（來源：麻省理工科技評論）

在硅谷的圈子里，AI 引發(fā)的就業(yè)末日已經(jīng)被當(dāng)作既定事實在談?wù)?。周三，Anthropic 一位社會影響研究員在回應(yīng)“是否對 AI 未來有更樂觀的設(shè)想”時表示，近期可能出現(xiàn)經(jīng)濟衰退，以及“職業(yè)初期階梯的崩塌”。公司 CEO 達里奧·阿莫迪（Dario Amodei）則稱 AI 是“人類勞動力的全面替代品”，五年內(nèi)可以勝任所有工作。當(dāng)然，這種觀點不只來自 Anthropic。

這些言論讓許多打工人陷入恐慌（也很可能在助推全面叫停數(shù)據(jù)中心建設(shè)的運動，相關(guān)呼聲上周明顯升溫）。立法者也沒能給出任何安撫——沒有人拿出過一份連貫的應(yīng)對計劃。

就連此前一直提醒大家“AI 還沒有真正減少就業(yè)，未來也未必會帶來懸崖式下跌”的經(jīng)濟學(xué)家，也開始接受一種觀點：AI 可能以一種獨特而前所未有的方式改變我們的工作方式。

芝加哥大學(xué)的亞歷克斯·伊馬斯（Alex Imas）就是其中之一。周五早上和他交流時，他向我拋出了兩個觀點：一個直白的判斷——我們用來預(yù)測這件事走向的工具相當(dāng)糟糕；以及一份“動員令”——經(jīng)濟學(xué)家應(yīng)該立刻開始收集那一類真正能讓我們制定 AI 就業(yè)應(yīng)對方案的數(shù)據(jù)

先說我們這套糟糕的工具。任何一份工作都是由許多具體任務(wù)組成的。比如房產(chǎn)經(jīng)紀人的工作之一，就是詢問客戶想買什么類型的房子。美國政府從 1998 年開始建立了一份龐大的任務(wù)目錄，記錄了數(shù)千種這樣的任務(wù)，并定期更新。

OpenAI 就用這套數(shù)據(jù)來評估各種工作對 AI 的“暴露度”（AI exposure）。這是 OpenAI 在 2023 年那篇著名論文“GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models”中使用的術(shù)語，指一份工作中有多少比例的任務(wù)可能被 AI 完成或顯著輔助。比如他們算出房產(chǎn)經(jīng)紀人對 AI 的暴露度是 28%。今年 2 月，Anthropic 也用這套數(shù)據(jù)分析了數(shù)百萬條 Claude 對話，看看人們實際在用 AI 完成哪些任務(wù)，以及兩份清單的重疊在哪里。

但伊馬斯說，知道某項任務(wù)對 AI 的暴露度，會讓人對這份工作的真實風(fēng)險產(chǎn)生一種錯覺：“光看暴露度，對預(yù)測就業(yè)替代來說是個完全沒意義的工具?！?/p>

當(dāng)然，在最悲觀的情況下，暴露度確實有參考價值——比如一份工作的每一項任務(wù)都能由 AI 在無人指揮的情況下完成。如果讓 AI 模型完成所有這些任務(wù)的成本低于你的工資（這并非必然，因為推理模型和智能體 AI 的賬單可能相當(dāng)可觀），而且它能干得好，那這份工作很可能就會消失，伊馬斯說。這就是常被提到的幾十年前電梯操作員的故事；今天的對應(yīng)案例可能是只負責(zé)電話分流的客服。

但對絕大多數(shù)工作來說，情況沒這么簡單。具體細節(jié)也很關(guān)鍵：有些工作前景確實黯淡，但只看暴露度，很難判斷這件事會怎么發(fā)生、什么時候發(fā)生。

以寫代碼為例。假設(shè)有個開發(fā)高端約會應(yīng)用的程序員，借助 AI 編程工具可以一天完成過去三天的工作量，這意味著他的生產(chǎn)力提高了。雇主花同樣的錢，現(xiàn)在能拿到更多的產(chǎn)出。那么問題來了：雇主接下來會想招更多人，還是更少？

伊馬斯說，這才是任何政策制定者都應(yīng)該為之失眠的問題，因為答案會因行業(yè)而異。而我們目前對這個問題一無所知。

回到這位程序員的例子，效率提升讓約會應(yīng)用有可能降價。（懷疑論者可能認為公司會把這部分收益直接裝進自己口袋，但在競爭市場上，這樣做有被對手搶走客戶的風(fēng)險。）價格下降總會帶來一些需求增長。

但增長多少呢？如果有幾百萬新用戶涌入，公司可能會擴張，最終雇更多工程師來滿足需求。但如果需求只是微微上升，那需要的程序員就會減少，裁員就會發(fā)生。

把這個假設(shè)套用到所有 AI 能介入的工作上，你就得到了我們這個時代最迫切的經(jīng)濟學(xué)問題：價格彈性的具體數(shù)值，也就是當(dāng)某樣?xùn)|西的價格變化時，需求會變化多少。這正是伊馬斯上周強調(diào)的第二件事：我們目前在整個經(jīng)濟范圍內(nèi)都沒有這些數(shù)據(jù)。但我們本可以擁有。

伊馬斯說，谷物和牛奶之類的食品我們是有數(shù)據(jù)的，因為芝加哥大學(xué)和超市合作，能拿到他們掃碼槍上的數(shù)據(jù)。但我們沒有家教、網(wǎng)頁開發(fā)者或營養(yǎng)師的相關(guān)數(shù)據(jù)（順便一提，這幾個職業(yè)都被認為對 AI 有“暴露度”）?；蛘哒f，至少沒有以一種被廣泛匯總、能被研究者獲取的形式存在；這些數(shù)據(jù)有時散落在私人公司或咨詢機構(gòu)手里。

“我們需要一個曼哈頓計劃來收集這些數(shù)據(jù)，”伊馬斯說。而且不只是收集那些現(xiàn)在就明顯會受 AI 影響的工作的數(shù)據(jù)：“今天沒有暴露的領(lǐng)域，未來可能會有暴露，所以你需要在整個經(jīng)濟范圍內(nèi)追蹤這些指標(biāo)?！?/p>

把這些信息全部收集起來要花時間和錢，但伊馬斯認為這值得——它會讓經(jīng)濟學(xué)家第一次真正看清 AI 時代可能如何展開，也給政策制定者一個機會，去為它做出一份計劃。

https://www.technologyreview.com/2026/04/06/1135187/the-one-piece-of-data-that-could-actually-shed-light-on-your-job-and-ai/