的意義，仍在被書寫中 。

Google 經濟學家 Scott Strand 精準地總結了這個時刻：「AI 的採用非常、非常廣泛，涵蓋了極為多樣的職業。」 但數據也顯示，在單一職位內部的使用深度仍然很淺，自動化情況罕見，而且大部分的 AI 活動完全發生在辦公室之外。

廣度 vs. 深度：AI 觸及許多職業，但僅深入少數任務

ATLAS 研究最重要的發現是，AI 的採用是 「廣但淺」 的 。這項技術已擴散到經濟的顯著部分，但在任何特定職業中，工作者僅將其用於日常工作中的一小部分。

• 68% 的職業顯示出高於研究最低門檻的 AI 使用率，這些職業約佔美國 90% 的就業人口 。
• 然而，在這些職業中，AI 平均僅用於其 約 21% 的相關任務 。深度整合非常罕見：只有約 4% 的職業 在四分之三或更多的任務中使用 AI 。
• 使用高度集中在兩個類別：軟體開發與寫作任務合計佔了近一半的互動 。

這個模式表明，AI 正迅速成為許多行業中熟悉的工具，但它尚未成為某些預測中那種全面改變工作流程的力量。

人類仍在主導：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。

• 不到 10% 的工作相關互動涉及完全自動化任務 。絕大多數屬於 增強——使用 AI 進行研究、構思、策略擬定、草稿與迭代優化 。
• Google 自身的定義是「協作勝過自動化」：AI 扮演腦力激盪夥伴或加速現有工作流程的工具，而非完全取代工作者的代理人 。

這項發現與 Anthropic 先前的研究一致，後者發現約 57% 的 AI 使用傾向於增強（提升人類能力），而 43% 傾向於自動化（直接執行任務）。然而，ATLAS 的數據使差距更為懸殊——在工作環境中自動化比例低於 10%——這表明增強與自動化之間的界線可能測量方式不同，或者 Gemini 的使用者特別傾向於協作。

誰在工作中使用 AI？知識工作主導，體力勞動者亦現蹤

不出所料，知識工作者佔據了數據的主體。軟體工程師、作家、行銷人員和分析師貢獻了絕大多數的互動 。但其中一個更有趣的發現是，體力勞動行業也出現在數據中，儘管比例較低。

• Google 一篇 LinkedIn 貼文特別強調：「超越辦公桌：體力勞動、建築與維修行業的工人也在使用 Gemini」。
• 然而，該研究承認，數位參與度低或網路存取受限的職業，在數據中的代表性會不足 。許多體力任務（例如操作車床、砌磚或修理引擎）無法在基於文字的聊天互動中良好呈現，這意味著該研究可能 低估 了 AI 與實際動手工作的相關性 。

一個重要的注意事項：數據來自已經選擇使用 Gemini 的人。這種自我選擇偏誤可能過度代表了熟悉科技的白領工作者，而低估了藍領、體力勞動及高度離線的職業——這是報告中討論到的一個重要限制 。

大多數 AI 使用發生在工作之外

對許多讀者來說，最令人驚訝的發現或許是，有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 全部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、創意任務和家庭管理 。
• 由於 ATLAS 的資料來源包括 Gemini App 和 AI Mode（以及 Gemini API）等消費性產品，它捕捉了日常生活各個面向的使用情況，而不僅是辦公室 。

這表明，就目前而言，AI 最大的實際影響是在個人和家庭生產力上——規劃餐點、協助做功課、產生創意——而不是在重塑勞動市場。

關鍵注意事項：ATLAS 沒有告訴我們的事

Google 自家的部落格文章以及產業觀察家的報導，都強調了幾個重要的限制，這意味著 ATLAS 不應被視為 AI 經濟影響的最終定論 ：

• 平台偏誤：數據完全來自 Google 的 Gemini 生態系統。在 OpenAI 的 ChatGPT、Anthropic 的 Claude 或其他具有不同使用者介面和能力的工具上，使用模式可能會有顯著差異。
• 自我選擇偏誤：樣本由已經使用 Gemini 的人組成，並非勞動力的隨機樣本。早期採用者往往更年輕、受教育程度更高，並集中在科技相關領域 。
• 時間窗口：數據來自 2026 年 4 月 6 日至 19 日 這兩週的樣本 。這個短期窗口可能無法捕捉人們使用 AI 的季節性或專案性變化。
• 分類不確定性：將約 1465 萬次自由形式的對話，精確地映射到 800 個標準職業類別和 4000 項任務，本質上是不精確的。某些任務可能被錯誤分類，或過於模糊而無法可靠歸類。
• 無生產力測量：該研究測量的是 人們用 AI 做什麼，而不是它是否改善了產出、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「首次迭代」，並將其定位為一個持續演進的研究工作，而非最終的確定性圖像 。未來版本可能會追蹤不同的模式或使用不同的方法。

這一切意味著什麼

ATLAS 研究提供了迄今為止最好的證據，證明 AI 的採用是真實、廣泛且持續增長的。但它也表明，在 2026 年中，AI 遠非某些人所恐懼的「工作取代巨獸」。相反地，它是一個協作者：用於一小部分任務，多半非自動化，且主要在辦公室之外。

對工作者而言，這意味著將 AI 作為工具使用的技能——即提示、核查輸出、將 AI 整合到工作流程中——比準備應對全面工作取代更為迫切。對企業而言，跨大多數角色的淺層整合意味著還有更深層採用的空間，但也意味著來自 AI 的全面生產力提升可能仍需數年時間。

正如經濟學家 Scott Strand 所說：「AI 的採用非常、非常廣泛」——但這種採用的深度，以及它對經濟的意義，仍在被書寫中 。