卡内基梅隆大学与斯坦福大学的一项最新联合研究指出，当前人工智能智能体（AI Agent）的发展正陷入严重的“路径依赖”。研究显示，现有的 AI 测评基准高度集中于编程任务，却忽视了占美国劳动力市场 92% 的非编程领域。

研究人员系统分析了 43 个主流 AI 基准中的 7.2 万个任务，并将其与美国政府 O*NET 职业数据库中的 1016 种真实职业进行对比。

调查发现的失衡现状：

数字化行业的“基准盲区”：尽管管理类工作的数字化程度高达 88%，但在现有 AI 基准测试中仅占 1.4%；法律工作数字化程度为 70%，其在基准测试中的占比仅为 0.3%。

技能覆盖严重脱节：当前的 AI 测评主要考量“获取信息”和“计算机操作”这两类技能，它们仅覆盖了不到 5% 的美国就业岗位。而现实工作中至关重要的“人际互动”分类，在现有的 AI 测试中几乎无人问津。

复杂度增加导致“能力跳水”：研究发现，AI 智能体的自主性在面对复杂任务时表现极差。即便是在最擅长的软件开发领域，一旦任务步骤增多、逻辑变复杂，AI 的成功率就会出现断崖式下跌。

研究者呼吁，未来的 AI 基准测试应向管理、法律、建筑及工程等高价值、高数字化领域倾斜。同时，测评不应只关注最终结果，更应关注 AI 在执行过程中的中间步骤，以解决目标模糊和验证周期长等现实痛点。

这一结论也得到了市场数据的印证。Anthropic 近期分析显示，其 API 调用中近 50% 仍集中在软件开发。专家警告称，如果 AI 开发继续盲目追求易于自动评分的编程任务，可能会错失 AI 在更广泛经济领域发挥生产力价值的最佳时机。