Google ATLAS v1.0 最重要的發現，是 AI 使用範圍很廣，深入每個職位的程度仍有限。 研究在全球 68% 的細項職業觀察到達門檻的 Gemini 使用，這些職業合計占美國就業 88.4%；但在已出現明顯用量的職業中，中位數只有約 21% 任務碰到 AI。
對正在評估 AI 導入的台灣企業與主管，這份研究可以用來找試點任務，不能拿來預測裁員。把 88.4% 誤讀成使用率或自動化率，會放大人力決策風險；先按任務盤點工時、錯誤與驗收責任，再判斷哪些流程值得測。ATLAS 只看見兩週內的 Google AI 互動，沒有追蹤最後產出、節省工時或職缺變化。
Google ATLAS 是什麼？
ATLAS 全名是 Activity, Task, Landscape, and Adoption Study，由 Google 的 AI & Economy Research Program 發布。它不是新的 Gemini 模型，也沒有一個讓企業直接登入操作的 ATLAS 工具。
首版資料包含 2026 年 4 月 6 日至 19 日的 14,653,926 次去識別化互動，來源為 Gemini App、Google AI Mode 與 Gemini API。Google 先用自動分類器區分工作與非工作，再把對話摘要聚成群組，映射到美國勞工統計局的職業分類、O*NET 任務與 American Time Use Survey 日常活動。
研究橫跨 150 多個國家、140 種語言、800 多種職業與 4,000 項工作任務。規模很大，觀察窗口卻只有兩週；「大量對話」和「長期代表性」要分開看。
若想比較不同平台的觀察方法，可交叉閱讀 Anthropic Economic Index與 OpenAI 的 ChatGPT 使用研究。三者都能補足問卷看不到的真實互動，但也都只代表各自平台和分類方法。
88.4% 代表什麼？
ATLAS 先設定使用門檻：一個細項職業至少要有 50 名全球使用者，一項 O*NET 任務至少要有 25 名使用者。依此計算，研究在 68% 的細項職業看見 Gemini 使用；再把這些職業對照美國就業統計，合計涵蓋 88.4% 的就業人口。
| 常見說法 | 是否正確 | 應該怎麼讀 |
|---|---|---|
| 88.4% 美國勞工正在用 Gemini | 不正確 | 有達門檻用量的「職業類別」，合計占美國就業 88.4% |
| 88.4% 工作可以被 AI 自動化 | 不正確 | 研究測量當前使用，沒有測量完整職務的可自動化比例 |
| AI 已出現在多數職業 | 有條件成立 | 全球 68% 細項職業達到研究設定的使用門檻 |
| 每個職位大部分任務都在用 AI | 不正確 | 已有明顯用量的職業，中位數只有約 21% 任務達門檻 |
這組結果比較像「廣而淺」：軟體、財務、行銷等白領職業用量較高，餐飲、照護與搬運等職業較低；即使某個職業已使用 AI，也往往只集中在少數可文字化、可查證的工作。
因此，不建議人資部門拿 88.4% 當裁員或人力縮減依據。研究中的職業覆蓋率沒有回答一個人每週用幾次、能省多少時間，也沒有證明同一項任務可以無人監督完成。
AI 在協作，還是在自動化？
ATLAS 把工作互動分成端到端任務自動化、部分起草、審閱修正、發想策略、資料檢索與學習。非例行認知工作占 Gemini 工作用量的大宗，當中的端到端自動化意圖不到 10%；例行認知工作的自動化意圖則超過四分之一。
這個差異很實用。規則明確、輸入固定、驗收標準清楚的工作，比較可能交給 AI 跑完整段；涉及判斷、例外和利害關係人的任務，多半只讓 AI 查資料、整理初稿或充當討論對象。
手工與技術職也不是完全用不到 AI。研究觀察到汽車技師、工業機械維修等角色拿 Gemini 解讀測試結果、排查線路或學習維修步驟。不過手工任務的互動高度集中在「資料檢索與學習」，代表 AI 常在旁邊協助判斷，沒有代替人完成實體維修。
要判斷 Agent 是否真的能交付，可再看 Remote Labor Index 的遠端工作測試。ATLAS 回答「大家拿 AI 做什麼」，基準測試回答「系統能否完成可驗收工作」，兩種證據不能互換。
工作以外的用量，反而占 86%
ATLAS 超過 86% 的互動被分類為非工作用途，包括購物研究、家電操作、教育、健康資訊，以及處理稅務、證照、罰款等行政問題。政府服務與公民義務相關互動，在樣本中的占比約是一般時間分配基準的 20 倍。
研究也發現，醫療、法律、財務與政府相關諮詢有近一半發生在一般 9 點到 5 點辦公時間之外。這顯示生成式 AI 的價值可能出現在「先幫我看懂規則、整理問題、準備明天要問什麼」，未必會直接反映在公司營收或國內生產毛額。
但 ATLAS 沒有驗證答案正確率，也沒有證明使用者真的省下時間。醫療、法律、報稅和政府申辦都應回到官方規定或專業人員確認；使用量高，只能說明需求和摩擦大。
英文只占約三分之一，台灣能套用嗎？
全球樣本中，英文約占所有對話三分之一，工作與非工作用途的語言分布也相近。使用者處理較複雜任務時，沒有一致改用英文的跡象。這對中文產品設計有一個清楚提醒：不能只用英文提示詞、英文知識庫和英文測試集評估實際導入品質。
ATLAS 也觀察到，人均 AI 用量與人均 GDP 高度相關；人均 GDP 每增加 1%，用量約增加 0.9%。這是相關性，不是「收入提高就會造成 AI 使用增加」的因果證明。產品可用性、網路、語言支援、產業結構與 Google 產品滲透率都可能影響數字。
論文沒有公布可直接套到台灣企業的職業使用率。台灣團隊適合借用它的分類思路，重新盤點自己的中文工作；不適合把美國就業權重改個標題，就當成本地人力預測。
台灣團隊怎麼做兩週任務稽核？
先挑一個 3 至 8 人的小組，連續兩週記錄實際工作。每次考慮使用 AI 時，填入七欄：
| 欄位 | 要記什麼 |
|---|---|
| 任務 | 可驗收的動作，例如整理 20 份客服紀錄，不寫「做客服」 |
| 觸發條件 | 何時開始、輸入從哪裡來 |
| 原始工時 | 不用 AI 通常花幾分鐘 |
| AI 角色 | 查資料、發想、起草、校閱或端到端執行 |
| 驗收證據 | 正確率、漏項、主管退件或客戶確認 |
| 人工責任 | 誰審核、誰能按下送出或寫回系統 |
| 資料等級 | 公開、內部、個資、財務或機密 |
第一輪只選一項高頻、可逆、輸出容易驗收的任務。適合的例子是會議紀錄轉待辦、客服問題分類、規格差異整理；不適合從付款、刪除資料、醫療判斷或直接對客承諾開始。選題可搭配 AI-first 專案挑選方法，避免把最昂貴的流程當第一個實驗。
兩週後只看四個指標：完成時間、返工率、重大錯誤數、使用者實際採用率。工時下降但返工增加，不能算成功；同仁只在示範日使用，也不能算採用。若連續兩週沒有穩定改善，先改輸入資料或任務邊界，不要急著擴到整個部門。
需要讓 Agent 連接雲端硬碟、CRM 或內部系統時，再用 企業 AI Agent 上線檢查清單補上權限、稽核紀錄、停權與失敗回復。ATLAS 的「廣而淺」也提供一個務實順序：先讓 AI 做少數任務做穩，再談一個職位的完整自動化。
這份研究有哪些限制？
讀 ATLAS 至少要保留五個煞車點：
- 平台偏差：樣本來自 Gemini App、AI Mode 與 Gemini API，不能代表所有 AI 使用者。
- 企業用量缺口：細項分析未納入付費 Gemini API、Google Cloud Gemini Enterprise，也排除 Workspace、AI Overviews、Translate、Maps、Notebook 等產品。
- 只有使用行為：完成一段對話不代表任務成功、節省工時或產生經濟價值。
- 分類仍有誤差：職業、任務與意圖由模型從去識別化摘要推測；越細的職業與活動分類，不確定性越高。
- 時間與地理口徑：資料只取兩週，全球互動卻映射到美國 O*NET、就業與時間使用分類，不能直接當各國勞動市場統計。
ATLAS 很適合回答「目前哪些類型的任務開始出現 AI」，不適合單獨回答「AI 造成多少生產力」「哪種工作會消失」。企業若要做預算或人力決策，仍需要自己的流程數據、成品品質與長期採用紀錄。
常見問題
Google ATLAS 是新的 AI 工具嗎？
不是。ATLAS 是 Google 的 AI 使用與經濟研究計畫，用去識別化的 Gemini 互動分析職業、任務、日常活動、國家與語言分布，沒有提供一般使用者下載或操作的 ATLAS 產品。
ATLAS 是否證明 88.4% 的人都在用 Gemini？
沒有。研究在達門檻用量的職業類別中，計算出這些職業合計占美國就業 88.4%；它沒有測量 88.4% 美國勞工本人正在使用 Gemini。
Google ATLAS 是否代表大多數工作將被自動化？
不代表。已有明顯 Gemini 使用的職業，中位數約 21% 任務達到研究門檻；非例行認知工作的端到端自動化意圖不到 10%，多數互動仍屬協作與輔助。
ATLAS 的 1,500 萬次互動包含哪些產品？
包含 Gemini App、Google AI Mode 與 Gemini API 在 2026 年 4 月 6 至 19 日的近 1,500 萬次去識別化互動。細項分析未納入付費 Gemini API，也未包含 Workspace、AI Overviews、Google Translate 等產品。
台灣公司可以怎麼使用 ATLAS 的結論？
把職位拆成可驗收任務，記錄兩週的工時、返工、錯誤與採用率，再從低風險任務小規模測試。不要把美國 88.4% 就業覆蓋率直接改寫成台灣導入率或裁員比例。
參考來源
- Google 研究論文：Google’s AI & Economy ATLAS v1.0: Mapping Gemini Usage in the Economy（2026-07-23）
- Google 官方部落格：Understanding the AI economy（2026-07-23）
- Google AI & Economy Research Program：Google’s ATLAS v1.0 Report（2026-08-11 查閱）
- ONET Resource Center：ONET Database Releases Archive, version 30.2（2026-08-11 查閱）
- 美國勞工統計局：May 2024 Occupational Employment and Wage Statistics（2026-08-11 查閱）
- 美國勞工統計局：2024 American Time Use Survey Activity Lexicon（2026-08-11 查閱）